实时任务优先级动态分配策略

现有大多数方法都是根据任务的截止期、空闲时间或者价值(密度)来确定任务的优先级,很少综合分析以上各个因素对任务优先级的影响.论文研究任务价值密度和紧迫性的变化特征,提出优先级的动态分派策略DPA,该策略可通过参数p与q来调节任务价值密度与紧迫性对任务优先级影响的程度,从而满足不同应用需求.最后,仿真实验结果显示,应用DPA策略的基于优先级的调度可以提高系统累积价值收益,降低任务截止期错失率.     

产品协同设计的任务分解与耦合机制研究

在产品协同设计的初始阶段,合理的任务分解有利于协同设计的顺利进行,从而提高设计效率与质量。文章研究了任务的分解与耦合策略,采用按功能划分和按结构划分相结合的方式,并根据设计组的满意度对产品协同设计的任务进行了分解,用设计结构矩阵描述设计任务的耦合关系,提出了利用图论中基于邻接矩阵的深度优先搜索算法求出耦合任务集的原理与方法,并通过具体实例验证了该方法。     

并行工程中设计任务的动态分配方法研究

以加速产品设计为目的的并行工程,需要对其其过程进行有效规划,规划的目的之一要达到在规定的时间内,将合适的任务分配给合适的人。由于设计过程中存在的不确定性和影响因素的动态性和多样性,需要新的任务分配算法。文中提出了一种选择合适任务、确定任务难度、根据任务难度和人员能力进行任务分配的算法。     

基于AHP的耦合任务集资源分配权重确定方法

针对耦合任务集中因资源分配不合理而造成资源利用不充分的问题,引入定性与定量相结合的指标权重确定方法——层次分析法（AHP）,建立关于资源分配的层次结构模型,构造资源分配矩阵,并通过分析任务间的耦合对资源分配矩阵中权重比的影响得出解决权重比不一致的方法,从而确定各资源的权重分配系数,使得各任务得到较为合理的资源配置。以某机械产品的开发过程为例,说明了该方法的可行性。     

基于边际增益的二级缓存动态分配策略

现有的ULC机制可有效减少多级缓存的数据冗余,并解决存储服务器端缓存访问的局部性较弱问题,但在存储服务器连接多个应用服务器的情况下,现有ULC在分配缓存容量时不能使存储服务器端缓存资源的边际收益最大化。为此,提出一种多应用共享缓存的二级缓存动态分配策略MG—ULC。该策略以ULC机制为基础,给出以边际增益为考虑因素的缓存分配的理论依据,并根据各应用的访问模式在二级缓存的边际增益动态分配缓存容量。实验结果表明,随着各应用服务器访问模式的变化,MG—ULC能比ULC更合理地分配二级缓存,从而达到更高的缓存利用率。     

并行设计中任务动态分配问题的研究

该文针对并行设计中任务分配的特点,综合考虑企业运作的具体因素和约束,以模糊集和模糊决策理论为基础,结合随机规划机理,提出了并行设计中任务到团队分配的分层多目标、动态模糊随机优化数学模型,并讨论了模型的求解方法。     

基于Overlay动态分配的ECU在线标定实现

基于V模型的ECU开发模式中,软件测试和标定是必不可少的环节.工程师在测试和标定过程中需要更改大量的标定量以优化系统功能.随着功能需求的日益增长,软件功能越来越丰富,芯片的RAM资源就越凸显出稀缺.在分析了标定原理的基础上,利用AURIX芯片特有的Overlay机制,实现基于Overlay动态分配的以小RAM空间标定大...     

DiffServ中基于资源动态分配的SPFQ的研究

本文介绍了差分服务模型(DiffServ)中无状态优先公平队列(SPFQ)方法的基本原理,并结合资源动态分配算法对SPFQ方法进行改进,以提高系统的资源利用率.     

基于反馈控制的迭代学习控制器设计

针对具有不确定项或干扰项的重复非线性时变系统,提出了基于反馈控制的迭代学习控制器,其中迭代学习控制器设计为高阶PD型,它以前馈的形式作用于对象,在满足一定的收敛性条件下,证明了该控制器的跟踪误差界是系统初始状态误差界和系统输出干扰项界的线性函数,同时改变反馈增益可以调整系统的最终跟踪误差界,仿真与实验均表明了该方法的有效性。     

关于一般耦合矩阵方程的迭代对称解

本文构造了一个有效的迭代方法(CGL)去求解一般耦合矩阵方程的对称解.若一般耦合矩阵方程关于对称解相容,则对于任意给定的初始对称矩阵组,利用所构造的迭代算法,都能在有限步迭代出所求问题的一组对称解,若选用一些特殊的初值,则可获得矩阵方程的极小范数对称解.最后的数值例子表明了所给算法的有效性.     

