基于拍卖和免疫优化的网格作业分配机制

基于微观经济学方法和群体智能算法,设计了一种网格作业分配机制.首先建立网格资源管理模型,然后对经典拍卖模型进行了改进,通过拍卖过程对网格资源定价;引入亲和度函数,通过抗体生成、选择、克隆扩展、免疫记忆、自适应变异和调整等操作,基于改进的免疫优化算法,寻找最佳作业分配方案,兼顾时限和成本.基于GridSim对该机制进行了仿真实现,与现有的两种作业分配机制进行了性能对比,结果表明该机制更优.     

一种基于拍卖与群体智能的作业分配方法

基于微观经济学与群体智能知识,设计了一种网格系统中的作业分配方法.该方法首先基于改进的英国式拍卖模型确定资源购买者和资源提供者之间的资源交易价格,然后使用混沌搜索混合粒子群优化算法寻找作业分配方案,通过引入适当的适宜值函数,达到了兼顾时限与成本的目的.仿真结果表明,与现有的一些方法相比,该方法是可行和有效的,作业对资源的分配较均衡,效用较高.     

基于多物品拍卖的网格资源映射算法

提出基于多物品拍卖的资源映射算法.该算法借鉴市场模型中的拍卖机制,通过用户代理、资源代理和资源的交互作用,限制资源的欺骗行为,得到资源映射结果.证明了该算法的收敛性、真实性和收益最优性,给出了无效边界的大小.对GridSim网格仿真包进行了修改,建立了模拟实验环境.模拟实验表明,算法需要较少的交互量,与传统算法相比,该算法能够有效地配置资源和满足用户的服务质量需求.     

基于改进遗传算法的网格资源调度研究

网格资源调度问题是一个NP问题,遗传算法可以有效地解决这类问题。针对基本遗传算法收敛速度慢的不足,提出了一种改进的遗传算法。该算法采用资源与任务一一对应实数编码方法,更好地适应了任务调度问题的特点。实验数据证明,改进后的遗传算法即具有全局搜索能力,又具有较快的收敛速度及较好的性能。该实验达到了以实现网格任务调度的最优跨度为目标的实验目的。     

基于可信度策略的校园网格作业调度算法

为了实现校园网上的资源共享,降低资源浪费,文中讨论了基于网格技术的校园网作业调度模型,并设计和实现了基于可信度遗传算法的作业调度方法.该方法采用资源可信度策略,同时结合遗传算法的优点,满足了网格对调度系统可扩展性和全局最优调度的需求,从而使调度系统具有了一定的自主性和智能性.实验结果表明该作业调度方法收敛速度快,全局寻优能力强,整体性能优于其他调度算法.     

网格资源协同分配模型的研究

针对网格资源协同分配问题,提出了基于市场机制的具有分布式特性的网格资源协同分配模型(MGRM).采用了多单位组合拍卖模型(MUCA)对网格中的资源协同分配进行建模,并使用分支界限法求解多单位组合拍卖问题,从而得到网格资源协同分配问题的最优解.针对网格任务和资源特性,对现有的分支界限法解MUCA进行改进,根据搜索路径上当前可用资源估算MUCA问题的投标上限.试验仿真表明,改进后的算法效率大大提高,证实MGRM模型适合于具有大量任务和资源共享的广域网格环境.     

基于遗传算法的组合拍卖竞胜标的优化设计

组合拍卖在电子商务中是一个十分重要的应用领域,它不仅能够提高拍卖的效率,而且还能降低竞标人的风险,因而这种拍卖方式具有广阔的应用前景。不过,在组合拍卖的机理设计中,组合拍卖竞胜标的确定问题却是一个NP难题。本文在研究该问题模型的特性基础上,通过引入“智能算法”的思想,在遗传算法中采用嵌入优先适合启发式规则和设计合理的惩罚函数设计出了求解该问题的优先适合启发式遗传算法。     

云环境下基于双向拍卖的资源定价模型

针对云资源的特点,提出了一种双向拍卖模型,该模型利用供应商的资源使用情况来影响供应商的报价,并对买方的报价进行排序,测定获胜者;考虑了按照价格排序测定获胜者后剩余资源的问题,提出了避免剩余资源浪费的解决办法;最后,当获胜者全部测定完毕后,给出了收费函数,利用分段的方式解决了部分客户价格过高的问题,激励客户提高出价,增加供应商的收益。     

基于遗传算法的防空作战目标分配模型

根据现代防空导弹混合配置的特点,建立了基于遗传算法的防空作战目标优化分配模型,有效地解决了防空导弹目标优化分配这一复杂而困难的问题,从而提高了防空导弹武器系统的作战效能。     

基于遗传算法的公路养护资源最优分配

为寻找资源最优分配时的养护策略,采用遗传算法进行求解.将多年养护策略表示为染色体,每种养护方式采用二进制编码形式用两个基因表示,各年的养护策略由路面和桥面两部分构成,并通过试验标定遗传算法的主要参数;为提高养护资源利用率,在分别进行路面和桥面养护资源独立优化分配的基础上,使二者资源实现共享,进一步提高了养护后设施的性能.算例结果表明,基于遗传算法的最优养护策略使养护后的路面和桥面性能分别提高1.8%和0.4%.     

