汽车装配线生产计划与调度的集成优化方法

为提高汽车装配线的生产效率,优化资源配置,研究了汽车装配线生产计划和调度的集成优化问题,给出了该问题的混合整数规划模型.利用分枝定界算法和单纯型法求得问题的粗生产计划.通过将模拟退火算法和快速调度仿真相结合,探讨了一种新的启发式算法.然后基于已求得的粗生产计划,针对三种不同寻优组合论述了该算法的实现.将该算法应用于实际算例,仿真结果表明该算法对求解此类问题有着很好的效果.     

基于免疫和模拟退火原理的柔性JobShop调度研究*

为了研究柔性Job-Shop调度的不同解法,采用免疫和模拟退化原理求解柔性Job-Shop调度问题。研究了柔性处理问题,提出两种调度策略;分析了算法混合的思想,提出了免疫模拟退火算法。分别采用不同调度策略,使用不同调度算法对多种国际标准算例进行了仿真,仿真结果表明,该模型、策略和算法能够解决柔性Job-Shop调度问题。     

一种求解多处理机调度问题的a-平坦化调度算法

在分析多处理机调度问题的基础上,提出了α-平坦的概念,并将其引入到多处理机调度问题中;基于此,提出了一种新的基于α-平坦的求解多处理机调度问题的算法。算法首先对作业集合做平坦化处理,然后再对处理后所得的新问题进行求解,最终获得原调度问题的一个近似解。实验结果表明,通过该算法可以求得较好的结果,相对于其它启发式算法,该算法具有较好的稳定性。     

Scheduling Algorithm of α-Planarization for Solving the Problem of Multiprocessor Scheduling

在分析多处理机调度问题的基础上,提出了α-平坦的概念,并将其引入到多处理机调度问题中;基于此,提出了一种新的基于α-平坦的求解多处理机调度问题的算法.算法首先对作业集合做平坦化处理,然后再对处理后所得的新问题进行求解,最终获得原调度问题的一个近似解.实验结果表明,通过该算法可以求得较好的结果,相对于其它启发式算法,该算法具有较好的稳定性.     

改进型蚁群算法的多处理机任务调度研究

蚁群算法是一种新型的模拟进化算法,具有正反馈、分布式计算等特点,是一种解决组合优化问题的有效算法。在介绍蚁群算法基本原理以及探讨该算法的缺陷基础上,针对多处理器任务调度问题,提出了一种基于改进型蚁群算法的调度策略。仿真研究表明,该算法具有优良的全局优化性能,效果令人满意。     

基于Hadoop集群的加权循环算法的研究

调度问题是目前云计算研究中的热点问题,其目的是研究如何协同云计算资源,使其能最大化利用.Hadoop是目前流行的开源云计算平台.针对Hadoop自带的作业调度算法的不足,研究和实现了基于优先级的加权循环算法.该算法能够区分用户服务等级,保证系统资源不被服务等级高的用户长时间占有,保证系统资源得到合理的利用.最后,对该算法进行实验及性能分析,验证该算法能够提高系统的整体效率和减少了相应时间,避免资源浪费.     

单处理器最少延误问题的双逆向调度算法

单处理器最少延误问题实际上是对任务集中每一个任务如何分配执行时间使得延误任务数量最少的问题,该问题是处理器调度问题中一类重要的基础问题.本文主要对该问题的调度算法进行研究,提出了一种基于排序的双逆向分配任务执行时间的调度算法,称为双逆向调度算法,该算法时间复杂度为O(n2),通过验证该算法是可行的.另外,还对任务关系进行了分析,并提出了任务固有冲突、任务临界冲突时刻、任务时间窗口中心点、任务间接冲突、任务冲突度等概念.     

求解无等待流水调度的基于禁忌搜索的混合算法

本文提出了解决最小完工时间的无等待流水调度问题的基于禁忌搜索的混合算法。算法结合了调度规则和禁忌搜索算法的优点,首先利用调度规则构造较好的初始解,既可以加快禁忌搜索算法的收敛速度,也可以降低整个算法的运算量,使算法有更好的工程实用性;然后使用变邻域结构的禁忌搜索算法改进当前解。在保持可达性的基础上,该算法缩小了邻域规模和减少了计算时间。数值仿真实验表明,该算法是有效的。     

实时多处理器系统的动态分批优化调度算法

提出了一种实时多处理器系统的新的高效动态调度算法--动态分批优化调度算法,该算法突破了以往算法中一次只安排一项任务的做法,采用在每次扩充当前局部调度时,按一定规则在待调度的任务集中选取一批任务,对该批任务中的每项任务在每个处理器上运行构造目标函数,将问题转化为非平衡分配问题,一次性为这些任务都安排一个处理器或为每个处理器安排一项任务,使得这种安排具有最好的"合适性",以增大未安排任务的可行性.这种方法极大地提高了算法的调度成功率.同时,为了研究该算法的有效性,对其进行了大量的模拟,分析了一些任务参数的变化对算法调度成功率的影响,并与节约算法的调度成功率进行了比较.模拟结果显示,在节约算法的调度成功率小于10%的约束条件下,该算法的调度成功率大于90%,说明新算法的优势是非常明显的.     

