用贪心算法解决多机调度问题

给定n个独立的作业和m个相同的机器,给出了一个找到比较理想的分配方法使得n个独立的作业在m个相同机器上完成的时间最短.     

贪心算法在多机调度问题中的应用

1 贪心算法简介 贪心算法总是作出在当前看来是最好的选择.也就是说贪心算法并不从整体最优上加以考虑,它所作出的选择只是在某种意义上的局部最优选择.贪心算法不是对所有问题都能得到整体最优解,但对范围相当广的许多问题它能产生整体最优解.     

基于贪心策略的多信道数据广播调度算法

为减少多信道数据广播环境中的多信道平均延迟时间,提出一种基于贪心策略的多信道数据广播调度算法,将数据项合理地分配到各信道,最小化多信道数据项平均访问时间,在每个信道内采用近似最优的Log-time算法。实验结果表明,在不同的系统环境下,该算法都能够达到近似最优的性能。     

用并行遗传算法解决带约束并行多机调度问题

遗传算法是一种全局优化的数值计算方法,它存在自然并行性,本文提出了一种解带约束并行多机调度问题的主从式控制网络并行遗传算法,并在PVM环境下实现。计算结果表明,并行遗传算法是有效的,且能适用于大规模并行多机调度问题。     

贪心策略下的最佳课程安排问题

在贪心策略下解决多媒体教室中课程安排问题的算法。     

一种油井运输车调度的贪心算法

文章提出了一种评价标准,综合考虑油井运输车调度过程中车辆行驶路程和运油量这两方面的指标,并根据这一评价标准提出一种解决油井运输车调度问题的贪心算法,称为＂最小耗运比优先＂贪心调度算法。详细阐述了＂最小耗运比优先＂贪心调度算法的思想和具体步骤,并在原理上对此算法进行了解释。     

Storm下基于最佳并行度的贪心调度算法

开源分布式实时计算框架Storm在互联网、金融、电子商务等领域得到了广泛应用。Storm默认采用轮询的调度策略,且依赖用户对Topology任务的并行度配置,当配置不合理时依然会造成Topology处理时延增大、吞吐量降低等问题。针对该问题,提出了一种Storm下基于最佳并行度的贪心调度算法,调度时先求解Topology任务中各组件的最佳并行度,再采用贪心策略进行调度,以最小化节点间的网络通信开销。通过与默认调度算法、线上调度算法和热边调度算法进行实验比较,结果表明算法能够有效降低Storm处理时延,提高系统吞吐量和资源利用率。     

非同起点加工的多机调度合成算法

针对调度h个独立任务到初始时刻并非都空闲的m台机器上加工，使得机器最长加工时间（makespan）最短的问题，改进MLPT算法以减少运行时间，改进MULTIFIT算法以减少迭代次数，提出以改进的MLPT算法结果为改进的MULTIFIT算法的初始上界的合成算法－CMM，从理论上对MLPT，MULTIFIT和CMM算法的时间复杂度和调度结果进行了分析和比较，实验结果表明：改进的MULTIFIT经MULTIFIT的平均迭代次数少；CMM在平均迭代次数方面甚至比改进的MULTIFIT还少得多且调度结果不次于MULTIFIT和MLPT的优者。     

解非等同并行多机调度问题的并行遗传算法

针对最小化完工时间的非等同并行多机调度一类问题,提出了一种混合遗传算法。该算法根据问题的特点,采用一种自然编码方案,此编码与调度方案一一对应,并对初始种群、交叉和变异等方法进行了研究。在鉴于遗传算法自然的并行性特点的基础上,实现了主从式控制网络模式下并行混合遗传算法。计算结果表明,并行混合遗传算法是有效的,优于启发式算法和遗传算法,有着较高的并行性,能适用于大规模非等同并行多机调度问题。     

求解一类并行多机调度问题的混合启发式算法

该文研究了一类工件具有不同释放时间的并行多机调度问题,调度目标为使总流程时间最小。针对该类调度问题具有强NP—hard的特点,首先构造了的一种启发式算法,该算法能够在很短的时间内找到次优解。由于通常启发式算法会随着问题规模的扩大导致求解的质量有所下降,结合遗传算法的全局搜索能力,提出了一种混合启发式算法进一步改善解的质量。仿真结果表明该算法很好地结合了启发式算法和遗传算法的特点,能够在较短的时间内求解较大规模的调度问题,算法的计算量小,鲁棒性好。     

浅谈算法设计技术——贪心策略

文章简单介绍了算法的基本思想和常用的算法设计技术,重点讨论了贪心算法的思想理论基础和数学模型以及贪心策略的特点;并介绍了两种体现贪心思想的图形算法:克鲁斯卡尔算法(Kruskal)和普利姆(Prim)算法。     

基于贪心策略的环形穿梭车调度算法设计

环行穿梭车是一种高效的平面自动输送设备,现已广泛应用于多种行业的生产中。设计高效的算法来提高环形穿梭车的工作效率十分重要。本文对典型的环形穿梭车运用场景,设计了一种以贪心策略为基础的调度算法,以达到提高车间工作效率的目标。     

