基于过程Agent的人力资源调度方法

为了根据人力资源及项目信息进行资源调度,基于过程Agent的人力资源调度方法通过对软件过程中的人力资源建模,描述和定义了任务(目标)及联合体投标模型,并根据用户对目标的偏好生成调度计划,能够为软件企业在人力资源优化调度、项目进度安排等方面提供决策支持,进而提高软件企业的项目管理能力和资源利用效率.最后通过一个实例表明了该方法的可行性和有效性.     

资源受限多项目调度问题的两阶段算法

在资源受限项目调度问题中,将可更新资源进一步拓展为具有胜任力差异的人力资源,建立考虑胜任力差异的人力资源受限多目标项目调度问题模型.该模型是对传统多模式资源约束项目调度问题更接近研发项目群实际的扩展.针对模型提出两阶段优化算法,第1阶段是项目时序约束优化阶段,采用蚁群算法(ACO)进行任务列表的优化求解,通过对信息素增量规则的改进、串联进度生成机制(SSGS)及资源冲突消解策略的使用,使蚁群算法的求解效率和质量得以提高;第2阶段是资源约束优化阶段,以第1阶段求得的优化任务列表为输入,逐项对人力资源约束进行核查与调整,最终生成项目调度的优化方案.数值实验表明,考虑胜任力差异的数学优化模型更符合研发项目群管理实践,同时两阶段算法在求解质量方面具有良好性能.     

工作流程中人员合作任务的调度优化模型仿真

多人合作的大型工作任务进行调度,可以极大提高工作效率.大型企业的工作任务往往需要由多人次反复合作完成.人员之间的工作流程本身充满了利益矛盾,且矛盾呈现多维度,多链条的关系.传统的调度算法都是以单线路、单个人员的工作任务最优为目标,应用到多人次的过程中时,会由于矛盾过多,使模型不收敛,容易造成调度效率低,人力资源调配不合理.提出采用改进粒子群算法的工作流程中多人员合作任务的调度优化模型.对多人次、多任务建立优化目标,根据粒子群间的协作,对多人次调度过程进行求解,求得的接运用校验过程进行最优化试错,根据最终结果获取调度模型的最优解,得到工作流程中人员合作任务的最佳调度方法.实验结果表明,利用改进粒子群算法进行工作流程中人员合作任务调度优化处理,能够提高调度效率,提高资源利用率.     

基于双向LSTM的电网调度日志分类

电网调度日志记录电网运行的各类信息,是分析调度过程、电网运行情况的重要数据来源。电网调度日志管理逐步智能化,调度日志分类任务也由人工操作转变为系统自动分类。为实现智能化分类,提出一种基于深度神经网络的电网调度日志分类方法。该方法基于电网调度日志训练出词向量,将词向量作为LSTM(Long Short-Term Memory)模型的输入。使用双向LSTM对电网调度日志进行分类。实验结果表明,该方法可以有效地对长度差别巨大的日志进行分类,并获得比传统分类方法更优的性能。     

考虑源荷随机性的跨区互联电网直流联络线调度学习优化

在跨区互联电网中,充分利用直流联络线调度能力可以有效地平衡电力资源的配置,促进新能源的消纳.本文针对源荷不确定性的跨区互联电网直流联络线调度问题,首先用连续马尔科夫过程模型描述互联电网中风电出力与负荷需求随机动态特性;然后在功率平衡及联络线日交易电量约束等实际运行要求前提下,将直流联络线调度优化问题建立成离散马尔科夫决策过程模型.在该模型下,调度机构根据互联电网系统各时段源荷的功率情况,动态调整联络线输电计划和配套的柔性负荷调节方案,以达到提升系统运行效益的优化目标;最后引入强化学习方法对调度策略进行优化求解.通过学习优化,系统平均日运行代价显著下降且最终收敛.实验结果表明考虑源荷随机性的直流联络线动态调整方法可有效地提高互联电网发输电系统的运行效益.     

