排队系统的非平衡动态指派模型及战时维修应用

战时装备抢修的任务调度问题是跟排队论、任务指派与动态规划有关的交叉问题,具有一定的代表性,可归结为排队系统的非平衡动态任务指派问题.该问题目前尚无简便有效的求解方法.结合动态规划与匈牙利算法的优势,提出了剖面降维、补项截余、消元归简的三步法,将原命题逐步分解转换为已知求解方式的问题,简化了运算过程.最后,以坦克团的一次进攻战斗为实例,利用Matlab软件实现的装备战损及抢修仿真,验证了此法的可用性和有效性.     

平衡分式指派问题

在经典指派问题和瓶颈指派问题研究的基础上,给出了平衡指派问题的一种新的演变形式,即带有分式目标函数的平衡指派问题,并提出了求解该平衡分式指派问题的多项式时间算法,阐述了算法的有效性,并且给出了时间复杂度,还通过一个算例演示了此算法。     

关于指派问题求解过程的改进

在应用“匈牙利算法”解指派问题的基础上，提出了“不平衡指派问题的解法”等指派问题求解过程中应注意的三个问题。     

元素差额法在指派问题中的应用

元素差额法求解指派问题的目的在于克服原匈牙利法较繁琐的求解步骤，该方法提出了便于掌握的近似求法。此种方法虽在人员和任务数不多时不够理想，但当人员和任务数较大时优势明显，可以节省大量计算步骤，很方便求出近似最优解。即使非要求出最优解，也可在近似最优解基础上，通过闭合回路法进行调优，得到最优解。     

基于遗传算法的作战资源优化分配

针对目前作战资源优化研究中存在约束条件过于简单的问题,充分考虑资源的使用范围、使用条件、持续工作时间、寿命等自身局限和资源执行不同任务时,要满足相应的约束等,建立了非平衡资源优化指派模型,并利用遗传算法对模型进行求解,最后给出了一个算例,验证了模型的实用性和算法的有效性。     

一种基于伏格尔法的指派问题新算法

指派问题是一个应用广泛的运筹学问题.用伏格尔(Vogel)法以及闭合回路验优和调优的方法给出了指派问题的新算法,该算法避免了匈牙利法可能导致死循环的缺陷.并编制了通用高效的计算机程序,该程序能求解任意n人员n任务的指派问题.     

边坡稳定性任意条分法分析中安全系数的计算

基于边坡稳定性分析的任意条分方法, 在单元静力平衡分析中引进作用在边界上的虚拟平衡力, 满足边坡安全系数求解过程中单元静力平衡的要求. 分析了虚拟平衡力与边坡安全系数间的变化规律, 研究了通过迭代求解非线性方程确定在虚拟平衡力趋于零时边坡安全系数的基本原理. 研究结果表明:基于给出的算法,通过迭代求解安全系数, 收敛速度快;在迭代初期,平衡力与安全系数间有较复杂的对应关系;当迭代次数大于某一值后,平衡力随安全系数的增加而单调地变化.     

二维应力分析的虚拟体力法

对于二维弹性问题,将虚拟体力设置在城外的假想边界上,采用二次插值对虚拟体力进行离散。根据弹性问题的Ｋｅｌｖｉｎ基本解,建立了虚边界积分方程,推导了各类边值问题的数值求解公式。算例表明,与传统边界元方法相比,本文方法求解思路简洁;与配点法相比,本文方法仅需少量的单元即可获得较高的数值精度。     

求解指派问题的伏格尔方法

通过对指派问题和运输问题的数学模型及其求解方法的分析比较,指出了作为运输问题特类的指派问题的特征及通常求解方法的弱点,在此基础上给出了求解指派问题的伏格尔(Vogel)方法的思想和步骤,并利用文献的数据给出具体的例证.     

指派问题应用实例研究

在生活中经常会遇到这样的问题,有n个人,计划做n项工作,其中cij表示第i个人做第j项工作的收益,要求每个人完成一项工作,一个工作只能由一个人来完成,现求一种指派方式,使总收益最大,这类问题称为指派问题。在分析指派问题的求解上,匈牙利法是目前应用最广泛的算法,也是比较基础的算法。Excel方法利用常用的办公软件,只需在设置好的模板中输入相应的效益矩阵的值就可轻松求解。本文通过举例求解了解了各种方法,找出了各种方法适用的环境,并探索了求解指派问题在现实中的应用。     

云计算环境下多级映射作业调度算法的研究

云计算是一种新兴的资源使用和计算交互模式,是目前商业机构和科研机构的研究热点之一.在云计算环境中用户需求和资源的分布对该环境中作业调度的影响很大,虚拟技术的使用使云计算环境中的作业调度与传统的作业调度存在很大的差别.针对云计算环境特点,根据用户的需求将作业进行分类,同时将资源分类,引入中间代理节点进行任务调度,形成多级映射作业调度算法,提高作业的并发度,使总任务完成时间缩短.通过实验验证多级映射作业调度算法是一种可行的作业调度算法.     

