基于机器学习的复杂网络数据流均衡调度算法研究

为解决传统网络数据流调度算法的均衡性、冗余和噪音数据造成的存储消耗和学习算法运行效率低下的问题,提出了基于机器学习的复杂网络数据均衡调度算法研究。基于机器学习的数据流特征选取,确定PSH数量标志位,进行数据包大小变换,实现复杂网络的数据流均衡算法。实验数据表明,与传统数据流调度相比,基于机器学习的复杂网络数据流调度均衡性提高,学习算法运行效率提升。     

网络编码调度算法的研究

近年来,网络编码作为提高通信系统吞吐量一种手段。在多播的通信网络,网络中各个传送节点结合动态变化的网络情况,对不同信息流的数据包进行编码处理,从而减轻局部节点的阻塞,提高了整个通信系统的性能。文章主要工作要体现在典型无线通信网络中,引入动态网络编码调度算法,提高无线通信系统的网络编码增益和系统吞吐量;探讨在自适应无线通信系统下,如何适当的使用自适应技术,使得动态网络编码调度算法的作用发挥到最大。各个节点间的发送端更应选取适合的自适应技术,来提高无线通信系统性能。通过MATLAB仿真显示,带有自适应技术的无线网络,在动态网络编码调度算法作用下,对改进系统性能有着更加重要的现实意义。     

基于AFDX自适应优先调度算法的实时性分析

通过分析AFDX终端系统关键技术,在AFDX网络虚拟链路的调度策略中提出采用自适应优先调度算法;并分析数据包在终端系统中的处理过程,进行网络演算建模,进而确定出AFDX网络针对不同类型数据的传输速率和服务时延.结果证明该算法较好地满足了航空电子网络数据传输实时性需求,并为AFDX智能网络管理模型中的参数模型和调度策略提...     

基于嵌入式RTOS的闭环反馈调度算法的研究

分析了常见调度算法的特点,提出一种基于嵌入式实时操作系统的闭环反馈控制调度策略。针对任务的特点,从任务的周期与非周期性、I/O消耗和处理器消耗型两个方面对任务进行相应的反馈控制,使调度器具有一定程度上的自适应功能。并对实时操作系统μC/OS-II的内核调度算法进行改进,同时与EDF算法进行对比测试,可以看出改进后的调度算法在系统负载较重或系统过载的情况下表现良好。     

基于嵌入式RTOS的闭环反馈调度算法的研究

分析了常见调度算法的特点，提出一种基于嵌入式实时操作系统的闭环反馈控制调度策略。针对任务的特点．从任务的周期与非周期性、I／O消耗和处理器消耗型两个方面对任务进行相应的反馈控制，使调度器具有一定程度上的自适应功能。并对实时操作系统μC／OS-Ⅱ的内核调度算法进行改进，同时与EDF算法进行对比测试，可以看出改进后的调度算法在系统负载较重或系统过载的情况下表现良好。     

基于自适应蚁群算法的Job-shop调度方法及其仿真研究

蚁群算法作为一种仿生进化算法,具有并行性、鲁棒性等优良性质,被广泛地应用于组合优化问题中。本文首先分析了job-shop调度问题与蚁群算法的内在联系,提出了一种新的用蚁群算法求解的方法。同时,为了增强算法的全局搜索能力和防止早熟现象,对挥发系数引入了一个自适应过程。最后,通过仿真证明了该算法在job-shop调度中的有效性。     

基于自适应遗传算法的Job Shop调度问题研究

求解Job Shop调度问题是个NP完全问题,为了提高遗传算法的性能,提出一种新的自适应遗传算法(NSGA)以解决Job Shop调度问题.采用活动调度解码方法、过滤个体适应度相同的筛选策略、改进自适应交叉变异概率等改进策略来提高算法性能,最后通过仿真比较分析证明该算法的先进性.     

基于自适应遗传算法的流水车间作业调度

流水车间调度问题是NP完全问题。提出一种新的自适应遗传算法,采用初始种群复合化、适应度相同个体的筛选策略、改进自适应交叉变异概率等方法提高算法性能。通过仿真比较,从最优解出现的代数、最优解的相对误差以及随机若干次试验对算法的影响3个方面证明该算法的优越性。     

网格调度综述

简要地分析了网格资源的特点,给出了网格作业调度过程中所面临的主要挑战.为了便于对网格调度有更清晰的认识,介绍了包含网格系统主要功能模块的网格调度体系结构,并结合特定作业具体介绍了网格作业调度流程.从3个不同的角度重点对网格环境中的作业调度算法进行了详尽介绍,并就各种调度算法的优缺点和适用情形进行了比较和分析.对网格调度进行了总结,并从几个不同的方面对网格调度算法的研究进行了展望.     

