基于改进的遗传算法的任务分配与调度

任务分配与调度是分布式系统章介绍了一种改进的遗传算法,该算法在扩大选择范围的同时,将适应度引入到对父代之间的交叉操作中,克服了标准遗传算法(SGA)交叉操作中较大的盲目性.实验结果表明,改进的遗传算法在精度和收敛速度上都较SGA有较大程度的提高.     

改进的多任务分配与调度遗传算法

提出了一种改进的混沌遗传算法,定义了问题模型,采用一任务序列加一主机序列的编码表示,并由约束关系阶段随机产生合法调度。为确保生成新调度,改进了交叉机制;为保持解的多样性和均衡负载,设计了任务均衡变异算子。为利用混沌优化技术,交叉、变异频率都由混沌序列动态控制。仿真结果表明,该算法总能得到最佳解。     

基于并行遗传算法的对称多处理器任务调度策略研究

任务分配问题是公认的NP难问题。文章在以往有关多处理机任务分配算法的基础上，提出了一种适用于SMP系统结构的并行遗传调度算法。仿真结果表明。该算法具有较好的效果和收敛性。     

一种基于遗传算法的多处理机调度算法实现

针对使用有向无回路图表示的应用任务在多处理机系统上的静态调度问题，对基于问题空间遗传算法(PSGA)的调度技术进行改进。以减少系统响应时间。为了验证本文算法的有效性，把其与标准算法和CP/MISF列表算法进行了比较，仿真试验表明，本文算法能够得到最优的调度结果。     

基于遗传算法的地对空雷达对抗干扰任务分配模型

基于遗传算法的基本原理,利用该算法对地对空雷达对抗干扰任务分配建立了有关的模型,并进行了仿真和相关分析,为地对空雷达对抗干扰任务的优化分配提供了一种新方法。     

基于遗传算法的水沙调度

提出了一种基于遗传算法的水沙调度方法，为了使该方法适合于各种情况，采用模糊法确定各个目标的权系数；定义了新的交叉操作和突变操作，以保证调度结果满足期望的约束；同时为了防止解过早收敛，保证得到满足约束条件的最优解，采用基于浓度的群体更新技术来保持个体多样性。实例结果验证了其可行性。     

基于改进遗传算法的车辆调度系统

遗传算法是近年来发展比较迅速的一种优化算法,旨在解决很多NP完全的问题,本文基于遗传算法以及传统的运行商问题进行了叙述,然后针对车辆调度这一现实问题进行模型构建,接着通过利用遗传算法在编码、选择、交叉、编译操作的具体实施,最后通过测试对比得到良好的结果。     

基于改进遗传算法的多无人机任务分配

为解决传统遗传算法在求解多无人机任务分配问题时易陷入局部最优和收敛速度较慢的问题,文中提出一种融合模拟退火思想的改进遗传算法。首先描述多无人机任务分配问题,将其转化为多旅行商问题,并建立数学模型;然后在传统的遗传算法中引入Metropolis准则,对选择、交叉、变异后的子代种群进行优化调整,使算法可以跳出局部最优并快速收敛;最后进行仿真实验,采用TSPLIB数据库对改进算法进行有效性验证,分别求解不同规模的多旅行商问题,对算法的优越性进行验证,求解任务分配算例以验证改进算法解决多无人机任务分配问题的可行性。实验结果表明,改进的遗传算法能跳出局部最优,收敛速度显著提升,在求解多无人机任务分配问题时,寻优效果优于改进前的算法。     

基于遗传算法的柔性车间作业调度

目前柔性车间作业调度问题已成为研究热点,本文采用遗传算法求解该问题。针对柔性车间作业调度问题的特点设计了染色体编码方法,即将基于工序的编码和基于机器的编码方式结合。同时在遗传操作方面设计了相应的交叉和变异算子。这些改进方法可以保证遗传操作每一步产生的染色体在工艺约束和选择机器方面都是合法的,避免了传统柔性车间作业调度中繁琐的染色体合法化修复工作。为了得到活动调度,在进行适应度计算时对染色体中的基因序列进行调整。仿真结果表明设计的遗传算法求解柔性车间作业调度是有效的。     

基于遗传算法的片上多处理器任务调度策略研究

针对在片上多处理器上任务调度的特征,提出了一种基于立体编码的遗传算法。采用适合片上多处理器结构的三维立体编码,使计算节点之间的距离得到了描述,结合提出的个体适应度函数计算公式,使通信代价较小的调度策略优先得到选择,从而通过减少因结点间距离产生的通信开销降低了总的任务完成时间。此外,对算法结构、遗传算子进行了改进提出了内部二维交叉算子,加速了算法的收敛。仿真实验结果表明立体编码的遗传算法能够有效地对任务进行分配和调度,较之传统遗传算法具有较好的性能。     

异构计算环境下任务调度模型的启发式算法研究

针对一种具有普遍意义的任务调度模型,从算法特点出发讨论和分析各种启发式调度算法,得出min-min启发式算法和遗传算法在异构计算环境下有较好的性能表现.     

