装备维修任务调度理论与策略研究现状综述

在明确装备维修任务调度需求及意义的基础上,分析了装备维修任务调度理论及策略的研究现状。在维修任务调度理论方面,根据调度的特点对抢占调度与非抢占调度、静态调度与动态调度进行了阐述;在维修任务调度策略方面,根据调度目标及调度特点对时钟驱动调度策略、优先级调度策略以及其他调度策略进行了阐述。在分析研究现状的基础上,提出应对装备维修任务抢占调度及混合调度策略等方面加强研究。     

设备维修最优化调度策略方法研究

信息化条件下,战时装备维修优化调度问题是装备维修保障过程中的关键问题。本文根据PSO算法建立模型提出了战时装备维修保障调度策略,最大限度的提高战时维修保障系统的效能,同时对PSO算法进行改进,解决算法中的局部最优化问题,最后与基于FCFS算法的维修保障调度策略进行对比,通过仿真实验证明PSO算法对调度性能有明显改善。     

基于多Agent的维修任务调度系统的研究

本文根据维修作业任务调度的复杂性,以及当前存在的问题,提出了基于Multi-Agent技术的维修作业任务调度系统,建立了基于管理Agent、任务Agent和资源Agent的系统模型,引入了规则调度机制和消息报告机制,并且讨论了优先级的计算算法。     

混合算法在网格任务调度中的应用研究

研究网格任务优化调度问题,针对需求的复杂和网格系统具有异构性和动态性,导致网络任务调度过程相当困难.传统调度算法调度效率低、资源负载不平衡.为了提高任务调度效率,降低资源负载不平衡性,提出一种混合的网格任务调度优化算法.首先采用遗传算法全局搜索能力快速形成初始解,然后将遗传算法的调度结果作为蚁群算法的初始信息素分布,最后利用蚁群算法所正反馈性机制迅速地形成任务调度的最优解.仿真结果表明,混合算法减少网格任务调度系统任务完成时间,提高了任务调度效率,为网格设计提供了依据.     

自适应的多目标资源受限的运输任务调度研究

针对双目标下的资源受限的运输任务调度问题（RCTTSP）,提出一种自适应的多目标混合遗传算法（AMOHGA）。该算法将串行调度启发式方法应用于种群初始化与适应度评估,采用权重求和与分级适应度分配方法进行个体适应度分配,并将基于模糊逻辑控制器的自适应遗传参数调整方法用于提高算法性能。在描述多目标RCTTSP的基础上,给出AMOHGA基本原理,然后针对不同规模测试案例进行实现,并进行了调度结果与算法性能的对比分析。结果表明,该算法能有效地解决多目标资源受限的运输任务调度问题,并具有良好的算法性能。     

装备维修保障资源配置综述

装备维修资源配置优化方法的研究对提升维修保障效率具有不可估量的作用,然而当前装备维修保障系统的维修资源的研究已经不能满足多中心系统高效保障的实际需求。因此,本文详细分析了装备维修保障维修资源配置优化问题的相关研究。首先概述了多中心装备保障系统主要包括维修任务预测、维修资源配置和多中心维修任务调度3个任务模块,并以此确定了维修保障资源配置流程。然后重点针对维修人员和维修备件资源配置优化问题参数、理论方法以及研究现状进行了综述。最后针对多中心维修保障系统资源研究的缺陷对未来发展趋势进行了展望,形成一种新的研究思路,为后续开展多中心系统资源配置优化研究提供参考。     

计算服务网格中基于服务聚类的元任务调度算法

在尊重网格资源本地调度策略前提下,提出一种基于云模型的动态服务能力评估方法;根据动态性能评估尺度对服务进行聚类,提出了一种基于PSO的自适应的服务动态聚类方法,将提供相同或相似QoS的服务划分到同一个服务簇中,从而缩小了任务调度的问题规模;基于服务动态聚类提出了一种元任务调度算法,理论分析该算法降低了不聚类调度算法的复杂度.实验结果表明本文提出的调度算法在时间复杂度与用户QoS保障方面优于以前提出的调度算法.     