基于问题性质的分布式低碳并行机调度算法研究

针对分布式低碳并行机调度问题(Distributed low carbon parallel machine scheduling problem, DLCPMSP), 由于该问题子问题众多, 为此, 首先将问题转换为扩展的低碳不相关并行机调度问题以降低子问题的数量; 然后提出了一种基于问题性质的非劣排序遗传算法-Ⅱ(Property-based non-dominated sorting genetic algorithm-Ⅱ, PNSGA-Ⅱ)以同时最优化总延迟时间和总能耗, 该算法运用针对问题特征的两种启发式算法初始化种群, 给出了问题的四种性质及证明, 提出了两种基于问题性质的局部搜索方法.运用大量实例进行了算法策略分析和对比实验, 结果分析表明, PNSGA-Ⅱ在求解DLCPMSP方面具有较强优势.     

确定型流水车间调度的遗传算法研究

为了验证遗传算法在解决确定型流水车间调度问题比其他启发式算法优越,分析了确定型流水车间调度的特点,并运用一种新的遗传算法求解该问题。为了提高效率,避免陷入局部最优,提出了一种合理的种群初始化方法,并成功地运用于求解确定型流水车间调度问题。实验结果证明了改进的遗传算法的实用性和可靠性,并具有较好的应用价值。     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

基于改进的基因表达式编程算法在作业车间调度问题中的应用

文章提出一种新颖的方法一改进的基因表达式编程算法来求解作业车间调度问题。作业车间调度问题是许多实际生产调度问题的简化模型,基因表达式编程算法结合了遗传算法和遗传编程的优点,具有更强的解决问题能力,对基因表达式编程算法进行改进使其在作业车间调度问题的应用上更加有效;最后应用一个实例来验证提出方法的有效性。     

应用新型萤火虫算法求解Job-shop调度问题

Job shop调度问题是一类具有很高理论研究和工程应用价值的问题。针对该问题提出一种新型萤火虫求解算法,分析了萤火虫算法的仿生原理,给出了萤火虫算法求解JSP问题的求解步骤,并通过典型基准测试实例对算法进行了仿真实验,并与GA和PSO算法进行了比较,验证了该算法参数少,操作简单,收敛速度快,在生产调度中有广泛的应用前景。     

一种求解输运方程的并行调度算法

高效并行扫描问题是调度问题的子集,调度问题是NP完全问题.针对输运问题的特点,如何按特定的计算次序调度本地网格单元,以保证最佳的计算与通信性能是一个难度很大的问题.文中设计了一种基于局部深度优先的优先级(PDFDS)算法,该算法具有局部性、通信量小、优先级队列好等特点.将PDFDS算法应用到求解二维粒子输运方程的程序中,与现有的调度算法相比,新算法具有更好的并行计算效果,对于大规模计算问题,可以扩展到1024个处理器,相对于64个处理器的并行效率达到了96%.     

Cyclic routing algorithms in graphs: Performance analysis and applications to robot scheduling

In this paper we revisit and extend the algorithm for the cyclic project scheduling problem which was originally proposed by Romanovskii (1967). While the algorithm has been derived for fixed numerical data, we show how it can be extended to handle the problems with interval data. We also propose a new algorithm for the cyclic scheduling problem with interval data that extends the parametric method developed by Megiddo (1979) and runs in strongly polynomial time.     

改进的遗传算法在作业调度中的应用

作业调度问题（JSP）是一类典型的NP-hard问题,遗传算法作为一种通用的优化算法在求解JSP中得到了广泛的应用。本文主要针对作业车间调度问题,基于改进的遗传算法 ,根据种群的进化状况,从而确定种群的适应度值,使之能够保持种群的多样化。     

网络管理中多agent的半在线调度算法

多agent调度算法在基于多agent的网络管理中对任务执行效率起着至关重要的作用.现有的多agent调度算法由于缺乏考虑任务间的依赖关系,使得面对复杂任务系统时会产生大量的网络负载和等待时间.为此,在建立一个适合网络管理任务特点的多agent调度框架的基础上,提出了一种基于任务依赖关系的多agent半在线调度算法.理论分析和测试结果表明,这种半在线调度算法优于已有的全在线调度算法,其性能更接近离线最优调度算法,从而为网络管理任务中多agent的动态调度提供了一种新的途径.     

基于任务分配与调度的GSAT算法求解3-SAT问题

基于不同分配策略的云计算任务调度以及任务分配与调度的主要目的,提出了一种新的算法—求解3-SAT问题的基于任务分配与调度的GSAT算法。该算法将3-SAT问题中的每一个变量形成一个任务,在GSAT算法的基础上,引入任务分配与调度指导贪心搜索;同时,在保留原有贪心搜索的前提下,根据任务分配与调度的思想和3-SAT问题的特点,设计了两种新的策略—分配策略和调度策略共同完成整个贪心搜索过程。以标准的SATLAB库中变量个数从 20～250的3 700个不同规模的标准Uniform Random 3-SAT 问题对新的算法的性能进行了合理的测试,并与高效和普通性能改进的GSAT算法的结果作了比较,结果表明,该算法具有更高的成功率和更少的翻转次数。