一种求解多处理机调度问题的a-平坦化调度算法

在分析多处理机调度问题的基础上,提出了α-平坦的概念,并将其引入到多处理机调度问题中;基于此,提出了一种新的基于α-平坦的求解多处理机调度问题的算法。算法首先对作业集合做平坦化处理,然后再对处理后所得的新问题进行求解,最终获得原调度问题的一个近似解。实验结果表明,通过该算法可以求得较好的结果,相对于其它启发式算法,该算法具有较好的稳定性。     

基于差分进化算法多处理机任务调度研究

本文主要基于现代启发式差分算法讨论多处理机调度,多处理机调度是NP组合优化问题,目前多采用启发算法。差分进化算法是最近提出的进化算法,主要根据父代个体之间矢量差构造下一代,是一种全局优化搜索方式。本文考虑采用差分进化矢量优先级模型描述调度顺序进行调度,与模拟退火算法比较得到较好调度结果。     

带后继位级跟踪的抢先位级调度

本文论述多处理机的最佳调度算法.对于相关任务,文中提出了“PSLT——带后继位级跟踪的抢先位级调度算法”.为实现PSLT调度算法编制了操作原语,并对该算法的最佳性进行了分析.     

求解多处理机调度问题的蚁群算法

蚁群算法是受自然界中的蚂蚁觅食行为启发而设计的智能优化算法,特别适合处理离散型的组合优化问题。提出一种求解多处理机调度的蚁群算法,利用一个蚂蚁代表一个处理机来选择任务,并通过分析关键路径及每个任务的最早、最迟开始时间来确定每个任务的紧迫程度,让蚂蚁以此来选择任务。实验证明,该算法可比传统算法取得有更好运行效率的调度策略。     

网络并行计算中多处理机任务调度问题研究

在网络并行计算系统中,具有多处理机任务需求的多步骤调度是一类常见问题,为此提出一种混合了多处理机任务调度（Multiprocessor Task Scheduling,MTS）和作业车间调度（Job-shop Scheduling Problem,JSP）的调度模型,即多处理机任务作业车间调度（Multiprocessor Task Job-shop Scheduling Problem,MTJSP）。与传统MTS不同的是MTJSP的每项任务的完成都要经历多个步骤。首先对[m]台处理机加工[n]项任务的MTJSP调度问题建立数学模型,然后设计了一种混合粒子群优化（Hybrid Particle Swarm Optimization,HPSO）算法进行求解。算法的改进工作包括：设计出针对多处理机问题的解码策略;采用新的粒子更新方式;增加记忆库功能,以保证全局最优解的多样性;加入基于模拟退火的局部搜索功能。大量的仿真实验验证HPSO的性能,结果显示HPSO不但能够有效解决MTJSP问题,在求解经典JSP问题中也表现优良。     

基于混沌蚁群算法的应急救援车辆调度优化

针对应急救援车辆调度优化问题的特征和需求,以可变双向距离、道路风险和成本最小为主要目标,建立了应急救援车辆调度优化问题的多目标优化模型.为避免过早陷入局部最优,提出了基于混沌扰动的改进蚁群系统优化算法.该算法可对信息素进行全局更新混沌扰动,有效地提高了算法的适应性、求解效率和求解质量.仿真实验表明该算法是可行的,能较好地满足应急救援车辆调度的优化需求.     

P_4|fix|C_(max)问题的最优规则调度算法

多处理机任务调度问题P4|fix|Cmax(m≥=)是典型的强NP难问题,由于其在并行环境中的实际意义而受到越来越多的关注.但在一般情形下,寻求该问题的较为理想的近似算法是极其困难的,通常从较少处理机数的系统着手研究.对于m=4的情形,文中研究了P4|fix|Cmax的规则调度算法,通过引入组调度技术,给出了该问题的一个线性时间的4/3-近似算法,并证明了该算法是4-处理机系统中的最优规则调度算法.     

端到端时间约束的实时任务动态调度算法

在单处理机系统中,由于计算高优先级任务抢占的时间相对比较简单,所以单处理机调度理论取得了长足的进步.提出一个端到端时间约束的实时任务调度算法,当实时任务到达系统时,算法为任务的每个子任务在相应的处理机上预约一定的计算资源,把端到端的多处理机调度问题转换成单处理机调度问题,从而可以利用单处理机调度理论判定实时任务的可调度性.实验表明,该算法明显地提高了CPU利用率和任务接收率.     

一种同构多处理机动态实时调度算法

本文提出一种新型线性复杂度多处理机实时任务启发式调度算法,利用并行技术为动态实时系统提供较优解．使用大量存在可行调度的任务集合测试多处理机实时任务调度算法的性能,分析了几种主要参数对调度成功率的影响．实验表明新调度算法调度成功率较高,适用于不完全知晓任务参数的动态多处理机实时系统．     

信任驱动的网格作业调度遗传算法

作业调度是网格计算的关键技术之一.近年来,人们将信任机制融入到作业调度算法中,以满足作业调度对网格服务质量提出的需求.根据一信任模型,设计了求解基于该信任模型的遗传算法,该算法在保持种群多样性的同时,提高了局部搜索能力.仿真结果表明,该算法可以获得较好的调度结果,且收敛速度快.     