一种基于路径的调度算法

操作调度是高级综合中的重要任务，文中首次提出了一种基于路径的操作调度算法，该算法中机时处理条件结构及循环结构的调度，采用该算法可获得使控制数据流图（ＣＤＦＧ）中的所有的路径的执行所需的控制步数达到最小化调度，经实验证明，该算法特别适合于微处理器及控制占主要成分的大型综合设计。     

基于自适应蚁群算法的作业车间模糊调度研究

在研究不确定生产调度问题的基础上,针对具有模糊加工时间和模糊交货期的调度问题给出了作业车间模糊调度模型,用三角模糊数表示模糊加工时间,梯形模糊数表示模糊交货期,以交货期平均满意度最大作为调度目标.针对模糊调度问题对基本蚁群算法作了改进,并给出了新的状态转移规则,同时采用自适应信息素更新策略使算法能快速跳出局部收敛,进行仿真结果验证了自适应蚁群算法求解作业车间模糊调度的有效性.     

基于AI算法的消防通信智能调度系统研究

本文通过分析阿勒泰地区喀纳斯景区消防救援大队的现状,探讨消防通信智能调度系统的应用效果及存在问题。研究发现,该系统通过集成先进技术,显著提升了救援的智能化和效率,但仍面临算法准确性、系统稳定性、用户界面友好性及数据共享等方面的挑战。本文提出了相应的优化建议,以期推动消防救援工作的现代化发展,为辖区安全提供更坚实的保障。     

基于调度规则和免疫算法的作业车间多目标调度

利用动态在线调度方法对动态环境下的作业车间进行研究,采用优先级调度规则对大量调度案例进行求解,针对7个调度目标,从备选调度规则集中选出了单个目标下性能最优的调度规则;为实现调度规则的动态选择以适应多目标调度,基于免疫系统中的独特型网络理论,设计了一种免疫调度算法．根据算法,定义了有效的抗体和抗原结构,并通过抗体间亲和力计算、抗体浓度计算、抗体选择等关键步骤,实现对调度规则的动态控制．仿真测试数据表明,所设计的免疫调度算法能根据不同的车间情况,快速选出不同的调度规则满足多个调度目标,有效解决了作业车间多目标调度问题．     

基于Storm拓扑结构热边的调度算法

Storm分布式实时计算系统采用轮询调度算法达到任务均衡分配的目的,但Storm默认调度算法未考虑计算节点间的网络通信开销,可能造成topology处理时延高、集群吞吐量低等问题。为此,引入Storm topology热边的概念,通过减少网络传输的tuple数量,将热边关联的源executor和目标executor调度到同一工作节点执行,提升Storm集群的计算性能。实验结果表明,该调度算法能够有效降低Storm处理时延及集群节点间的通信量,提高系统吞吐量,并且有利于集群的负载均衡。     

基于自适应蚁群优化的供应链调度算法研究

供应链中的物流过程可以作为一个调度问题进行研究，物流过程的调度是一个组合优化问题。首先对物流过程进行；析，建立一个生灭过程模型，然后比较几种经典的调度算法，最后提出了基于自适应蚁群优化的物件调度算法，实现了供应链物流过程中物件的动态分配。使用自适应蚁群优化策略测试不同的订单组合，得到一个优化解决方案，该方案能使尽’能多的定单按时交付，同时也能将订单的延迟减小。     

一种基于灰色模型的预测调度算法

为了保证监控的质量,无线传感器网络通常以高密度的方式部署节点。当这些节点全部处于工作状态时,不仅会引起信道严重的冲突,而且会产生较多的数据,大量消耗节点的能量。因此,让节点轮流工作和休眠,是一种较好的节能方法。论文对此进行了研究,提出了一种基于预测的调度算法。在这个算法中,簇首节点对簇内成员进行管理,并调度低能量的节点进入休眠状态。休眠节点的数据则由簇首节点采用一定的预测算法来预测。仿真结果表明,该调度算法不仅能够有效地延长网络的生命周期,而且数据的精度也能够得到较好的保证。     

Flow-shop调度问题的自适应模拟退火算法

为求得一个强NP-难问题——flow-shop调度问题的最优解或近优解, 提出一种自适应模拟退火算法. 本算法采用一种基于区段特性的特殊邻域结构、简便的目标函数计算方法和自适应退火策略. 通过Flow-shop调度问题的基准测试问题的实验, 数值结果证实了该方法的有效性.