基于和声退火算法的多维函数优化*

在研究和声搜索对多维函数优化问题的基础上,结合传统的模拟退火算法,提出一种混合优化算法——和声退火算法。该算法改进了和声的搜索机制,选取合理的取值概率HMCR以及动态的微调概率PAR,在和声记忆库内随机搜索,获得较高质量的新和声;然后对新和声执行一次Metropolis算法,从而增强了全局探索能力,减小了陷入局部极小值的机会。仿真实验数据表明,算法明显优于和声搜索和模拟退火算法,具有较高的求解质量和效率。     

基于蚁群算法的Hadoop调度算法研究

为有效提高Hadoop集群作业调度的效率,提出一种基于蚁群算法的自适应作业调度的方案,有效利用蚁群算法正反馈的优势特点,使Hadoop作业调度器更高效地对任务进行分配,提高整体架构的作业性能。实验结果表明,该算法能够很好的平衡资源负载,减少任务的完成时间,提高系统处理任务的性能。     

求解零空闲流水线调度问题的改进蚁群算法*

在研究蚁群算法的基础上,解决零空闲流水线调度问题的最大完工时间。改进了蚁群算法中信息素密度的初始化方法和更新规则,结合快速邻域搜索算法,解决算法易陷入局部收敛的缺点,提出了该算法解决零空闲调度问题的最佳求解策略。仿真实验表明,该算法具有高效性和优越性。     

露天矿爆破设计和分析的现代研究

在现代爆破技术中,爆破是按能量-物质-时间关系来设计和分析的。炸药的能量是用计算和分析推导出来的,而有效能量的工作潜力则用数值表示。爆破的物质是由爆破(物料)的几何形状和岩石密度来测定的。时间也是一个有关的参数,因为完成破碎过程的三个主要阶段都需要时间。为了成功地应用爆破参数,必须了解破碎过程的基本机理。把岩石的物理-机械特性、局部构造地质、炸药的热力学特性组合在一起,建立一个爆破的计算机模型,可以用它分别地预测每个参数的结果,以及用实际数值表示任一参数变化的预计程度。已开始一项长期科研项目,为加拿大和外国尽可能多的矿山建立一套岩石特性“数据库”。计算机模型已经成功地在岩石体积不变情况下,用于预测改变炮孔间隔与最小抵抗线之比(S/B)的影响。当 S/B 的比值提高到2～2.5时,爆破效果得到大大改善。高速摄影已用于确定从爆破开始时(零时)到岩体开始移动的时间。其结果有助于确定多排孔爆破所需的最短和最佳延发时间。本文所叙述的研究结果,现已被充分验证,它比以前那种根据装药系数和依靠人为的估计方法显然是优越的。