批处理机调度问题的蚁群算法求解

为了求解工件具有不同尺寸的批处理机调度问题,将蚁群算法调整为工件直接成批的调度算法,并提出了一个新的局部优化算法对蚁群算法进行改进。最后通过仿真实验将本算法与其它算法对本问题的求解进行了比较,表明该算法在求解批调度问题上有较好的性能。     

基于免疫和模拟退火原理的柔性JobShop调度研究*

为了研究柔性Job-Shop调度的不同解法,采用免疫和模拟退化原理求解柔性Job-Shop调度问题。研究了柔性处理问题,提出两种调度策略;分析了算法混合的思想,提出了免疫模拟退火算法。分别采用不同调度策略,使用不同调度算法对多种国际标准算例进行了仿真,仿真结果表明,该模型、策略和算法能够解决柔性Job-Shop调度问题。     

网络集群计算系统中的并行任务调度

基于多处理机并行任务调度模型，探讨网络集群计算系统中的并行任务调度问题，首先证明了一般网络集群计算系统中调度算法的可近似性难度，然后提出了三种不同的启发式算法：最大长度优先调度算法、最大宽度优先调度算法和最大面积优先调度算法；然后根据大量的模拟实验对这些算法以及文献中已提出的调度算法进行了比较分析，结果表明该文的启发式算法比文献中的算法在性能上效果更好。     

面向多目标流水车间调度的多种群多目标遗传算法

针对制造型企业普遍存在的流水车间调度问题,建立了以最小化最迟完成时间和总延迟时间为目标的多目标调度模型,并提出一种基于分解方法的多种群多目标遗传算法进行求解.该算法将多目标流水车间调度问题分解为多个单目标子问题,并分阶段地将这些子问题引入到算法迭代过程进行求解.算法在每次迭代时,依据种群的分布情况选择各子问题的最好解及与其相似的个体分别为当前求解的子问题构造子种群,通过多种群的进化完成对多个子问题最优解的并行搜索.通过对标准测试算例进行仿真实验,结果表明所提出的算法在求解该问题上能够获得较好的非支配解集.     

基于遗传算法的应急物资分层联动调度研究

本文提出了在多物资、多车型特征的应急物资分层调度情况下求解调度系统中各运输工具具体调度方案的算法。该算法以系统调度任务完成时间最小为目标,基于遗传算法采用整体联动的求解思想。实际问题中的调度问题往往具有本文所提出的层次性,针对物资分层联动调度问题,本文给出了物资两层调度的算例,并建立了相应的数学模型,算例中第一层调度系统由一级仓库、二级仓库、一级运输工具和一级路网构成;第二层调度系统由灾害点、二级仓库、二级运输工具和二级路网构成,将两层调度系统视作整体,采用基于遗传算法的整体联动求解方法对算例进行求解得出结果,并对结果进行分析论证,验证算法的可行性与有效性。     

面向复杂作业车间的交互式两级调度方法

针对边界不确定和具有决策偏好的大规模复杂作业车间调度问题,提出以第1级为交互式约束设置求解,第2级为优化求解的两级调度求解策略.在第1级调度中研究交互式约束满足的基于优先级快速调度构建算法,作为支持决策者交互式约束调整的快速响应求解方法.在第2级调度中以基于优先级的快速调度构建算法为基础,研究以优先级为决策变量的智能优化搜索算法,作为满足第1级调度中的交互式约束的改进优化求解.该方法较好地融入了决策者的经验知识和偏好,同时结合优化搜索求解算法,使得在满足决策者偏好的基础上进一步改进调度求解质量,增加调度求解结果的可信度,在实际应用中取得良好的应用效果.最后,通过一个案例对该两级调度求解策略的过程进行描述,并对所提出方法的有效性进行阐述.     

多处理机调度问题的粒子群优化算法

建立了多处理机调度问题数学模型,结合遗传算法的思想提出了粒子群算法来解决多处理机调度问题。经过比较测试,4种粒子群算法的效果都比较好,特别是交叉策略A和变异策略A的混合粒子群算法是最好的且简单有效的算法。     

关于多处理机调度问题的量子粒子群算法研究

对多处理机调度问题建立数学模型,提出了将量子计算和粒子群算法相结合的方法来解决这类调度问题,该方法不仅寻优速度快,而且提高了进化后期算法的收敛精度。通过对比测试,体现了量子粒子群算法的有效性。     

云计算中基于NSGA Ⅱ的虚拟资源调度算法

云计算环境下将物理资源抽象为同一的虚拟资源,如何将虚拟资源调度到物理资源上是云计算中一个基本且复杂的问题.对虚拟资源的调度进行建模并证明其难解性,将该模型的求解转化以系统负载均衡为优化目标的多目标优化问题,提出采用改进的基于非支配排序的遗传算法(NSGA Ⅱ)来求解该问题.与针对具体环境的调度算法相比,抽象的模型更能代表典型的云计算环境中的虚拟资源调度问题.对提出模型进行了仿真,实验结果表明了该模型的有效性和NSGA Ⅱ算法求解该问题的可行性,同时对比随机算法、静态算法和排序匹配调度算法,NSGA Ⅱ算法优于其他算法.     

并行流程车间调度问题及其概率学习进化算法

并行Flowshop调度问题兼有并行机器和流程车间调度问题的特点,是一类新型的调度问题.针对最小化最大完工时间目标函数,建立了一般并行Flowshop调度问题的整数规划模型.鉴于问题的求解复杂性,设计了基于概率学习的求解算法.对随机生成的测试问题进行求解,实验结果显示出该算法求解并行Flowshop调度问题的良好潜能.