基于粒子群优化算法的配电网优化调度模型

配电网优化调度可以为决策者提供有价值的信息,为了获得理想的配电网优化调度方案,提出基于粒子群算法的配电网优化调度模型。首先对配电网优化调度研究现状进行分析,指出当前模型的不足,并设计了配电网优化调度问题的目标函数和约束条件,然后采用粒子群优化算法模拟粒子群搜索过程找到最优方案,并对标准粒子群算法的不足进行了改进,最后采用配电网优化调度实验测试其有效性。结果表明,该模型可以快速、准确地找到配电网优化调度的最优方案,具有一定的实际应用价值。     

改进人工蜂群算法的云计算资源调度模型

针对传统资源调度算法存在资源利用率低等缺陷,提出一种基于改进人工蜂群算法的云计算资源调度模型(IABC).首先建立云计算资源调度问题的数学模型,然后采用人工蜂群算法进行求解,并将个体当前最优值及随机向量引入到蜂群搜索过程中,加快搜索速度,提高搜索能力,最后找到云计算资源调度的最优方案,并采用仿真实验验证算法的有效性.仿真结果表明,IABC算法不仅解决了传统资源调度算法存在的缺陷,提高了云计算资源利用率,而且大幅度减少了任务的完成时间.     

基于商空间的层次式数据网格资源调度算法

为了解决传统数据网格调度算法在对层次式数据网格调度过程中出现的极易陷入局部最优值和收敛速度过慢的问题,将粒计算的思想引入到网格调度中,提出了一种基于商空间的层次式数据网格资源调度QSHDGRA (quotient space theory based hierarchical data grid resource allocation)算法。首先分析了层次式数据网格的特点,接着提出一种基于业务请求平均等待时间和网络与节点资源利用均衡度的调和函数的调度问题模型,随后设计了基于商空间的层次式最优资源调度算法。该算法的特点是可以在不同粒度上由粗至细地对网格业务进行调度,从而保证不同业务的QoS,并实现系统全局最优资源分配。仿真实验表明,算法可以显著地提升系统整体的吞吐率,具有更快的收敛速度,并具备线性扩展能力。     

基于功能单元最大利用率的调度算法

高级综合中调度决定系统运行速度与造价的折衷，调度问题为ＮＰ问题。本文将调度问题看作为多目标优化问题，并提出一种基于功能单元最大利用率的调度算法，以较低的时间复杂度求得调度问题的最优或近似最优解，该算法不仅可求解时间约束下的调度问题，也可求解造价约束下的调度问题。     

基于树型网格的混合遗传算法

资源调度算法是网格计算研究的一个重要研究方向。文章讨论了树型网格的逻辑调度模式．提出了基于树型网格的混合遗传算法HGATG。算法利用启发式操作算子加快最优值的收敛速度．并采用随机法和唯一法来避免算法的早熟。实验结果表明HGATG算法在求解速度、成功率和求解问题的规模等方面有较好的效果。     

基于列生成的毫米波多连接链路配置调度算法

多连接技术允许用户同时建立和保持与多个小区/接入点的连接,通过网络元素之间的协调在吞吐量和可靠性方面大幅提高网络性能。针对毫米波通信中超高频段的链路中断问题,研究了多连接基于链路配置的调度算法,以提高链路调度效率,降低复杂度。首先,在系统模型中采用链路配置作为优化变量;其次,设计了多连接比例公平的调度准则;最后,提出一种基于列生成算法的链路配置调度优化算法,利用Dantzig-Wolfe分解将原问题分解为限制主问题和定价问题,并结合分支定界方法获得最优解。仿真结果表明,所提算法能够在数值上逼近全局最优,并且比现有的毫米波蜂窝网络链路调度方案增益平均提高40%以上。     

多态蚁群算法优化的云资源调度策略研究

针对传统蚁群算法易陷于早熟收敛等问题,提出了采用自适应多态蚁群算法(APACA)来寻求一组最优的资源调度方案,并与轮循(RR)调度算法和传统的蚁群(ACA)算法通过CloudSim仿真平台进行对比,结果表明:APACA在任务处理的平均完成时间更具有优势。     

车间调度问题的量子粒子群优化算法设计

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,将量子粒子群优化算法用于求解车间调度问题,按照量子粒子群优化算法的进化规则在调度空间内搜索最优解,并对量子粒子群算法的参数选择进行了研究。以典型的Job-Shop调度问题作为实验对象,实验结果表明QPSO算法相对PSO算法具有较好的全局搜索能力。     

无线自组网中基于离散粒子群优化的睡眠调度感知最小功率广播

针对当网络使用睡眠调度并且节点的传输功率连续可调节时的最小功率广播调度问题,首先给出了一种计算节点内部最优发送调度的递归方法,然后提出了一种构造最小功率广播调度的离散粒子群算法。该算法搜索最优广播树结构,并融合基于最小广播功率增量的贪心算法和基于启发式调整广播树结构的局部优化算法以提高收敛速度和求解质量。模拟实验结果表明所提算法能够有效地减少广播功率。     

基于粒子群优化的地震应急物资多目标调度算法

合理高效地优化调度救灾物资对提升地震应急救援效果具有重要意义。地震应急需要同时兼顾时效性、公平性和经济性等相互冲突的多个调度目标。该文对地震应急物资调度问题建立了带约束的3目标优化模型，并设计了基于进化状态评估的自适应多目标粒子群优化算法(AMOPSO/ESE)来求解Pareto最优解集。然后根据“先粗后精”的决策行为模式提出了由兴趣最优解集和邻域最优解集构成的Pareto前沿来辅助决策过程。仿真表明该算法能有效地获得优化调度方案，与其他算法相比，所得Pareto解集在收敛性和多样性上具有性能优势。     

