应急资源调度问题的改进进化规划算法研究

针对应急资源调度问题,建立一种多资源时间-成本调度模型。设计了进化规划算法的全局变异算子和局部变异算子,根据全局变异前后个体适应度值和分量值的变化趋势,实现定向变异。构建了具有惩罚系数的适应度函数,给出了改进的进化规划算法种群进化策略。计算实验表明,改进的进化规划算法具有较强的局部寻优能力,在收敛速度和求解精度方面优于比较的遗传算法、差分进化算法和进化规划算法,解决了标准进化算法的早熟收敛问题。     

基于智能优化算法的车间调度问题研究

车间的生产调度是一个非常复杂的问题,本文主要介绍车间调度问题模型以及蚁群算法、遗传算法、模拟退火算法等智能优化算法的研究情况,有效的生产调度方法和智能优化算法的应用,在很大程度上可以提高企业的效益.     

工件优先级图为非连接图且含环的单机总加权拖期调度问题

为满足实际生产环境对工件加工顺序和工件到达时间的要求,提出了具有新特征的单机总加权拖期调度问题,其特点体现在:工件有动态到达时间,且由工件优先级关系构成的优先级图为非连接图且存在环的情况,对该问题建立数学规划模型,在扩展Tang和Xuan等的基础上,提出了结合双向动态规划的拉格朗日松弛算法求解该问题。在该算法的设计中,提出双向动态规划算法求解拉格朗日松弛问题,使得它可处理优先级图中一个工件可能有多个紧前或紧后工件的情况,采用次梯度算法更新拉格朗日乘子,基于拉格朗日松弛问题的解设计启发式算法构造可行解。实验测试结果显示,所设计的拉格朗日松弛算法能够在较短的运行时间内得到令人满意的近优解,为更复杂的调度问题的求解提供了思路。     

实时系统中单处理器调度算法的优化设计研究

研究实时系统的建模与调度问题是运筹与控制领域研究的热点问题, 对实时系统中的单处理器的调度算法进行了分析与研究, 特别是对其中的单调速率算法和最早时间限优先算法进行了深入的研究, 指出单调速率算法是一种典型的静态调度算法, 并且证明了单调速率算法是单处理器最优的静态优先级调度算法, 同时还指出最早时间限优先算法是一种典型的动态优先级调度算法,证明了最早时间限优先算法是单处理器的最优的动态优先级调度算法. 最后, 为了更好地进行实时系统的建模与调度, 引入了一种新的对任务执行行为进行抽象的方法--T-LET平面方法, 利用这种方法建立了单处理器流调度模型和BLREF调度算法, 并指出这种模型和算法都具有很强的几何背景.     

考虑任务优先约束的同类岸桥作业调度优化

分析了以箱组为任务对象QCSP与以整贝为任务对象QCSP的异同,指出前者更能均衡各岸桥作业负荷,并减少船舶装卸作业时间。考虑到岸桥具有作业效率差异的特点,将其视为同类平行机调度问题,同时结合任务优先约束、岸桥作业不可相互穿越与安全距离等特有约束,建立了更加符合实际的以箱组为任务对象的岸桥作业调度混合整数规划模型,其优化目标是最小化装卸作业的makespan。针对模型求解的复杂度,设计了一种遗传算法,对算法搜索空间进行了讨论,并推导了问题的低界。实验算例表明所建立的模型能够反映岸桥作业调度过程中作业效率差异及任务优先约束现象,其算法能够在允许的运算时间内获得稳定的满意解,并且优化结果要全面优于以整贝为任务对象QCSP的调度方案。     

一种类微粒群算法及其在混流装配线调度问题中的应用

混流装配生产线的调度问题是准时化生产系统中最重要的问题之一.基于微粒群算法的原理,提出了一种类微粒群算法——PPSO(Pseudo Particle Swarm Optimization),可应用于解决准时化生产方式下的混流装配线调度问题.数值试验表明,采用PPSO方法比采用目标追随法、遗传算法和模拟退火算法的求解质量有很大提高.     

基于外包决策的并行调度随机模型

在传统的并行机器调度问题基础上引入了不确定随机变量,同时考虑了以产品外包为能力拓展形式的现代生产模式,建立了基于外包决策的并行调度随机模型.模型以带有拖期惩罚函数的最大化利润为目标,以遗传算法这种进化的启发式计算方法寻找最优解.同时引入虚拟机器的概念,实现了对外包情形下机器调度问题的有效处理和简化.实例证明,该模型更符合现代生产模式,极大地提高了企业的工作效率和经济效益.     

污水活性污泥处理过程的溶解氧增益调度控制

考察污水活性污泥处理过程溶解氧控制效果的重要性能指标是溶解氧浓度的波动情况和能耗。针对溶解氧的非线性传递模型,本文提出了以溶解氧设定值作为调度变量的溶解氧增益调度控制方法。即在溶解氧设定值进行泰勒级数展开得到线性模型,采用参考模型方法设计控制器,再根据不同的调度值(溶解氧设定值),调度线性时不变控制器。仿真结果表明,本文提出的增益调度控制方法无论在能耗方面还是在控制精度方面都要明显优越于常规的开关控制和PID控制。     

多核环境下内存数据库并发调度技术优化研究

对多核环境下内存数据进行并发调度,可以减少计算机宕机次数和数据切换时时间,提高数据并发调度精度,增加数据操作平稳性。当前的内存数据并发调度方法是利用PrebuiltTrigger对内存数据进行并发调度,在调度过程中,没有设定具体的内存数据调度目标,导致内存数据库中的数据因此错乱无序,存在数据并发调度精度低的问题。为此,提出一种基于Linux的多核环境下内存数据并发调度优化方法。该方法首先采用IACT算法对影响调度进行的数据和内存数据库中相似或重复数据进行清洗,然后以清洗的数据为基础,利用启发式算法对其进行数据特征选取,依据多属性决策理论对内存数据并发调度的最优路径属性权重集合进行计算,以其结果为依据,计算调度最优路径的偏差值,最后利用最小偏差值,建立调度最优路径线性规划模型,对每条调度路径的综合决策属性值进行排序,由此得到调度的最优路径,完成对多核环境下内存数据的并发调度。实验结果证明,所提方法可以对多核环境下内存数据进行高效率地并发调度,提高了数据调度精度,增加了内存数据的可循环利用性,为低开销的内存数据调度提供了支撑。     

光纤网络中的云数据并行调度

光纤网络的通信质量受到云数据调度均衡性影响很大,为了改善光纤网络通信质量,提高网络中云数据传输的吞吐量和保真率,通过云数据并行调度,实现云数据传输均衡,提出一种基于自适应判决反馈均衡的光纤网络云数据并行调度模型。构建光纤网络通信的传输信道模型,采用最小均方误差估计方法进行光纤网络的量化融合估计,运用匹配滤波检测器进行云数据中的干扰滤波处理,结合自适应判决反馈均衡方法进行信道均衡,在均衡的信道中对滤波输出的云数据进行并行调度和多线程输出调制。仿真结果表明,采用该方法进行光纤网络中的云数据并行调度的均衡性较好,输出数据的保真率较高,误码率较低,改善了光纤网络的整体性能。