云计算资源调度:策略与算法

资源调度是云计算的关键问题之一,它的调度策略与算法直接影响到云系统的性能及成本。首先,根据现有云计算资源调度中的各种策略和算法归纳出4大热点问题:本地性感知任务调度、可靠性感知任务调度、能量感知资源调度以及工作流调度。然后,根据不同的优化目标(性能和成本)将这4个问题划分成3大类型,并对每一类问题中的策略及算法进行了详细描述和比较分析。其次,对4个问题中的相关算法进行了总体比较。最后,对云资源调度的未来研究方向进行了展望。     

战时装备维修保障力量优化调度问题研究

战时装备维修保障力量优化调度对于提高维修效率具有重要意义。针对目前研究存在的优化目标单一、约束条件简单等不足,建立了维修保障力量优化调度的双层规划模型。为了便于问题的结构化求解,依据战时维修保障需求的特点,将其分解为具有主从递阶层次结构的子优化问题,并设计了问题求解的遗传算法。用实例对该方法进行了验证。实验结果表明该方法能够有效解决维修保障力量优化调度问题,由其生成的调度方案可操作性强,具有较好的军事应用价值。     

改进K-means聚类的云任务调度算法

针对云任务调度中存在的效率低、费用高等问题,提出一种基于改进K-means聚类算法的云任务调度算法。依据虚拟资源的硬件属性,使用改进聚类算法对虚拟资源进行聚类划分;计算任务偏好,使不同偏好的任务在不同的聚类中选择资源;考虑到调度费用问题,对每个聚类使用改进后的Min-min算法进行任务调度。针对K-means聚类算法初始聚类中心随机选取,易陷入局部最优解的问题,对聚类算法进行改进。最后,利用云仿真平台CloudSim进行实验,结果表明,与无聚类的调度算法相比,本文提出的算法在执行效率方面有所提高。     

求解动态维修资源优化调度的多目标进化算法

为解决维修资源调度过程中出现的维修资源预测不准、资源冲突的问题,本文建立了不同作战阶段的多供应中心?多需求点的的动态维修资源优化调度模型,使得多个供应中心可以及时、高效地对需求点进行维修资源调度,减少了资源调度时间和每个需求点的维修资源不满足量。为了更好地求解提出的模型,本文提出了一种改进的多目标进化算法,在经典的多目标进化算法的基础上,使用正态分布交叉算子、全局探索增强型差分进化算子和自适应变异算子的协同进化策略,提高了算法的局部搜索能力和种群的多样性。仿真实验表明,本文提出的算法具有良好的收敛性和分布均匀性,并且具有较高的求解效率。     

并行任务图的优化调度算法

科学与工程计算中的很多复杂应用问题需要使用科学工作流技术,超算领域中的科学工作流常以并行任务图建模,并行任务图的有效调度对应用的高效执行有重要意义。给出了资源限制条件下并行任务图的调度模型;针对Fork-Join类并行任务图给出了若干最优化调度结论;针对一般并行任务图提出了一种新的调度算法,该算法考虑了数据通信开销对资源分配和调度性能的影响,并对已有的CPA算法在特定情况下进行了改进。通过实验与常用的CPR和CPA算法做比较,验证了提出的新算法能够获得很好的调度效果。本文提出的调度算法和得到的最优调度结论对工作流应用系统的高性能调度功能开发具有借鉴意义。     

负载敏感的云任务三支聚类评分调度研究

在云计算商业化的服务模式中,追求服务质量、负载均衡与经济原则的多目标优化调度。针对集群资源使用率偏低的现象,提出了三支聚类评分（three-way clustering weight,TWCW）算法,首先分析云任务的多样化需求与资源的动态特性,采用三支聚类算法对任务集合聚类划分,然后结合任务属性对类簇对象进行评分调度。基于Cloudsim实验模拟表明:相比于k-means与FCM聚类调度,三支聚类评分算法（TWCW）在任务平均响应时间与资源利用率等方面均有显著提升。     