基于遗传蚁群融合算法的混合链路中继卫星资源调度研究

针对遗传算法容易陷入局部最优和蚁群算法初始信息素匮乏的缺点, 提出将遗传和蚁群融合算法应用于中继卫星系统的资源调度问题。通过改进蚁群算法信息素的定义, 利用基于时间窗口序号编码思想, 给出中继卫星资源调度约束条件与目标函数并建立数学模型。仿真分析了融合算法、标准遗传算法和改进蚁群算法的优化特性, 结果表明融合算法是解决中继卫星调度问题的有效方法。     

社会科学与管理科学

0219405基于改进的 RA 算法的混合 Flowshop 调度问题的求解[刊]/李霄峰//计算饥工程.—2002.28(6).—152～153(E)针对混合 Flowshop 系统的最小化 Makespan 调度问题,提出基于改进的 RA 斜度指标的启发式算法来对工作进行排序,采用 FAM 算法来分配设备,并给出其最优值的下界检验该算法。仿真结果表明,该方法优于目前最好的启发式算法,能较好地解决混合Flowshop 的调度问题。参5     

改进协同量子粒子群优化算法在流水车间调度中的应用

作为一类典型的调度问题,流水车间调度是N-P难调度问题,因而引起了众多研究者的兴趣。本文提出了一种改进的协同量子粒子群优化算法,该方法中定义了量子角的表达式,所有的子种群采用优化协同模式以确保算法收敛,采用扰动机制避免算法陷入局部最优,运用了综合学习策略以提高种群的多样性。改进的协同量子粒子群算法应用于流水车间调度,仿真结果验证了改进算法能改善全局收敛能力。     

CR-MIMO-OFDMA/TDM系统中基于效用的无线资源分配与调度

针对多用户MIMO-OFDMA/TDM认知无线电系统,提出一种基于用户效用和最大化的动态资源分配与调度方案,通过松弛约束条件将NP-hard的组合最优化问题转化为凸优化问题并通过拉格朗日对偶法进行分解,利用次梯度迭代算法求解对偶问题求得原始问题最优解.仿真结果表明,该方案可最大化用户效用和,获得主用户与认知用户的最优功率/速率分配并实现用户调度,且算法复杂度低收敛速度快.     

网络资源的均衡化调度算法研究

针对传统轮询算法对网络资源的均衡化调度存在负载均衡性差、网络资源浪费严重以及资源调度效果差的问题,提出一种新的网络资源均衡化调度算法。基于网络资源的均衡化算法运行过程,设计异构集群的并行计算熵的计算矩阵,实现虚拟机的调度,对调度目标的物理节点进行分析,完成网络资源多线程负载均衡调度。采用基于处理时间的网络资源负载动态均衡算法,对每个物理节点建立负载调度机制,使物理节点按照内部最优调度方式实施均衡调度,实现对网络资源的均衡化调度。实验结果表明,所提算法的调度效率高,且具有较高的负载均衡稳定性,可以减少网络资源的浪费,增强网络资源的调度效果。     

基于CloudSim的作业调度算法评价模型设计与实现

针对云计算作业调度算法评价问题,引入经济学中的消费者均衡理论和帕累托最优理论,在Cloud Sim仿真框架中,构建一个云计算作业调度评价模型,为选择最优的作业调度算法提供决策支持。同时,针对Cloud Sim在用户交互上的不足,进行可视化扩展,使研究者能够直观地观测仿真结果。最后,在Cloud Sim上进行仿真实验,仿真结果表明,对于模拟的云计算服务,Cloud Sim自身提供的作业调度算法不是最优算法。     

基于遗传和粒子群算法的天基资源调度策略

以提高天基资源调度效率为目标,提出一种基于遗传和粒子群算法的天基资源调度策略。将资源调度问题抽象为任务排序模型,设计适用于任务排序的十进制编码规则;通过重新定义遗传算法中选择、交叉和变异算子的进化行为以及粒子群算法的速度方向,结合遗传算法全局最优搜索、粒子群算法局部快速收敛等优点设计适用于天基资源调度的遗传-粒子群算法。通过实验验证遗传-粒子群算法能够在较短的时间内计算出全局最优解,是一种高效的天基资源调度解决方法。     

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。     

采用多目标蚁狮优化算法(MALO)的环境经济调度

本文针对传统优化算法求解电力系统环境经济调度(EED)容易陷入局部最优解的问题,采用了一种多目标进化算法——多目标蚁狮优化算法(MALO),通过在计及阀点效应和没有阀点效应的测试案例上实现。实验表明,MALO算法在可行域内更容易搜索出全局最优解。     

基于改进小生境遗传算法的微波/光混合链路中继卫星资源调度方法

针对微波/光混合链路中继卫星系统多资源约束 下的多目标综合调度问题,分析了微波与激光混 合链路的主要特点和影响因素,建立了混合链路资源调度多目标约束规划模型;将小生境技 术引入遗传 算法,并设计了基于精英保留的选择机制和自适应的交叉、变异算子,提出了一种改进的小 生境遗传算 法对模型进行求解。所提算法可有效避免遗传算法局部优化能力差及容易陷入局部最优等缺 陷,同时能够 防止最优解的丢失,解决了混合链路多资源约束下的多目标综合调度问题。仿真结果表明 ,相对与传统 的遗传算法,本文算法在保持种群多样性和求解全局最优解方面具有优势,有效解决微波/ 激光混合链路中继卫星系统的多目标综合调度问题。