Petri网结合Dijkstra算法的并行测试任务调度方法研究

针对测试系统中的并行任务调度方法复杂且难以优化的问题,提出并实现了一种利用Petri网并结合Dijkstra算法的并行测试任务调度方法,从而减少了搜索算法的复杂度。该方法通过对Petri网可达数分析工具的充分利用,省去了传统方法在得到任务调度结果过程中的一些步骤。首先建立测试系统的Petri网模型并生成其可达树;然后对可达树模型进行加工和改进,添加状态节点间的联接关系;进而在加工、改进后的可达树模型基础上应用Dijkstra算法得到并行测试任务最佳的任务调度策略。针对一个工程实例应用任务调度方法进行了仿真实验与分析,仿真实验结果证明了该方法的有效性和正确性。     

一个关于并行测试完成时间的定理及其应用

为了检验和改进并行测试的任务调度算法,在充分研究多UUT（Unit Under Test,被测单元）并行测试问题规律的基础上,提出了并行测试完成时间的极限定理（Limit Theorem of the over time in Parallel Test）。该定理能够确定并行测试完成时间所能达到的极限最小值,以此为极限时间可以检验任务调度算法生成的测试序列的正确与否和优劣程度,并对算法进行改进和完善。     

基于随机遗传算法的并行测试任务调度研究

针对并行自动测试系统开发中测试序列产生问题,提出了基于随机遗传算法测试任务调度方法,算法可以产生大量、高效的并行测试序列,解决了并行自动测试系统开发中的关键问题。文中首先对问题进行科学分析,得出并行测试任务调度是NP完全问题的结论;然后从算法原理、算法流程等方面对并行测试随机遗传调度算法进行了详细阐述;最后通过提高效率37.33%的实例验证了算法的高效性。     

基于智能电表微内核动态优先级任务调度方法

为了提升新一代智能电能表中微内核实时嵌入式操作系统中任务调度算法性能,文中提出一种微内核动态优先级任务调度方法。在该方法中,将智能电能表中的任务划分周期性任务和事件触发任务,引入最高优先级调度和最早截止时间调度机制,对事件触发任务分配动态优先级。同时,针对低优先级任务可能存在得不到调度的情况,采用任务补偿调度策略,确保各任务能够及时得到执行。通过案例分析验证了文中方法的有效性,进而为新一代智能电能表实时任务处理应用奠定基础。     

一种基于UUTs模型的并行测试任务调度算法

基于Task Scheduler算法提出了TSU（Task Scheduler based on UUTs model）算法。与前者相比,TSU算法的主要优点是：（1）把UUTs作为固定资源,减少了所需分析资源的数量;（2）生成的任务调度序列可以直接应用于并行自动测试系统的UUTs模型,具有更高的可读性和工程应用价值。经实例验证,TSU算法是一种有效的并行测试任务调度算法。     

最优切负荷控制问题的并行模式搜索算法

针对含暂态稳定约束的最优切负荷控制问题,采用并行模式搜索算法进行有效求解。该方法是一种无梯度优化方法,避免了复杂模型下暂态稳定约束关于控制量的灵敏度或梯度计算困难的问题,算法实现简便,基本没有收敛性问题。对于要反复进行的暂态稳定计算,调用电力系统仿真软件(PSS/E)进行动态仿真,实现了优化算法与现有成熟商业软件的结合,提高了仿真模型和方法的灵活性,增加了结果的可信度。同时,并行模式搜索的框架实现了暂态稳定计算任务的合理分配,提高了算法搜索的效率。算法在3个不同规模的算例上进行了测试,测试结果表明,该算法可以可靠地给出切负荷控制策略。     

基于遗传算法的并行测试调度算法研究

并行测试是下一代自动测试系统中的关键技术之一,本文针对并行测试中任务调度算法进行了研究,建立了问题描述的数学模型（工序模型、目标函数模型和算法模型）,提出了基于遗传算法的并行任务规划算法,对遗传算法的编码方式、遗传机制等进行了深入探讨,并进行了仿真验证。     

面向边缘计算的人工鱼群搜索任务调度

如何将计算任务分配到合适的边缘计算资源上进行计算,以满足边缘计算环境下用户的计算需求、提高用户任务请求 的服务质量,是边缘计算中面临的关键问题。 本文提出一种基于人工鱼群搜索的边缘计算任务调度方法(AFETSA)。 将人工 鱼群搜索算法和边缘计算任务调度模型相结合,采用非线性递减函数动态地调整人工鱼的视野范围和步长,以提高启发式任务 调度算法的全局搜索能力,降低任务的计算时延;同时与禁忌搜索算法进行融合,通过引入忌禁表,在每一次迭代中防止算法陷 入局部最优,提高算法的寻优能力。 CloudSim3. 0 仿真平台实验评测结表明,本文所提 AFETSA 方法和已有的 AFSA、ACO 和 PSO 这 3 种调度算法相比,在任务执行时间、算法稳定性、负载均衡方面都有明显的提升,可充分利用边缘服务器计算资源,提 升计算任务的计算性能,有效解决边缘计算中任务调度不均导致的时延过高和负载不均衡问题。     

一种暂态稳定并行仿真的改进算法及其加速比分析

提出了一种基于因子路径树网络划分的暂态稳定空间并行仿真的改进算法。采用新的网络划分性能评价指标、任务划分后续调整策略进行任务划分,使各处理器间计算负荷的分配更为合理;同时,还提出了该算法在理想状况下加速比的计算公式,分析了影响并行仿真计算效率的各个因素,并以某3872节点系统为例介绍了一种估计实现最大加速比所需处理器数目的方法。在Cluster1350集群系统上的算例表明,所提改进算法提高了仿真效率。     