基于规则的电力调度计划数据校验机制探讨

随着电网的不断整合发展,只能电网调度计划一体化成为一种发展趋势,当前电网调度计划数据的校验机制上海存在这一些问题无法满足电网发展的需求。本文从智能电网调度计划一体发展的情况出发,在探讨相应的数据校验规则的同时,从系统结构及其功能等方面来讨论调度计划数据检验机制构建的相关问题。     

多机相关电网任务数据的动态分批优化调度算法

传统的动态分批优化调度算法对数据初始分析效果差,调度准确率较低,为解决上述问题,基于多机相关电网任务数据研究了一种新的动态分批优化调度算法,获取多机相关电网任务数据,对数据进行集中标定,保证数据处于系统可操作范围内,实现对数据的精准处理.实验结果表明,多机相关电网任务数据的动态分批优化调度算法能够很好地提高调度准确率,...     

一种支持软件项目资源调度的任务人员优化匹配方法

依赖主观判断和个人经验的任务人员分配方法具有不稳定性和不可靠性,直接导致较低的人力资源利用效率.已有的资源调度方法对人力资源的复杂性和能力差异性考虑不足.提出了一种支持软件项目资源调度的任务人员优化匹配方法.方法将心理学与软件项目管理进行结合,通过挖掘人力资源的性格能力属性,综合技术能力属性,对任务人员的匹配过程进行优...     

基于边缘计算的智能电网数据调度与快速分发方法

常规的智能电网数据调度与分发方法多数采用大数据技术原理，缺少电网数据区域划分，其调度目标节点选择偏差较大，导致电网数据调度错失率较高，数据调度与分发任务完成效果不佳。基于此，引入边缘计算提出了一种新的调度与快速分发方法。首先，建立边缘计算集群分层模型，划分数据区域，分析集群节点状态参量，选择最优调度目标节点。其次，根据调度任务处理时间对任务有效价值的影响，设计智能电网数据流调度优先级，分配并执行数据调度处理任务。最后，设计数据快速分发机制，避免在调度处理任务执行中，出现节点失效和调度数据丢失的问题。根据实验结果可知，新的方法应用后，即使数据处理任务个数的增加，数据调度错失率也未出现大幅度波动，均控制在0.2%以下。     

一种MapReduce实时调度算法设计及实现

MapReduce是云计算中重要的批数据处理框架,多任务共享MapReduce机群并满足任务实时性要求是调度算法急需解决的问题。提出两阶段实时调度算法,将调度划分为任务间调度和任务内调度。对于任务间调度,使用抽样法和经验值法确定子任务执行时间,利用该参数建立资源分配模型,动态确定任务优先级进行调度;对于子任务使用延迟调度策略进行调度,保证计算的本地性。实验结果显示,两阶段实时调度算法相比公平调度算法和FIFO算法,在保证吞吐量的同时能够满足任务实时性要求。     

一种基于期货市场理论的网格资源分配机制

在比较了计算网格资源和期货特点的基础上,提出了一种基于期货市场理论的网格资源分配机制,避免了现货市场价格的大幅波动。提出了基于期货市场的资源竞价交易算法,通过在电力网格系统上的模拟实验以及与“蛛网模型”的对比,表明本文提出的竞价算法具有资源的利用率高、稳定性高的优点。针对资源域内任务调度,提出了基于期货合约任务调度算法,通过实验比较了群集循环法、先来先服务、Max-min调度算法的完成时间,基于期货合约的任务调度算法完成时间最短。最后讨论了网格技术及期货市场理论在电力系统的应用。     

基于网格资源超图模型的可信任务调度

网格任务调度是当前重要的研究领域。网格环境具有动态性、异构性等特点,网格资源的处理性能和稳定性都是影响到任务调度顺利完成的重要因素。为了获得更小的任务完成时间,该文根据网格环境的特点,建立了网格资源超图模型,在该模型基础上对资源按性能进行聚类,并提出一种可信任务调度算法GRHTS。模拟实验结果表明,该基于网格资源超图模型的可信任务调度算法优于同类算法,是一种有效的网格任务调度算法。     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题。由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点。在计算市场模型中,构造有效的效益函数又是提高算法性能的关键。有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益。文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中。实验结果表明该算法可以提高网格中的资源调度性能。     

基于遗传编程的网格资源调度算法

网格资源调度是一个非常重要的研究课题.由于因特网的开放、动态性,传统的资源调度和分配方法已经不再适用网格计算,基于经济模型的资源管理和调度成为研究热点.在计算市场模型中,构造有效的效益函数又是提高算法性能的关键.有关文献中采用的是线性效益函数,虽然降低了复杂度,但不能很好地反映用户的效益.文中提出了基于遗传编程来寻找和构造非线性效益函数的方法,并将其应用到网格调度算法中.实验结果表明该算法可以提高网格中的资源调度性能.     