一种使用改进预测成本矩阵任务优先排序的异构计算系统列表调度算法

异构计算系统执行应用效率的提高高度依赖有效的调度算法。该文提出一种新的列表调度算法,称为改进的预测优先任务和乐观处理器选择调度(IPPOSS)。通过在任务优先级排序阶段引入任务的后向预测成本,来减少调度长度。与现有工作相比,该文使用改进预测成本矩阵(IPCM),更合理地进行了任务优先级排序,从而在处理器选择阶段获得了更好的解,并保持2次时间复杂度。IPCM考虑了任务优先级排序阶段的各种计算、通信因素,比预测优先任务调度(PPTS)提出的预测成本矩阵(PCM)更容易获得合理的优先级列表。随机生成应用的有向无环图(DAG)和真实世界应用的DAG的实验结果分析表明,IPPOSS的性能优于相关算法。     

云计算环境下能量感知的任务调度算法

云计算环境下传统独立任务调度算法容易导致较高资源能耗或较大任务时间跨度.针对该问题,文中提出了两种能量感知的任务调度算法,并利用遗传算法并行化搜索合理调度方案.两种算法在搜索过程中,分别通过能耗时间归一和能耗时间双适应度方法定义适应度函数并进行个体选择.仿真结果表明,与单独考虑时间或能耗相比,这两种算法能够更有效地缩短任务执行时间跨度,降低资源能耗.     

基于DAG图的CPS遗传算法任务调度

本文提出了一种基于DAG图的具有双适应度的遗传算法,不但可以找出任务完成的最短时间,还可以有效的提高资源利用率.为信息物理融合系统（Cyber-Physical-system,CPS）构建了新的任务调度模型,充分将计算-控制-通信的理念融入到研究中.采用任务向量矩阵的方式表示调度过程中任务与资源的分配关系,利用分布式计算的思想,解决了传统的通信网络中由于每个节点的独立工作而造成了资源的浪费和分配不均匀的问题.仿真实验结果表明,本算法缩短了任务执行的时间,有效的提高了节点的利用率.     

云环境下任务调度算法对比研究

云计算是完全基于互联网的新兴技术。云计算环境中的任务调度问题一直都是该领域的研究热点。合理高效的任务调度算法在云环境中能有效的缩短任务完成时间,提高系统负载均衡,更好的满足用户与云提供商的需求。本文研究了云平台的任务调度机制,探究了任务调度过程中的关键性指标。通过云仿真平台CloudSim实现并分析了顺序调度算法、Min-Min算法和Max-Min算法,对比其在随机生成用户任务负载与虚拟机计算资源的情况下的任务完成时间,实验证明Min-Min算法与Max-Min算法均优于顺序调度算法。以此为未来研究提供实验支撑和方向。     

基于改进的遗传-模拟退火的有序任务调度算法

分析了基于任务复制的典型算法，提出了基于任务复制的改进的遗传一模拟退火的有序任务调度算法。在改进的遗传算法中利用模拟退火的方法可以缓解遗传算法的选择压力．增强了遗传算法的全局收敛性．避免了在搜索过程中陷入局部最优。     

一种云计算环境下任务调度策略

文章提出的问题是在云计算环境下任务调度策略。该策略的目标是将任务分配到计算单元上达到任务完成总时间最少和资源充分利用。基于此目标文章提出利用遗传算法对任务完成时间进行优化,并为处于空闲状态计算单元动态调整任务分配以改善资源利用率。利用CloudSim仿真平台验证该方法的有效性。     

电力云计算中关联任务调度算法

针对传统电力系统计算平台在计算、存储、信息集成和分析等方面的不足,建立基于云计算的电力系统计算平台。针对电力云计算平台中对关联任务调度进行调度时出现任务执行延迟的问题,提出了一种基于任务分层算法DAG。算法将任务按任务集合优先级的高低顺序调度至具有最小完成时间的资源上。试验证明关联任务调度算法能够有效地减缓关联任务延迟。     

分组交换机的极大匹配调度算法仿真与比较

对于输入缓存类型的分组交换系统,调度算法是交换系统的关键技术之一,其性能直接影响着交换单元的性能。研究了几种典型的极大匹配调度算法:PIM,iSLIP,FIRM和输出串行调度算法。通过OPNET构造了一种调度算法模型,以8×8 crossbar交换结构为例,基于该模型对这几种极大匹配调度算法进行了仿真。根据仿真结果从平均调度时延等性能指标及实现复杂度方面进行了分析和比较,指出了现有算法的优缺点,并提出了进一步改进的方向,对卫星ATM/IP交换系统的研究与设计具有指导作用。