资源约束下多项目再调度算法

在项目的执行期间,某个项目的任务由于某些原因导致托期,而使项目不能按照调度计划完成,从而需要对项目进行再调度。针对再调度过程对原项目计划影响最小的目标构建资源约束下多项目再调度的数学模型,并提出了一种启发式算法,最后进行了有效的验证。     

基于遗传算法的通信卫星资源动态调度方法研究

随着卫星通信技术的持续发展,基于卫星通信的实际应用需求也日益复杂。为了更高效地处理不同体制网系之间的资源竞争,提高通信卫星资源的利用率,更大限度地满足卫星通信任务需求,提出了一种基于遗传算法的通信卫星资源动态调度方法。介绍了卫星资源动态调度所基于的通信任务的基本约束,并结合遗传算法阐述了资源动态调度具体实施过程,通过仿真实验将通信卫星资源的动态调度使用方式与静态分配使用方式进行了对比分析。仿真结果表明,在相同任务数和不同任务数的条件下,资源动态调度的使用方式都可以达到更高的资源利用率。     

基于改进遗传算法的分布式资源动态调度技术

在网络中心战条件下,为了解决分布式作战资源的动态最优部署问题,提出了一种分布式资源的动态调度算法。首先针对资源动态调度问题建立了数学模型,接着,借鉴粒子群算法的思想,使用遗传算法解决了资源调度任务指派的快速寻优问题。仿真验证表明资源调度算法是有效的,并且该算法可使分布式系统的任务处理能力和处理资源利用率大幅度提高。     

基于列生成的云平台资源约束项目调度研究

随着云计算技术的不断发展,越来越多的实验室以及办公环境都采用云平台来获取计算资源。但是,在对云平台相关技术的研究过程中,发现对于云平台资源约束项目的调度问题一直都是一个比较大的挑战。主要原因就是,对资源约束项目进行调度需要考虑资源利用率以及调度的时间成本。根据问题建立了资源约束项目资源库调度模型和一种基于列生成算法的云平台资源约束项目算法。通过与拉格朗日技术、数字优化技术及自适应遗传算法等进行实验对比。结果表明,该方法在问题的解决上是具有明显优势的,也验证了该方法的有效性。     

基于改进遗传算法的网格资源调度算法

网格计算关注大规模的资源和任务调度，要求采用的调度算法能够具有高效性。提出一种基于改进遗传算法的资源调度算法，该算法综合考虑了资源任务分配量以及任务完成时间，从而设计出良好的交叉和选择算子，既能够保留完成时间比较小的个体又能够保留具有一部分优秀资源分配方式的个体．算法具有较好的效率和收敛性。     

基于改进遗传算法的多目标JSP调度研究

针对多目标车间作业调度问题(JSP),提出了一种混合遗传算法,将多目标遗传算法得出的初步优化结果作为粒子群算法的初始粒子,利用粒子群算法强化局部搜索,加快收敛速度,改善了简单遗传算法局部搜索能力差、迭代效率低的问题.仿真结果表明了该算法对JSP调度的良好效果.     

带工艺约束并行机调度问题的一种新的遗传算法

以最小化拖期任务数为目标,研究了解决一类带工艺约束并行机调度问题的新的遗传算法.基于向量组的染色体编码方法简单、译码快速,并能自动满足工艺约束;扩展的顺序交叉算子EOX能自动满足工艺约束并尽量保留父代遗传信息,在较大程度上优于传统的交叉算子;位变异和交换变异相结合的变异方法有利于更好保持种群的多样性.大量模拟数据与生产线应用实例表明本文所提的基于向量组编码的遗传算法是相当有效的.     

云计算环境中优化遗传算法的资源调度策略

资源调度是云计算的核心问题,传统的遗传算法虽然可以用于云计算环境中的资源调度,但是由于传统遗传算法存在收敛慢、易早熟等特点,所以这种算法并不适应于多聚类环境下的密集型任务调度。基于此,我们提出了云计算环境中优化遗传算法的资源调度策略以弥补传统遗传算法的不足。本文主要通过对云计算概念的介绍以及如何优化遗传算法的资源调度策略来展开讨论。     