基于效益最优的网格资源调度

网格资源管理和调度是一个非常复杂和重要的研究问题,传统的集中式管理和调度方法很难适用于网格计算环境,基于经济模型的资源管理和调度成为当前的研究热点。论文提出了一个基于效益最优的网格资源调度算法,模拟试验表明新的调度算法具有较好的调度长度。     

计算网格中动态负载平衡的分布调度模式

网格计算下对资源进行有效的管理和调度可以提高系统的利用率.在对现有若干调度方法的研究和分析基础上,针对计算网格中的负载平衡问题,提出了一种分布式网格作业调度模型,并给出相关算法.算法通过建立主从模式的负载信息收集机制,提供给节点全局负载信息,加速重负载节点的负载转移速度.通过有效的负载平衡模式,解决资源调度中负载平衡及其可靠性问题.     

基于云理论的网格资源选择

资源选择是影响网格调度和系统效率的关键,针对网格资源选择中用户对服务质量(QoS)的定性描述和调度的自私性,提出了利用云理论实现资源选择的方法。在深入分析QoS参数的云理论模型基础上,提出了以资源代理实现云模型资源选择的体系结构,设计了相应的调度算法。实验表明,该算法在资源调度率和吞吐量以及系统资源的利用效率等方面体现出良好的特性,同时克服了用户定义QoS参数的困难,达到了优化调度的目的。     

网格环境下基于信任机制的资源调度研究

信任是网格资源调度中一个很重要的因素,也是影响网格计算有效性和性能的关键技术之一。将信任机制引入到网格资源调度中,提出了网格环境下的信任模型和基于信任机制的资源调度模型,在调度策略上对传统的Min-Min算法进行了改进,提出了基于信任机制的Trust-Min-Min算法。仿真结果表明,算法不仅可以缩短任务的总执行时间,而且可以有效地平衡负载,是网格环境下一种有效的资源调度方法。     

A system-centric scheduling policy for optimizing objectives of application and resource in grid computing

In grid computing, grid users who submit applications and resources providers who provide resources have different motivations when they join the grid. Application-centric scheduling aims to optimize the performance of individual application. Resource-centric scheduling aims to optimize the resource utilization of resources provider. Due to autonomy both in grid users and resource providers, the objectives of application-centric and resource-centric scheduling often conflict. The paper proposes a system-centric scheduling that provides a solution of joint optimization of the objectives for both the grid resource and grid application. Utility functions are used to express the objectives of grid resource and application. The system-centric scheduling policy can be formulated as joint optimization of utilities of grid applications and grid resources, which combine both application centric and resource-centric scheduling benefits. Simulations are conducted to study the performance of the system-centric scheduling algorithm. The experiment results show that the system-centric scheduling algorithm yields significantly better performance than application-centric scheduling algorithm and resource-centric scheduling algorithm.     

离散微粒群优化算法在网格任务调度中的应用

网格任务调度算法是影响网格成功与否的关键技术之一.在研究现有任务调度策略的基础上,指出Min-Min算法的负载不均衡性.借鉴遗传算法中的交叉操作过程,提出了一种新的任务调度算法.该算法对传统的连续型微粒群优化算法进行改进,使其适用于网格任务调度问题的优化处理,实现网格资源的优化分配.仿真研究表明该算法更符合网格调度的复杂环境,能得到较短的任务执行时间和较好的负载均衡性.对比分析表明,离散微粒群优化算法所得结果优于常用的Min-Min调度方案,是一种高效的调度方法.