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。     

考虑作业状态能耗的集装箱码头设备协调调度

绿色港口日渐成为港口发展的必然趋势,为了提高集装箱码头的服务水平及降低其能耗,综合分析了集装箱码头的装卸作业流程,考虑岸桥、场桥、集卡在不同作业状态下的能耗,且以总完工时间和总作业能耗最小为目标建立了多目标混合整数规划模型。使用MATLAB编码改进自适应遗传算法求解所建模型,并分别与CPLEX和原始遗传算法的求解结果作对比,证明了该算法的优秀性。更改能耗目标和作业时间目标所占权重进行求解,发现考虑各设备在不同作业状态下的能耗会影响总完工时间,且能耗与作业时间是相互冲突的目标,追求低能耗会造成作业效率的牺牲。分析结果表明,所建模型和算法在岸桥、场桥和集卡的协调调度问题中可以帮助决策者更好地权衡作业时间和能耗目标。     

基于Storm平台的多任务分组调度策略与实现

随着大数据与人工智能技术的飞速发展,高性能,实时性的流式计算系统逐渐取代传统基于数据仓库的批量计算系统.Apache storm作为一款开源,高容错,实时处理的分布式大数据流式计算平台,支持任务平均分配策略,单机任务指定策略等多种任务分配方案.当任务拓扑结构中存在多个任务时,且集群中只有某些机器支持某一任务执行时,传统的任务调度方法只能实现将单一的任务分配给单一指定的机器,使得整个集群的资源没有充分的利用.通过调整任务调度策略,获得满足条件的机器队列,查看机器队列中可用工作节点,将指定任务均匀分配给可用工作节点,其他任务仍通过默认策略分配给集群中的剩余机器,实现多任务的分组调度策略.     

求解作业车间调度问题的改进遗传算法

使用遗传算法求解作业车间调度问题时,为了获得最优解,提高算法的收敛速度,提出了改进遗传算法.算法以最小化最大完工时间为优化目标,初始化时将种群规模扩大为原来的两倍以增加种群多样性;迭代时使用新的适应度函数让染色体间更易区分;通过轮盘赌法完成染色体选择;用POX(Precedence Operation Crossover)交叉算子完成交叉操作;用互换法完成变异操作;通过具有自我调节能力的交叉和变异概率不断地调整概率值来提高算法寻优能力和收敛速度.仿真结果表明,改进后的遗传算法收敛速度快,寻优能力强,获得的最优解优于标准遗传算法,更适用于作业车间的加工生产.     

基于模型的测试用例生成方法

在大量软件出现的今天,除开软件的功能是否完善外,对软件本身提出了更高的安全性和稳定性要求;一款软件在上线前需要进行大量的测试,以便提升软件的质量;由于开发人员参与了软件的研发及上线流程,导致了看待软件问题的局限性,而测试人员在编写测试用例时,往往由于依据文档的不一致性,使得测试用例的价值大打折扣;并且在实际软件的开发流程中,测试环节与开发严重脱节;往往只是为了出相应的测试报告而去测试,偏离了测试的初衷;针对以上问题,提出基于模型的用例生成方法,能够基于工作流程图、判定表、状态转换等多种测试方法,并在该方法中应用边界值与等价类的思想,够贯穿整个软件研发的生命周期,在软件研发初期就能够参与测试,提出设计方案的不足;并且能够自动生成测试用例,提高测试人员的效率.     

Determining node duty cycle using Q-learning and linear regression for WSN

Wireless sensor network(WSN)is effective for monitoring the target environment,which consists of a large number of sensor nodes of limited energy.An efficient medium access control(MAC)protocol is thus imperative to maximize the energy efficiency and performance of WSN.The most existing MAC protocols are based on the scheduling of sleep and active period of the nodes,and do not consider the relationship between the load condition and performance.In this paper a novel scheme is proposed to properly determine the duty cycle of the WSN nodes according to the load,which employs the Q-leaming technique and function approximation with linear regression.This allows low-latency energy-efficient scheduling for a wide range of traffic conditions,and effectively overcomes the limitation of Q-learning with the problem of continuous state-action space.NS3 simulation reveals that the proposed scheme significantly improves the throughput,latency,and energy efficiency compared to the existing fully active scheme and S-MAC.     

