OFDMA系统中基于遗传算法的资源分配

资源分配是OFDMA系统中保证用户QoS和提高系统容量的一种重要手段.在传统的OFDMA资源分配算法中,分组调度和子载波分配两部分是独立进行优化的.为了进一步提高系统的整体性能,提出一种基于遗传算法的分组调度和子载波分配联合优化的资源分配算法.资源分配算法中,利用随机逼近的方法来更新调度算法中的控制参数,在保证用户公平性的前提下最大化系统吞吐量;利用遗传算法来求解联合优化中的子载波分配.仿真结果表明,无论是在系统的吞吐量、丢包率,数据包等待时延还是用户公平性方面,都具有良好的性能.     

高弹性配电网网架分解协调联合调度策略优化

综合考虑网架结构与分布式电源出力的协调组合问题,研究高弹性配电网网架分解协调联合调度策略优化,降低运行费用,提升电压水平。利用二进制粒子群算法求解网架结构调度策略优化模型,利用改进粒子群算法求解分布式电源出力调度策略优化模型,获取联合调度策略优化结果。实验证明：该方法能够降低网损费用,使运行费用降至最低;能够同时考虑网架结构与分布式电源出力的优化目标,提升收敛速度,获取联合调度最优解;提升电压水平。     

兼顾费用与公平的带通信开销的多有向无环图调度

针对云环境下多有向无环图(DAG)工作流的调度算法应考虑执行时间、费用开销、通信开销、公平性等多个指标的问题,在模型带通信开销的DAG(CA-DAG)的基础上结合公平性算法提出一种优化完成时间的后向求异(BD)原则与兼顾费用和公平的多DAG调度策略CAFS.CAFS调度策略分为两个阶段:预调度阶段利用带通信开销的工作流费用优化(CACO)算法在考虑通信开销的同时求解所有任务的最优服务并优化费用,采用fairness算法得到较公平的调度顺序;调度阶段采用BD原则,根据在预调度阶段得出的调度顺序进一步优化整体的完成时间并执行调度.实验结果表明,CAFS调度算法具有较好的公平性,在不提高费用的基础上时间减少19.82%.     

卫星通信系统星上处理中的调度问题及其算法

以往的卫星调度问题多侧重于地球站或测控资源的优化调度,实际上通信卫星本身包含许多调度问题。航天通信测控任务的新发展,要求通信卫星具有更强的星上处理与交换功能。该文主要研究卫星通信系统星上处理中的优化调度问题。卫星通信系统的常见多址联接方式是时分多址(TDMA)。该文描述了TDMA卫星通信系统星上处理中的调度问题。提出了相应的优化算法,并利用图论与网络最优化中的理论。说明卫星通信系统星上处理中的调度问题本质上是二部图的匹配问题,最后结合应用实例说明了优化算法与匹配方法的具体应用。     

基于粒子群算法的流程工业生产调度研究

以优化流程工业生产为目标,研究了将基于惯性权重的粒子群算法应用到流程工业的生产调度问题。在对流程工业生产调度问题进行分析的基础上,建立了以总加工完成时间最短为优化目标的生产调度模型。调度算法采用动态惯性权重,使惯性权值在粒子群算法搜索过程中线性变化,以提高粒子群算法的优化性能。给出了粒子编码与解码实现方法,以及具体的算法实现过程。以某流程工业企业生产调度实例为例,利用建立的优化调度模型和设计的粒子群算法进行了实验仿真,结果表明,建立的调度模型和设计的算法是可行的,与蚁群系统方法相比较,有较好的调度性能,适用于解决流程工业实际生产调度问题。     

云计算环境下基于粒子群算法的多目标优化

为了优化资源的部署调度,需要考虑处理费用、传输费用,并提高云计算的性能.对云计算环境下特点进行了研究,把云计算环境下的数据部署和任务调度问题映射为处理交互图,对处理交互图进行分析、提出了多目标优化模型,并通过粒子群算法对多目标模型进行优化.仿真结果表明,该多目标优化模型和算法不但能优化处理时间、传输时间,也能优化处理费用和传输费用.     