复杂真实约束条件下的多星测控资源调度

测控资源调度是卫星调度研究领域的关键问题之一,其在多星条件下面临着因约束信息来源不同、结构差异大、表达模糊而难以建立统一的约束模型,以及求调度问题的最优解是NP-hard的且不易得到较优解的问题。为此,首先将多星测控问题表达为组合优化模型,再将复杂的约束信息归纳为一套约束,最后提出了一种双层并行约束匹配算法求解问题。与用户现有算法对比,所提算法的周期测控调度成功率提升了9%左右,且可以处理更多约束信息类型。     

基于改进遗传算法的软件项目人力资源调度研究

从软件项目人力资源调度的角度出发,构建了调度模型并利用改进型遗传算法对其进行求解,验证了该算法在求解资源调度问题中的可行性。     

人工蜂群算法求解任务可拆分项目调度问题

针对任务可拆分的资源受限的项目调度问题,提出了一种人工蜂群算法与任务可拆分的串行调度机制相结合的优化方法．人工蜂群算法中每个食物源的位置代表一组项目任务的优先权序列,优先权序列通过调度生成机制转换为可行调度方案,迭代中由三种人工蜂执行不同的操作来实现全局最优解的更新．实算表明,基于优先权的人工蜂群算法可以有效求解任务可拆分项目调度问题,收敛速度较快且精度较高．     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

并行多机调度问题的一种基于组合规则的遗传算法

本文对最小化完工时间并行多机调度问题提出了一种基于组合规则的遗传算法.用遗传算法来优化调度策略,使得在不同的调度阶段,可采用不同的调度规则以提高算法性能,并用计算实例表明了该遗传算法优于基于机器编码的模拟退火算法和遗传算法,并能适用于大规模并行多机调度问题,算法计算量小,鲁棒性强.     

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。     

基于遗传算法的内容编排模型设计

在支撑内容型业务及移动广告业务的内容管理系统中,内容编排是基于订单的业务媒介资源规划利益最大化的热点问题。将媒介资源构建成以空间模板分屏、时序资源、受众分组3个维度的载体业务模型,并且提出基于订单需求约束,以实现订单高效资源利用率、精确投放时间为目标的多目标资源优化(MOP)模型——内容编排模型,设计了并行遗传算法的模型求解算法并进行仿真,验证了模型的有效性。     

作业车间调度问题的多种群遗传算法

针对最小化完工时间的作业车间调度问题提出一个多种群遗传算法,该算法基于工艺约束定义个体的编码方式,基于工件操作构造遗传算子,保证了所有个体的可行性;多种群算法通过各个种群之间的相互竞争和良种共享,提高了资源的利用效率,有效地克服个体早熟,改善了算法的收敛性能.典型测试算例表明该算法是非常有效的.     

基于遗传算法的网格任务调度研究

网格调度是一个典型的NP问题,研究表明遗传算法是解决复杂环境下资源调度的有效方法之一。针对异构环境下的网格任务调度,提出了一种改进的遗传算法,并改进了遗传算法的收敛特性,通过分析实验结果证明该算法优于传统的调度算法。     

基于混合算法的智能排课系统

传统采用单一排课算法设计的排课系统,编排出的课程表总是与期望结果相差太大。为了使课表编排结果能满足教学要求,在此对排课约束条件进行了详细分析,采用基于遗传算法和贪婪算法的混合算法进行排课系统设计,将排课分为时间安排和地点安排2部分进行,时间安排采用遗传算法设计,地点安排采用贪婪算法设计,时间安排和地点安排过程可以人工干预,编排的课程表基本符合教务管理需求。混合算法设计的智能排课系统编排的课程表更加科学化、合理化和人性化。     

基于多变异位自适应遗传算法的CPS任务调度

针对信息物理融合系统典型的分布式异构并行计算结构存在的任务调度问题,以有向无环图为调度模型,最小化任务完成时间为目标,采用多变异位自适应遗传算法,通过依赖矩阵、改进的交叉和变异算子确保基因个体的有效性,同时采用多变异位和自适应的方法保证基因个体的多样性和算法的收敛性。仿真结果显示,该算法比基于任务表的启发式调度算法更有效。     

基于遗传算法的频率分配问题研究

针对频率数受限情况,提出了一种基于遗传算法的改进频率分配算法.通过设计新的编码策略,算法保证了初始频率分配方案中同一小区内的频率之间相互不存在干扰.为了和新的编码策略相适应,在变异操作中引入了特殊的变异方法.针对42小区GSM系统频率分配实验表明,在可用频率数受限的条件下,该算法能够使最终不满足约束条件的频率数降到最少.给出了就如何设置遗传算法各个运行参数的建议.