基于动态影响因子的任务分配策略

针对当前任务分配问题的现状和不足,综合考虑任务难度系数、责任意识、经验值、任务负载平衡、能力、社会关系、兴趣度、任务预期执行时间等对任务分配的影响,提出了一种基于动态影响因子的任务分配策略.     

一种P2P流媒体数据传输任务分派算法

定义了P2P流媒体数据传输的数学模型,提出了一种具有最小缓冲延迟的P2P流媒体数据传输任务分派算法MBADP2P,算法考虑已分派/待分派资源块情况、当前网络中各节点可提供的出口带宽和各资源块实际产生的缓冲延迟,将待分派资源块动态测试分派到相关节点,计算出具有最小缓冲延迟的传输分派方案．算法可根据网络环境的变化动态调整任务分派方案,更适合于实际的应用环境．测试结果显示,在非特定假设情况下,该算法的缓冲延迟小于其他已知的任务分派算法．     

基于操作角色的工作流任务分派模型

在分析与定义任务分派策略阶段性结果——操作角色的基础上定义了工作流任务分派模型,并定义了一个与之相适应的动态组织机构模型,目的是真正支持用户关于合理的动态的任务分派需求．     

并行数据采集器任务分配策略的设计与实现

介绍了搜索引擎数据采集器的并行技术 ,分析了并行数据采集器的任务分配模式及其工作原理 ,讨论了任务粒度对动态分配效果的影响 ,并提出了动态分配模式下的任务分配策略 ,最后介绍了SunONEGridEngine的任务调度机制 ,并利用SunONEGridEngine对所提出的动态任务分配策略进行了实现     

一种多无人机层次化任务分配方法

针对大规模任务分配问题,为了提高任务分配的效率和合理性,提出了基于任务依赖关系和ISODATA算法相结合的任务分组方法。在任务分组基础上,从无人机负载均衡的角度出发,提出了基于资源福利的任务组级粗粒度任务分配方法,结合粒子群算法提出了任务组内的细粒度任务分配算法。通过实验仿真验证所提方法有效,且性能和灵活性较普通任务分配算法有较大的优势。     

基于能量惩罚的多机器人任务分配优化方法

针对多机器人任务分配中存在的能量消耗不均衡问题,提出了基于能量惩罚策略的遗传算法完成任务分配与任务序列的优化过程.首先,建立多机器人任务分配的数学模型,每项任务设定不同的难度系数,以机器人完成任务所消耗的总能量为优化目标,并确定安全能量的约束条件;然后在每次迭代中通过计算每个机器人相对平均能耗的超额进行能量惩罚以寻求能...     

遗传算法在期刊数字化任务分配中的应用

针对印刷图文信息处理专业在期刊数字化的实践过程，提出了一种自适应的实践任务分配方法，并改进遗传算法中基于排序的适应度方法，建立了任务分配优化模型，实现全局最优。实验结果表明，采用遗传算法进行项目分组实践可以使得整体制作效果获得较佳的状态，且优于同类其他方法。     

基于多智能体深度强化学习的空间众包任务分配

针对现有空间众包中的任务分配大多只考虑单边、 短期利益和单一场景的问题, 提出一种基于多智能体深度强化学习的空间众包任务分配算法. 首先定义一种新的空间众包场景, 其中工人可以自由选择是否与他人合作； 然后设计基于注意力机制和A2C(advantage actor-critic)方法的多智能体深度强化学习模型进行新场景下的任务分配； 最后进行仿真实验, 并将该算法与其他最新的任务分配算法进行性能对比. 仿真实验结果表明, 该算法能同时实现最高的任务完成率和工人收益率, 证明了该算法的有效性和鲁棒性.     

基于双最短时间的运输分配研究

以运输分配为研究对象，提出了先遣需求完成最短时限和总运输时间最短问题，并给出了问题的网络模型。运用图论知识，构造了基于网络最大流算法和最短时间流算法的计算步骤，算例表明，本算法可有效地解决运输问题。