多机器总完成时间和makespan近似最优的开放式车间调度方法

研究了多机器开放式车间调度问题,采用离散事件系统调度使makespan最小化和总完成时间最小.给出了在确定处理机器的条件下,不同批次的作业总完成时间最优的排序定理,以及选择机器处理作业的指标优化定理,利用给出的若干定理建立了总完成时间最优的调度方法.作者利用加权总完成时间最优算法来近似求解makespan最小化和总完成时间最优的调度问题.作者也利用论文的理论结果给出了一个三机器开放式车间情况的实际算例.     

异构环境下科学工作流的启发式调度算法

针对资源个体与网络链路差异较大、广域互连的分布式系统下科学工作流的时间费用优化问题,提出改进的相对效比调度算法.利用任务配置图描述关联科学工作流过程模型的资源模型,利用任务-资源分配图作为科学工作流调度模型,采用相对效费比迭代调整任务-资源分配图,最终得到优化的工作流调度方案.算法能够避免共享资源访问冲突,合理地筛选候选资源、优化费用,能够很好地适用科学工作流的资源差异较大及任务间存在大量数据传输的特征,模拟实验表明算法性能有较大的提高.     

基于零件相似性特征的大规模下料分组优化方法

针对诸多优化算法在处理大规模下料问题时易于陷入局部最优解和时间效率低下的问题,提出基于零件相似性特征的分组优化方法.该方法利用HCM算法进行零件聚类,产生若干相似组,然后通过分析计算机硬件水平和算法处理问题能力将相似组重组为若干分组,再对各分组依次优化.在相邻分组的优化中,采用补偿策略动态修正零件在分组间的分布,优化完毕后合并各组优化结果得到原问题的下料方案.实验结果表明,相对于不分组优化,该方法处理大规模下料问题的效率高,且可以维持和提高材料利用率.     

基于混合差分进化算法的梯级水电站调度研究

针对梯级水电站优化调度的复杂问题,结合差分进化算法和混合蛙跳算法各自优势,提出一种新的混合差分进化算法。该算法将差分进化策略嵌入到混合蛙跳算法框架中,对整个群体循环进行分组进化与混合操作,而在每个分组内部按照差分进化策略对个体不断进行更新。数值实验表明该算法具有较强的全局搜索能力,克服了基本差分进化算法易早熟收敛的缺点。将该算法应用于梯级水电站中长期优化调度实例,并与传统动态规划法进行比较分析,进一步验证了其可行性与有效性。     

Applications of artificial intelligence for optimization of compressor scheduling

This paper presents a feasibility study of evolutionary scheduling for gas pipeline operations. The problem is complex because of several constraints that must be taken into consideration during the optimization process. The objective of gas pipeline operations is to transfer sufficient gas from gas stations to consumers so as to satisfy customer demand with minimum costs. The scheduling involves selection of a set of compressors to operate during a shift. The scheduling decision has to be made so as to satisfy the dual objectives of minimizing the sum of fuel cost, start-up cost, the cost of gas wasted due to oversupply, and satisfying minimal operative and inoperative time of the compressors. The problem was decomposed into the two subproblems of gas load forecast and selection of compressors. Neural networks were used for forecasting the load; and genetic algorithms were used to search for a near optimal combination of compressors. The study was conducted on a subsystem of the pipeline network located in southeastern Saskatchewan, Canada. The results are compared with the solutions generated by an expert system and a fuzzy linear programming model.     