基于单亲遗传算法的飞行机组指派技术

航空公司机组人员指派是一个NP疑难问题.现在航空公司的排班工作存在着排班人员工作量大,排班过程效率低,值勤成本高,排班结果机组人员不满意等等的问题.为解决这些问题,采用单亲遗传算法,利用计算机技术,对机组人员进行合理的排班.通过与改进遗传算法进行比较,单亲遗传算法收敛速度更快,能够得到更合理的机组指派结果.     

基于多Agent和遗传算法的制造网格资源调度

为了保障用户的多QoS要求,在制造网格资源调度中引入灵活健壮的协商机制和高效的资源调度算法尤显重要.为此提出基于多Agent的制造网格资源调度方法,运用合同网协议作为多Agent的协作协议并根据制造网格资源调度需求运用遗传算法作为资源优化组合的算法.综合应用多Agent开发工具JADE和遗传算法工具包JGAP进行模拟调度实验,证明了方法的有效性.     

基于遗传算法的路径柔性作业车间调度优化

针对柔性作业车间调度问题中加工路径的多样性,以最长完工时间最短化为优化目标建立调度模型,采用遗传算法进行模型求解。提出一种基于工序与机器编码相融合的二维矩阵编码方法。在遗传进化过程中,通过附加方法产生新个体以扩展搜索范围,对交叉和变异算子进行了分析。通过算例验证了该算法的可行性和有效性。     

基于改进遗传算法的网格任务调度

为在网格环境下完成任务调度,使服务运行时间和费用2个指标达到最优化,将这2个指标作为网格任务调度模型的衡量指标,将计算经济模型引入网格资源管理,改进了遗传算法。算法中的染色体编码采用间接编码方式,对每个任务占用的资源编码,即实数编码方法。生成初始种群时采用随机生成种群和根据某些先验知识生成种群这2种方法相结合,变异操作时根据原来染色体的适应值和适应度函数进行有目的的随机变异。通过网格仿真平台GridSim对该算法进行模拟验证,并将其与简单遗传算法及GridSim中经济模型下时间最优算法DBC_Time比较,试验结果证明,其能较好完成网格环境下任务的调度,实现时间和费用双目标优化。     

网格计算环境下基于PERT方法的调度算法

在网格计算的资源分配过程中,一般基于费用-时间的DAG调度算法中的假定作业执行时间是确定的,为了解决这一局限性,提出了在网格计算的资源分配中使用基于计划评审技术的调度算法.采用PERT方法中的三时估计法及GridSim仿真软件包进行算法实现,通过用户任务完成时间的概率分析,证明该算法具有较强的实用性.     

基于混合算法求解指派问题

本研究建立了指派问题的数学模型,提出了以遗传算法和蚁群算法相结合的思想及其解决方案．算法主要是将每一个任务作为一个基因位形成染色体,以遗传算法控制寻优方向,更适宜解决组合优化问题．实验结果表明,使用此算法解决指派问题,提高了搜索效率,能够在短时间内找到最优分配方案,证明该算法是可行的．     

基于改进型免疫遗传算法对网格中独立任务调度问题的研究

在研究现有任务调度算法的基础上,借鉴生物免疫系统原理中抗体多样性产生及保持机理,定义了基于抗体的矢量距离、亲合力及浓度相关的选择概率,这样可以在进化过程中保留优秀个体,同时抑制抗体群陷于同一极值而停止进化的早熟现象;另一方面,提出父子竞争(PCC)交叉算子和基于浓度调节机制的变异概率,提高抗体群进化速度的同时保留优秀抗体.仿真实验结果表明,算法与其它调度算法比较,更能有效地实现资源的分配,可以成功应用于网格环境下独立任务调度.     

基于遗传算法的光电干扰任务分配模型

 为评估光电干扰目标的威胁度,选取了目标的类型、速度、高度、距离、角度和目标的航路捷径等指标,构建了干扰任务分配模型,应用遗传算法对分配任务模型进行了求解,并通过实例验证方法的可行性。