实时多任务系统及其在智能化电器中的应用

为了提高智能电器系统软件的实时性、灵活性和可扩充性,提出了一种适用于智能电器的实时多任务系统,介绍了系统中任务的划分以及任务调度的实现,分析了任务执行时间的关系,并给出了具体实现任务调度的方法。     

并行测试系统的任务分解和任务过程模型

针对并行测试系统中的提高测试任务并行性问题,通过对并行测试目标系统和被测对象问题域的特点分析,提出测试任务分解的原则和方法,对分解后的子任务构造任务相关图,并通过任务过程模型算法把任务相关图转化为基于Petri网的并行测试任务过程模型,挖掘子任务间的并行性,从而为测试系统并行任务调度提供依据。     

基于电力系统日发电计划的混合智能messy遗传算法

机组组合是电力系统日发电计划中主要的优化任务,在满足各种约束条件下求得全局最优解是一个比较困难的问题.传统遗传算法的二进制编码和随机遗传操作不适合于求解大规模机组组合问题.针对电力系统日发电计划的特点,提出了一种混合智能messy遗传算法(HIMGA),该算法实现简单,大大减小了求解问题的规模,保证了群体的多样性,提高了算法的搜索效率,改善了算法的收敛性.仿真计算结果表明了该算法的有效性和实用性.     

基于分布式对象缓存的电力信息系统任务调度方法

根据电网数据特征,提出基于树形结构分布式对象缓存的任务调度算法。算法将业务数据封装成数据对象,将工作任务抽象成任务对象,按照树形结构将数据对象和任务对象分布到集群计算机各节点,实现对象分布式的并行计算。设计了对象化并行计算框架并选取电网可靠。I生计算典型业务场景,对算法进行了验证和应用。算法对大幅提升数据型电网统计分析的计算效率具有重要作用。     

基于熵值法改进的新型电力错峰资源调度策略

为缓解用电高峰时段电网运行压力,同时考虑到负荷集成商基本职能及其具有的自行组织错峰资源调度能力,该文从负荷集成商角度出发,研究在完成错峰资源调度任务前提下,负荷集成商的任务分解及调度策略,使其获取最大收益。构建了用户侧参与错峰资源调度的数学模型,以熵值法为基础,提出针对错峰资源调度问题的动态系数修正机制。遴选了与错峰调度相关的核心指标,根据用户侧动态执行情况实时调整负荷集成商的任务调度策略,并根据负荷集成商收益以及错峰任务完成情况进行评价。结果表明,相对于一般均分法及熵值法,提出的算法策略更能确保负荷集成商完成错峰资源调度任务且实现收益最大化,证明提出的算法策略在错峰资源调度上具有一定的适用性。     

基于大数据的智能电网数据调度与快速分发方法研究

针对云计算集群环境,智能电网的大规模数据处理面临巨大压力,任务调度和大规模数据分发的快速处理是亟待解决的问题。文章基于云计算和大数据处理技术,提出一种用于电力数据处理任务调度和分发的多队列动态优先级调度算法和节点选择算法,可以及时可靠地处理和分发关键数据。通过仿真将该算法与经典算法进行比较,验证算法的准确性和有效性。结果表明,该方法可以有效地分配节点负载,在任务完成时间和完成率上优势明显。该研究为我国电力大数据信息平台的研究提供参考和借鉴。     

基于混合遗传蚁群算法的数字微流控芯片测试路径规划

数字微流控芯片在生化检测领域的应用越来越广泛,为保障芯片的可靠性必须对其进行全面且高效的故障测试。随着芯片规模的扩大,故障测试问题也越来越复杂。针对数字微流控芯片的灾难性故障测试,为提高故障测试方法的时间效率,本文提出了一种基于混合遗传蚁群算法的测试路径规划方案。首先,该方案优化了芯片故障测试模型的转化过程;其次,先利用遗传算法的全局特性生成全局较优测试路径,并根据较优测试路径形成蚁群算法的初始信息素分布;最后,再利用蚁群算法搜索最优测试路径。该方案适用于离线测试和在线测试,能够兼容规则和非规则芯片。实验仿真结果表明,该方案提高了测试模型转化的效率,在获得较优测试路径的同时改善了测试算法的收敛特性,提高了测试方法的时间效率。     

基于QoS的网格作业调度研究与设计

在计算机网格环境中,用户对资源的管理策略以及存取花费的代价是不相同的,而且难以用实验测试各种任务调度方法的有效性。本文在分析了目前已有的经济学模型资源分配框架基础上,提出了一个能满足用户各种服务质量(Quality of Senrice,QoS)要求的作业管理和调度系统,并设计和实现了基于QOS的网格作业管理系统和基于遗传算法的任务调度策略。     

基于Internet的电力监控组态软件的关键技术

根据对网络技术和组态软件的最新研究与开发，提出并设计了一种网络环境下的组态软件系统，给出了监控组态系统的Web功能实现及实时任务调度等关键技术。通过建立实时任务队列和执行任务轮转优先权调度算法来改进实时性能；并利用ActiveX技术将Internet技术与电力监控系统结合起来，从而形成了一种新的基于浏览器的电力监控组态软件。     

基于改进蚁群算法的电力云数据中心任务调度策略研究

针对现有云环境下电力数据中心任务调度的高能耗、低效率等问题,在电力云体系结构的基础上,提出了一种基于随机Petri网的云数据中心任务调度模型。通过综合考虑时间约束、负载、能耗约束对蚁群算法进行改进,并通过改进算法对模型进行求解。通过实验对运行时间、能耗、平均等待时间、系统负载等几个方面进行了比较分析,验证了该方法的优越性。结果表明,改进蚁群算法在保证性能的前提下,可以有效降低数据中心能耗,为电力数据中心任务调度策略的发展提供参考和借鉴。