基于演化算法的带侧摆多星点目标调度算法

针对成像卫星观测效率较低的问题,提出了一种侧摆情况下的多星点目标调度方法。首先分析了卫星与地面目标的角度关系、正负侧摆角度以及时间窗口的计算方法。在此基础上,以最大化观测收益、最小化侧摆次数及最小化总的侧摆角度为优化目标,建立了带侧摆的多星点目标调度模型。并基于演化算法,提出了一种载荷侧摆情况下优化调度算法。算法中采用任务级别的单点交叉算子,通过时间窗口的选取进行变异操作,定义了基于冲突度的适应度计算函数,通过调整活动的实际开始时间来减少冲突,基于目标的优先顺序设计了个体的选择策略,基于冲突代价的概念设计了冲突消除方法。最后,针对一个具体的实例,给出了5星100个点目标在侧摆情况下的调度与仿真结果,并对侧摆角度分别为0°、10°、25°时的调度性能进行了分析。实验结果表明,当侧摆角度为25°时,其观测效率比无侧摆时提高18%,该方法在应急救灾及战时快速响应等应用上有着重要的价值。     

改进的资源优化分配调度方法研究

资源优化分配和调度是一个传统的研究问题,目前在实际工程应用中,通常是以最小费用为目标,建立最优化的线性规划模型,但在多变量多参数约束的条件下,优化调度模型往往求解困难,甚至无解。以渠道土石方调配为例子,研究基于南水北调山东段100多公里的渠道土石方优化调度系统,提出了一个基于最近距离优先的土石方优化调度算法,该算法通过搜索所有相同最近的分段进行土石方调度,以实现最小费用优先的目标。最后通过实例论证了该算法的有效性,研究成果对相关类似的资源优化调度和分配研究具有重要的参考价值。     

一种多重约束下确保成功率的云工作流调度方法

为提高多重约束下的调度成功率,提出一种满足期限和预算双重约束的云工作流调度算法。将可行工作流调度方案求解分解为工作流结构分层、预算分配、期限分配、任务选择和实例选择。工作流结构分层将所有工作流任务划分层次形成包任务,以提高并行执行程度;预算分配对整体预算在层次间进行分割;期限分配将全局期限在不同层次间分割;任务选择基于任务最早开始时间确定优先级,得到任务调度次序;实例选择根据时间和代价均衡因子,获取任务执行最佳实例。仿真结果证明,该算法在调度成功率、同步优化工作流执行时间与执行代价上相较对比算法更好。     

基于多目标数学规划的网络多源数据调度仿真

传统的目标网络多源数据调度方法通常以时间或费用为单一调度优化目标,无法实现任务完成时间以及任务执行成本之间的均衡,造成系统资源利用率较低。针对上述问题,提出一种基于多目标数学规划的网络多源数据调度方法。使用DAG构建网络多源数据流,确定多源数据调度任务模型的信任关系,以任务完成时间、任务完成成本、资源利用率为优化目标,建立多目标调度任务模型。对模型进行求解,在遗传算法变异操作中加入粒子群算法,对数据变异的方向与幅度进行调整,完成网络多源数据调度。仿真证明,所提方法相较于传统方法,在多源数据的调度上成本更低、资源利用率更高,并且调度任务目标完成时间更短。     

时变路网下带混合时间窗的车辆路径问题

针对时变路网下带混合时间窗的车辆路径问题,综合考虑多中心联合配送、混合时间窗、车辆行驶速度连续变化及车辆行驶速度、载重量对油耗的影响,以车辆派遣成本、油耗成本及时间窗惩罚成本之和最小为目标建立优化模型,并设计自适应遗传-大邻域搜索算法对其进行求解。该算法采用自适应交叉、变异以加快种群寻优速度,并引入时差插入法改进交叉算子和变异算子,嵌入移除算子和插入算子对可行解进行摧毁和重建以增加种群的多样性。通过多组算例验证算法的有效性,并分析了混合时间窗客户的比例变化及车辆行驶速度变化对车辆调度方案的影响,结果表明自适应遗传-大邻域搜索算法较基本算法有着更好的求解性能。该研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据。     