多机Flow shop加权完成时间调度问题的启发式算法分析

因实际生产中调度问题的规模很大，分析其近似算法的绝对性能比很难，有时甚至不可行，所以研究近似算法的渐近性能比就很有必要，本文针对多机Flowshop加权完成时间调度问题，使用单机松弛和概率分析方法，证明了基于加权最短处理时间需求的启发式算法是渐近最优的．     

恒速处理机的多机Flow shop最小和调度问题的启发式算法分析

本文研究有n个作业需在5个处理机中心进行加工，处理机中心i由l1个恒速机组成的非抢占式多机flow shop调度最小和问题．每个作业有s个工序，每个工序需在对应的处理机中心的任一台机器上加工处理，作业到达前不能加工，所有作业通过处理机中心的路径相同．目标是确定一个作业在每个处理机中心机器上的可行调度序列，使所有作业在最后处理机中心的加权完成时间总和最小化．在作业处理时间需求、作业权重分别为独立同分布的有界随机变量时，通过特殊flow shop调度松弛方法，我们证明该问题在作业数趋于无穷时，一个基于有效作业最短加权平均处理时间需求的启发式算法是渐近最优的．     

多机Flow Shop加权完成时间调度问题的渐近最优算法研究

最近Chou、Queyranne和Simchi—Levi，Liu分别证明了恒速平行机调度问题和Flow shop调度问题的基于有效作业加权最短处理时间的启发式算法是渐近最优的。本文使用分组机器模型的方法证明：即使对于多机Flow shop加权完成时间调度问题，基于有效作业加权最短处理时间的启发式算法也是渐近最优的。关键词调度，多机Flow shop调度，启发式算法，渐近最优分析     

用并行遗传算法解决带约束并行多机调度问题

遗传算法是一种全局优化的数值计算方法。它存在自然并行性。本文提出一种解带约束并行多机调度问题的主从式控制网络并行遗传算法,并在PVM环境下实现。计算结果表明,并行遗传算法是有效的,且能适用于大规模并行多机调度问题。     

基于贪心策略的自适应蚁群算法在TSP中的应用

目前,蚁群算法已被广泛应用于解决大量的组合优化问题,但基本蚁群算法搜索时间较长,容易陷入局部最优解的缺点比较突出。该文在基本蚁群算法模型的基础上,将贪心算法融入其动态转移过程中,提出一种基于贪心策略的动态自适应改进方法,并将改进后的算法应用于TSP问题。最后通过对比仿真,证明改进算法的可行性和有效性。     

贪心算法在系统故障诊断策略生成中的应用

诊断策略是具有一定顺序的测试序列.诊断策略生成的目标是隔离故障,并使测试开销达到最小.本文介绍测试序列生成的各种信息启发式算法并通过对比各种算法诊断策略生成的期望开销,着重讨论了Rollout算法的优越性.     

贪心选择在地铁站内行人疏散中的应用

大型室内场所空间布局较为复杂(如地铁站), 人群的高密度聚集往往存在一些潜在的风险. 本文在分析国内外人群快速疏散研究现状的基础上, 提出了一种基于贪心选择的行人疏散方法. 该方法以地铁站内复杂场景作为研究背景: 首先, 针对地铁站内的行人的行动轨迹难以获取问题, 本文利用地铁站内行人真实出站数据, 基于元胞自动机, 构建了行人疏散轨迹半仿真模型, 并利用实际流量数据优化该半仿真模型; 其次, 基于该轨迹模型, 为了满足高动态场景中的实时性, 采用复杂度较低的贪心选择策略分配最优疏散出口; 最后, 以杭州武林广场地铁站为例, 使用真实出站数据设计对比实验, 验证行人轨迹模型的有效性以及出口分配方法的性能. 结果表明, 本文所提出的行人轨迹模型能够较好的模拟行人的轨迹, 仿真中各出口疏散人数同真实出站数据拟合程度的可决系数R2达到了0.67. 相较于最短路径和最短时间出口分配方法, 本文所提出的方法在整体疏散效率上分别提高了27.2%和16.5%.     

多机调度算法求解认知无线电频谱分配问题

认知无线电的空闲频谱分配是一个复杂的最优化问题,需要在最大化频谱利用率的同时考虑干扰的最小化和接入的公平性。现有的CSGC模型将空闲频谱分配问题简化为一个图着色问题。针对CSGC模型"没有考虑到二级用户接收端的位置"和"没有考虑二级用户的服务时间长短"的两个缺点,结合传统的多机调度算法,提出了一种新的空闲频谱分配算法CRSAMMS。CRSAMMS不仅克服了CSGC模型的两个缺点,并且可以根据具体的应用选择不同的算法规则以进一步提高性能。Matlab仿真实验证明了CRSAMMS算法的正确性和有效性。