一类基于多个目标的制造任务优化分配方法

提出了一种基于多个目标的制造任务优化分配方法。建立了以任务总加工时间最少、任务完成时间最早、任务完成总质量最高为目标函数,以制造设备负荷率满足要求为约束的优化分配模型。针对模型的多目标、多约束、大组合量特点,结合遗传算法全局搜索能力强、模拟退火算法局部搜索能力强的优点,提出了一种多阶段父代更新自适应遗传-模拟退火算法。以某多品种小批量生产车间制造任务分配为例,验证了方法的有效性。     

一种启发式多传感器任务实时动态分配算法

传感器任务的分配是传感器管理的重要问题。为提高任务分配的实时性和实效性,基于紧急任务优先、最早完成任务优先、复用能力最小优先和随机分配四条原则,提出了一种启发式多传感器任务实时动态分配算法。计算机模拟仿真表明:该算法既能保证优先级任务较早的执行,又能探测到任务的失败,还能维持传感器负载平衡,是一种快捷、高效的分配算法。     

基于人工鱼群遗传算法的异构多核系统任务调度研究

异构多核系统的任务调度问题已经被证明是一个NP完全问题。人工鱼群算法在算法初期具有较快的收敛速度,后期收敛较慢,而遗传算法的种群初始化具有较强的鲁棒性,初始化种群的质量直接影响着遗传算法的性能。本文提出了一种将人工鱼群算法与遗传算法相结合的任务调度算法,首先分析了异构多核系统的任务调度问题的本质,使用改进的人工鱼群算法来构建遗传算法的初始化种群,并使用改进的遗传算法进行迭代进化,从而提高了算法的收敛速度。     

基于设计结构矩阵的耦合活动集求解改进算法

邻接矩阵求幂法和可达矩阵法是当前常用的项目耦合活动集求解算法,但是采用这两种算法求解出的耦合活动集中可能隐含更小的耦合活动集,对此在邻接矩阵求幂法的基础上,对求出的耦合活动集进行真实性判断及后续处理,找出了耦合活动集中存在的子耦合活动集,获得了更为精确的耦合活动集。     

求解多场景护士分配问题的扰动变异遗传算法

针对当前经典的护士排班问题中的一个重要分支——护士分配问题,分析了病人护理等级的特点、护士和病人的配合关系、护士技术职称等方面对护士的工作负荷的影响,建立了一个改进的随机规划模型,使模型更符合中国医院的情况。然后根据问题解的结构,设计了一个扰动变异遗传算法,在解内部的每一个向量以一定概率添加扰动实现变异。实验结果显示,与最新的随机贪心算法、基于Benders分解的启发式算法对比,扰动变异遗传算法能在30min内得到更高质量的解,为护士每班次减少超过8.9%的工作负荷。特别地,在求解多场景、多约束,而且解的优势并非块状连续的护士分配问题中,扰动变异遗传算法优势更加明显。     

基于改进遗传算法的动态交通分配优化研究

传统的优化算法大多数由于计算量大或者容易使性能指标落入局部最优值而严重制约了模型的应用与发展,而用遗传算法等新的智能算法求解则会很简洁和方便。文章针对遗传算法在应用中存在的局限性,采用了小生境技术的遗传算法,结合精英保留策略、种群多样性保持方案、新的适应度值标定方式等改进遗传算法。通过对动态交通分配的特点分析,建立了动态交通分配模型,利用改进的遗传算法对模型进行求解。仿真结果体现了动态交通分配模型的有效性和改进遗传算法的优越性,大大提高了动态交通分配模型的实用价值。     

求解护士分配问题的矩阵编码进化算法

护士分配问题是护理人力资源配置中的一个优化问题,也是计算机科学中的很有挑战性的NP难问题。根据中国实际医院需求日益增加的情况,研究改良了随机规划（SPA）模型,建立了优化的多场景护士分配模型。基于护士与病人的对应关系,设计了0/1矩阵作为算法编码;采用矩阵编码进化算法（EAs with Matrix Coding）框架对矩阵编码进行迭代。基于求同存异的思想,运用随机编码部分介入技术实现了矩阵型染色体的变异算子。实验结果表明,与目前的随机贪心算法、基于Bender's分解的启发式算法和随机扰动遗传算法相比,提出的矩阵编码进化算法在求解护士分配问题时能得到更高质量、更稳定的解;在多场景和多约束前提下,其平均性能优势更加明显。     

多阶段双层目标分配问题的精确算法

针对所有工作必须分阶段依次完成,但同一个阶段的工作可以同时进行的情况下,如何分配现有人员来承担这些工作,才能使得完成所有工作的工期最短,并在此前提下使花费的总用时最少的分配问题,通过引入立方检测矩阵,给出了一种单调下降的迭代算法。该算法不但能获取精确最优解,而且有很好的计算效率。     

基于多准则的动态任务分配算法的研究

针对目前任务分配算法考虑的因素往往比较固定,可扩展性和灵活性较差等缺点,提出一种基于多准则的动态任务分配算法,对任务参与者的实时情况的跟踪和分析更加精确,对任务的分配更均衡;并给出了详细的任务分配的形式化表示,各评估指标之间相互独立,增强了算法的可扩展性。另外,提出采用计时器的方法来实现推拉式结合的任务分配机制,增强了算法的灵活性,既可以按照员工对任务感兴趣程度去自主选择工作项,又可以保证系统在没有员工自主选择任务项正常运转,在不影响工作正常执行的情况下使工作流管理系统的任务分配更加人性化。     

基于遗传算法的异构多核多帧任务分配*

讨论一组实时系统的任务在不同性质的处理器上的分配,使得所有任务得以完成并耗费更少的时间,是NP完全问题。建立了新的任务分析模型——异构多核多帧任务模型,并基于遗传算法给出解决方案。实验证明,该模型更为有效地表达了实时系统的性质,获得更高的分配成功率,算法拥有更低的时间复杂度,结果可信。