云中截止时间动态分配的工作流调度成本优化算法

现如今,如何在满足截止时间约束的前提下降低工作流的执行成本,是云中工作流调度的主要问题之一。三步列表调度算法可以有效解决这一问题。但该算法在截止时间分配阶段只能形成静态的子截止时间。为方便用户部署工作流任务,云服务商为用户提供了的三种实例类型,其中竞价实例具有非常大的价格优势。为解决上述问题,提出了截止时间动态分配的工作流调度成本优化算法(S-DTDA)。该算法利用粒子群算法对截止时间进行动态分配,弥补了三步列表调度算法的缺陷。在虚拟机选择阶段,该算法在候选资源中增加了竞价实例,大大降低了执行成本。实验结果表明,相较于其他经典算法,该算法在实验成功率和执行成本上具有明显优势。综上所述,S-DTDA算法可以有效解决工作流调度中截止时间约束的成本优化问题。     

基于变长基因型遗传算法的多供应点应急物资调度优化

如何及时高效地调度应急物资以减小突发事件带来的伤害成为社会关注的焦点问题。在综合考虑新冠肺炎疫情这类特殊突发事件特点的前提下,构建了一类多供应点多式联运应急物资调度网络,并以运输成本最低、时间惩罚最少、配送员被感染风险最小为优化目标建立了一类多目标调度优化模型。考虑到基于聚类思想的优化算法在解决多供应点,尤其是多目标调度优化问题中缩减可行域方法科学性存疑的局限性,提出了一类考虑完全可行域思想的变长基因型混合小生境遗传算法,并借助23个基准测试实例验证了这一算法的有效性,更新了部分实例的现有最优解。在此基础上,通过比较多供应点应急物资多式联运算例中四类遗传算法的仿真结果进一步验证了混合小生境等改进策略的优越性。     

数据中心网络流量调度的研究进展与趋势

近年来,流量调度已经发展成为网络领域的热点研究问题.该问题主要决定何时以及以多大速率传输网络中的每条数据流,其对网络性能和应用性能都具有十分重要的影响.然而,在托管着许多大规模互联网应用的数据中心中,流量调度问题正面临着流量矩阵多变、流量种类混杂、以及流量突发等与流量模型相关的挑战.此外,随着数据中心规模的不断壮大,流量调度问题还面临着网络带宽动态化、网络拥塞随机化、以及网络目标多样化等与网络模型相关的挑战.为了进一步提升对数据中心流量调度的关注和理解,推动流调度技术在实际应用中的不断发展,本文分别从调度目标、调度方式和调度对象这三个维度对数据中心网络流调度的相关研究工作进行了分析和对比,并概括出如下结论:现有研究主要以分布式、集中式或混合式的调度方式对数据中心内、数据中心间或数据中心与用户间的流进行高效地调度,从而达到带宽保障、时限保障、最小化流完成时间、最小化Coflow完成时间、公平性保证、最小化流传输成本等目标.本文最后还指出了四个数据中心流调度的未来发展方向,并相应提出尚未解决的研究问题.     

Genetic algorithms in integrated process planning and scheduling

Process planning and scheduling are actually interrelated and should be solved simultaneously. Most integrated process planning and scheduling methods only consider the time aspects of the alternative machines when constructing schedules. The initial part of this paper describes a genetic algorithm (GA) based algorithm that only considers the time aspect of the alternative machines. The scope of consideration is then further extended to include the processing capabilities of alternative machines, with different tolerance limits and processing costs. In the proposed method based on GAs, the processing capabilities of the machines, including processing costs as well as number of rejects produced in alternative machine are considered simultaneously with the scheduling of jobs. The formulation is based on multi-objective weighted-sums optimization, which are to minimize makespan, to minimize total rejects produced and to minimize the total cost of production. A comparison is done w ith the traditional sequential method and the multi-objective genetic algorithm (MOGA) approach, based on the Pareto optimal concept.