支持跨步访问的嵌入式存储系统

提出了一种新型多素数嵌入式存储系统,能够显著改善系统跨步访问的性能。提高跨步访存的带宽,对于改善系统的整体性能有着重要的意义。但是,在嵌入式系统中,受片外结构的尺寸限制,直接应用经典的素数存储系统理论无法显著改善跨步访存性能。为此,该新型系统以素数存储系统理论为基础,引入主存访问调度策略并结合嵌入式系统的实际结构特征,构造了一种两层结构的多素数存储系统,可以用较少数量的存储模块实现,而且从逻辑地址到物理地址的映像计算简单,能够以相对较小的硬件代价实现对嵌入式存储系统跨步访问的有效支持。理论分析和实验结果均证实了该系统的正确性和有效性。     

粤港澳大湾区水安全协同调控理论框架研究

针对粤港澳大湾区水问题多维交织特性,基于流域系统整体观梳理总结了技术上可控、逻辑上关联的5个水安全调控子系统结构,包括：河势调控子系统、内河水环境水生态调控子系统、外江咸潮调控子系统、城市暴雨洪涝调控子系统、外江洪潮调控子系统。探讨了各子系统关键机理、系统间的协同作用原理、协同调控的关键技术需求及协同调控模型算法架构,构建了大湾区水安全协同调控理论框架,以珠江河口为例开展了粤港澳大湾区水安全协同调控理论的应用,为大湾区水问题系统治理提出了新的解决方案。     

改进麻雀搜索算法求解作业车间调度问题

针对最小化完工时间的作业车间调度问题(JSP),提出改进麻雀搜索算法(ISSA).首先设计有效的编码转换方式,形成JSP离散决策空间与麻雀搜索算法(SSA)连续搜索空间的对应关系.然后,针对SSA在求解后期易陷入局部最优,利用量子计算、正余弦搜索和警戒者数量递减策略对SSA进行改进,同时引入多邻域搜索和高斯扰动策略以弥补SSA在求解离散问题时深度发掘能力不足的弊端.最后,进行FT、LA系列10个测试问题、6种算法和2个应用实例的对比实验.结果表明,ISSA在求解JSP时,能获得更好的最小值、平均值和寻优成功率,验证了ISSA求解JSP的有效性.     

基于改进NSGA-II的车间排产优化算法研究

针对NSGA-II算法在处理车间排产优化问题中出现的子代种群多样性差、收敛能力差等问题,提出了一种改进NSGA-II的车间排产优化算法。改进NSGA-II算法主要对传统NSGA-II算法的交叉和变异环节,提出新的改进自适应交叉和变异算子,通过对个体拥挤度与种群平均拥挤度进行对比,并结合种群迭代进化过程,将遗传概率与种群个体及种群进化迭代次数关联,避免盲目导向性,提高种群的收敛速度;提出新的均匀进化精英保留策略,通过自适应分层次选取种群个体,解决子代种群多样性差的问题。针对车间排产问题,选择“最大化最小交货提前期”和“最小化最大理想加工时间偏差”作为目标函数,运用改进NSGA-II算法进行实际工程的仿真分析,对比改进前后算法优化的结果,验证了算法的有效性,同时证明了其应用于实际生产排产调度问题的价值参考性。     

应对长江口咸潮入侵的临界流量经验模型研究

1994年以来,长江口咸潮入侵严重威胁当地供水安全,随着长江上游水库群陆续建成,有关部门提出了通过上游水库群压咸调度保障长江口地区供水安全的方案。为明确压咸调度的目标流量(即临界流量),基于统计分析的方法,采用多元回归分析和主成分分析方法,选取实测站点数据建立了盐度-潮差-入海流量的相关关系统计模型,研究了咸潮发生的机理;通过模型分析多次咸潮入侵数据,确定临界流量为一个变化值,潮差290～335 cm下的临界流量在9 390～21 633 m³/s之间。研究表明,当长江口咸潮入侵时,单独依靠长江上游水库调度压咸所需的流量大,响应时间长,压咸效果不明显。因此,实际压咸调度应通过流域整体调度与本地蓄淡避咸水库共同作用应对咸潮入侵。     

带多重加工前约束的单机MOPJ调度方法

为有效解决晶圆加工过程中带换模时间、品种间晶舟分配的不确定性以及参数调整等多重加工前约束的单机单作业多订单MOPJ(multi-order-per-job)调度问题,对问题域进行描述,以订单总完成时间最小为优化目标,建立数学规划模型.给出求解较优调度解的定理,并提出具有双层嵌套编码机制的混合差分进化的入侵杂草调度算法,该算法引入具有学习机制的算子以改善解的质量.为有效提高算法的收敛性,在变异及邻域操作中考虑自适应过程.仿真实验结果表明,该算法是有效且可行的,优化晶舟分配的调度较未优化的调度可提高至少10%的性能.     

均匀设计方法在水电站发电调度优化中的应用研究

水电站工程的科学调度是实现水资源优化配置、发挥工程效益的重要方式和有效手段。文章以水丰水电站为例,进行了均匀设计方法在水电站发电优化调度中的应用研究,结果显示该方法与传统优化方法相比具有明显优势,可以用于水电站发电调度优化研究。     

任务序列强度感知的大规模集群服务器控制模型

异构云数据中心各类服务器的控制成本和性能上的差异将影响其运维管理成本及QoS博弈平衡关系,针对任务序列强度具有的时效性,提出了任务序列强度感知的大规模任务调度模型。依据当前到达数据中心的任务序列的强度以及集群中服务器的当前状态,在任务调度中强调节约服务器运维管理成本和各服务器负载均衡的基础上实现优化数据中心对任务序列处理的平均响应时间和系统的吞吐量。通过对实验结果的分析,验证了集群服务器控制模型在任务调度中的可信度大于95%,同时通过与当前应用广且具代表性的算法——最短任务优先,公平分发机制进行比较分析,其效果是三者中最好的,也验证了模型的有效性和可行性。     

共享有限资源的有期限约束多工作流吞吐量最大化调度方法

为了进一步提高计算资源利用率,提出了工作流在分布式异构环境中的协同调度算法.首先,提出反向异构最早完成时间优先(heterogeneous earliest finish time,HEFH)调度策略,可以快速求出多个工作流中每个子任务的近似最晚开始时间和子期限,并基于最晚开始时间定义了当前任务相对宽松度的衡量指标,通过对比选出所有工作流中优先级最高的任务,在现有资源中寻找具有最早完成时间的时隙进行映射,并在资源不足时根据子期限及时判定出过饱和现象,合理丢弃用HEFT算法单独调度具有最小时隙的工作流,达到吞吐量最大化.结果表明:这种算法综合对比其他3种在吞吐量、浪费时隙率、公平度及时间复杂度方面有着较好性能.     

Hadoop中Reduce作业动态调度算法

Hadoop平台中的MapReduce并行分布式编程模型通过将廉价节点组合成集群提供存储和计算服务,可以降低集群成本。Hadoop可以通过配置使Reduce任务在Map任务完成固定百分比时启动,但是过早地启动Reduce任务会造成Reduce资源长期处于等待状态。提出一种Reduce动态调度的DRS算法,通过作业中Map任务数量和大小计算Reduce启动时间,并在作业运行中根据Map任务的调度情况修正启动时间,以节约Reduce资源的使用效率。实验表明,DRS算法与固定百分比参数的方法相比,shuffle阶段时间缩短了7.3%。与系统默认参数相比shuffle阶段时间缩短了43.6%。