半稠密光流法的图像跟踪匹配算法

针对传统光流法图像特征缺失、边界及遮挡等处容易导致目标跟踪质量降低或丢失的问题,提出一种半稠密光流法实现图像特征的稳定跟踪。首先计算出图像中像素梯度变化较大的像素区域;其次利用时变图像灰度的时空梯度函数来计算像素的速度矢量,进而实现像素区域的跟踪;最后将状态向量作为剔除跟踪失败的依据,保留跟踪质量优良的像素区域。结果表明,该算法能有效地提高图像特征跟踪能力,保证图像中重要信息不丢失,同时保证运算速率。     

An Effective Cloud Workflow Scheduling Approach Combining PSO and Idle Time Slot-Aware Rules

Workflow scheduling is a key issue and remains a challenging problem in cloud computing.Faced with the large number of virtual machine(VM)types offered by cloud providers,cloud users need to choose the most appropriate VM type for each task.Multiple task scheduling sequences exist in a workflow application.Different task scheduling sequences have a significant impact on the scheduling performance.It is not easy to determine the most appropriate set of VM types for tasks and the best task scheduling sequence.Besides,the idle time slots on VM instances should be used fully to increase resources'utilization and save the execution cost of a workflow.This paper considers these three aspects simultaneously and proposes a cloud workflow scheduling approach which combines particle swarm optimization(PSO)and idle time slot-aware rules,to minimize the execution cost of a workflow application under a deadline constraint.A new particle encoding is devised to represent the VM type required by each task and the scheduling sequence of tasks.An idle time slot-aware decoding procedure is proposed to decode a particle into a scheduling solution.To handle tasks'invalid priorities caused by the randomness of PSO,a repair method is used to repair those priorities to produce valid task scheduling sequences.The proposed approach is compared with state-of-the-art cloud workflow scheduling algorithms.Experiments show that the proposed approach outperforms the comparative algorithms in terms of both of the execution cost and the success rate in meeting the deadline.     

基于分形理论的冰下水流流速垂线分布研究

冰下水流流速分布是冰凌生消、泥沙输移、河床演变及冰期输水的重要参考依据,基于分形理论,在前人的研究基础上,研究了冰下水流流速垂线分布规律。结果表明,依托明渠水流的若干成果,从分形理论出发,基于Einstein假定,可推出已有冰下不同形式的流速垂线分布公式;理论分析认为,冰下分区水流流速分布近似镜像,均具有分形特征,可用双对数公式表达,实测结果证明,对于弯曲河道,水流核心区流速分布均匀,并不服从对数分布,公式在运用时需考虑适用性或引入因子项;稳封期,冰盖区水流流速分布的分维值大于河床区,流速分布更均匀,而在弯道卡冰区域,由于弯道冰下水流结构的复杂性,河床区水流流速分布的分维值无规律。对冰下水流流速的研究,拓展了分形理论在水流流速垂线分布研究方面的应用成果,概化的冰下水流结构,对工程运用有一定借鉴意义。     

面向河流生态完整性的黄河下游生态需水过程研究

提供适宜的生态流量对维护河流健康和支撑人类社会发展具有重要意义。尽管栖息地模拟法物理机制清晰、应用广泛,但对生物群落考虑不足、生命节律信号缺失等问题长期存在。以维护河流土著生物群落完整性为目标,本文将天然水文情势作为参照系统,结合栖息地模拟与水文参照系统特征值,建立了一种面向河流生态完整性的生态需水过程评估方法,兼顾指示物种生存繁衍和土著生物群落基本生存。黄河下游利津断面评估结果显示:利津断面年最小生态需水量119亿m~3,适宜生态需水量130～137亿m~3,涨水期需提供1～2次持续时间不低于7 d、流量不低于1220 m~3/s的高流量脉冲。对比历史实测流量过程与本文生态需水成果,发现利津断面水量充足,但流量过程不满足生态需求。黄河需加强水库群调度,协调径流年际和年内分布,塑造适宜的生态流量过程,并适时塑造高流量脉冲。