改进遗传算法的并行任务调度

并行任务调度是一个NP完全问题,它关注资源的分配和并行任务调度,要求具有高性能的调度算法,且能求解出高质量的解。提出了一种基于改进遗传算法的并行任务调度算法,在算法初始化种群产生时引入任务向量矩阵来表示任务、资源以及调度的关系,并采用启发式方法得到初始化种群,提高种群质量;采用规则约束的交叉和变异操作,提高个体的质量;提出了加速进化策略,有效地避免了早熟。仿真实验结果表明,该改进算法能更有效地求解并行任务调度问题。     

An effective heuristic for flexible job-shop scheduling problem with maintenance activities

Most production scheduling problems, including the standard flexible job-shop scheduling problem (FJSP), assume that machines are continuously available. However, in most realistic situations, machines may become unavailable during certain periods due to preventive maintenance (PM). In this paper, a flexible job-shop scheduling problem with machine availability constraints is considered. Each machine is subject to preventive maintenance during the planning period and the starting times of maintenance activities are either flexible in a time window or fixed beforehand. Moreover, two cases of maintenance resource constraint are considered: sufficient maintenance resource available or only one maintenance resource available. To deal with this variant FJSP problem with maintenance activities, a filtered beam search (FBS) based heuristic algorithm is proposed. With a modified branching scheme, the machine availability constraint and maintenance resource constraint can be easily incorporated into the proposed algorithm. Simulation experiments are conducted on some representative problems. The results demonstrate that the proposed filtered beam search based heuristic algorithm is a viable and effective approach for the FJSP with maintenance activities.     

面向机器学习的分布式并行计算关键技术及应用

当前机器学习等算法的计算、迭代过程日趋复杂, 充足的算力是保障人工智能应用落地效果的关键。本文首先提出一种适应倾斜数据的分布式异构环境下的任务时空调度算法,有效提升机器学习模型训练等任务的平均效率;其次,提出分布式异构环境下高效的资源管理系统与节能调度算法,实现分布式异构环境下基于动态预测的跨域计算资源迁移及电压/频率的动态调节,节省了系统的整体能耗;然后构建了适应于机器学习/深度学习算法迭代的分布式异构优化环境,提出了面向机器学习/图迭代算法的分布式并行优化基本方法。最后,本文研发了面向领域应用的智能分析系统,并在制造、交通、教育、医疗等领域推广应用,解决了在高效数据采集、存储、清洗、融合与智能分析等过程中普遍存在的性能瓶颈问题。     

基于网格资源超图模型的可信任务调度

网格任务调度是当前重要的研究领域。网格环境具有动态性、异构性等特点,网格资源的处理性能和稳定性都是影响到任务调度顺利完成的重要因素。为了获得更小的任务完成时间,该文根据网格环境的特点,建立了网格资源超图模型,在该模型基础上对资源按性能进行聚类,并提出一种可信任务调度算法GRHTS。模拟实验结果表明,该基于网格资源超图模型的可信任务调度算法优于同类算法,是一种有效的网格任务调度算法。     

网格计算中任务调度算法的研究和改进

任务调度一直是网格计算中的热点问题,任务调度的目的是最优地分配任务,实现最佳的调度策略,以高效地完成计算任务。在网格环境中,资源的合理有效利用是实现任务调度的关键问题之一。本文首先论述静态任务调度算法和动态任务算法的原理和优缺点等,然后结合Min-min、Max-min算法的优点设计一种新的调度算法SA-MM,根据资源的使用情况自适应调度相应算法进行任务到资源的映射。最后,用GridSim模拟工具对网格计算中Min-min、Max-min和SA-MM任务调度算法进行仿真实验,分析和比较它们的调度长度(MakeSpan)和资源负载情况等影响任务调度效率的指标。     

基于遗传算法的网格任务调度方法分析

网格任务调度为多项式复杂程度的非确定性问题,其中所有非确定性多项式时间可解的判定问题,共同构成了NP类问题。如何快速地找到全局最优解是网格任务调度的难点所在。而遗传算法在验证猜测的正确性方面,具有自动获取和快速搜索的特性,是解决非线性问题的最优方案。本文主要对基于遗传算法的网格任务调度方法进行分析,通过网格任务调度模型构建、资源分配等操作,来完成遗传算法的仿真实验研究。