基于蚁群算法的并行测试任务调度

并行测试的任务优化调度是并行测试技术的核心问题.提出了一种用于解决并行测试任务调度问题的改进蚁群算法,通过该算法可以获得测试时间最短的任务调度序列.给出了并行测试任务调度问题的数学模型,设计了启发式函数和状态转移概率的计算公式.采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟.给出了应用实例,实际应用表明该算法是有效的,能很好地解决此类多维动态组合优化问题.     

基于自然数编码遗传算法的并行测试技术

针对并行测试任务调度复杂、难以优化的问题,提出了一种基于自然数遗传算法的任务调度优化算法。该算法将并行测试任务调度转化为对串行测试任务序列的搜索,为了提高搜索效率,引进自然数编码遗传算法搜索最优解或近似最优解,将串行测试序列作为染色体,进行选择、交叉、变异等操作。通过仿真证明该算法能够迅速得到并行测试任务调度的最优解或近似最优解。对自然数编码遗传算法的各个算子对模式的作用进行了理论分析,并得到了对应的模式定理,从理论上说明了该方法的合理性。     

一种求解带资源约束的并行机器多目标调度问题的遗传算法

探讨了双目标下,带一种资源约束的,工件成类别的并行机器调度问题.针对该问题,提出了一种遗传算法.该算法采用了两两竞赛的选择算子、聚集度、违约度来处理多目标约束优化.通过随机订单的测试,计算结果显示:对于各个单目标值,该算法比修正的EDD、LPT、SPT能改善3%~37%.     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

并行测试中死锁避免的设计与仿真

设计了一个双通道运算放大器芯片SD358D的并行测试仿真实例。实例中应用USB数据采集卡和HPVEE软件组成的虚拟仪器对两路放大器的三个指标进行并行测试。由于两个测试任务共享仪器资源,容易发生死锁。为了解决并行测试中的死锁问题,首先为并行测试建立Petri网模型,模型中的变迁发射序列与系统任务调度路径一一对应,利用遗传算法搜索模型中无死锁的序列,然后控制系统按照这些无死锁的路径调度测试任务,就可以有效避免死锁的发生。最后通过实验结果,验证了该方法的正确性。     

基于信号参数集最小距离的并行测试任务调度算法

在并行自动化测试系统中,并发执行的多个测试程序会竞争有限的仪器资源,硬件资源的分配与任务调度是并行测试的一个关键问题。而现有的并行任务调度算法不适于高度异构的并行测试系统。本文在面向信号的描述仪器资源与测试需求的基础上,提出了适合于异构系统的基于信号参数集最小距离的任务调度算法,同时给出了该算法的具体实现。实验结果表明,该算法适于异构的并行测试系统。     

分布式并行服务器的动态重构容错算法

分布式并行服务器的效率和可用性日益受到人们的关注。鉴于此,从体系结构上提出了动态重构容错模型,阐述了容错模型的数据分布和操作,并在此基础上描述了动态重构容错算法。该算法通过动态重构数据分布和操作解决了系统节点和网络故障,且使正在执行的任务不被中断。最后对比性地分析和测试了该算法的平均响应时间,说明该算法性能明显优于类似算法。此算法已成功应用于电子政务系统平台———分布式并行数据库系统DPSQL,经使用表明该算法使系统可用性和效率得到大幅度提高。     

军事信息系统服务资源分配并行优化方法

针对如何提高面向服务军事信息系统中任务工作流执行的时效性和成功概率, 提出了服务资源分配的并行优化方法. 首先给出了服务资源分配的系统框架, 在分析服务并行执行数目、 任务成功率、任务完成时间及服务执行代价之间关系的基础上, 建立了服务并行优化的目标规划数学模型, 并提出了一种求解该模型的改进粒子群算法(DPSO). 该算法通过引入粒子细微扰动、优化粒子飞行边界及粒子优胜劣汰等扩大搜索范围,提高获得最优解的概率. 实验结果表明服务分配的并行优化及其DPSO 求解算法是提高任务工作流执行成功率和时效性的有效方法.     

两层非线性规划问题的并行模拟退火全局优化

两层非线性规划问题的非凸性和非可微性给全局最优解的求解带来了较大的困难，目前还缺乏成熟的全局优化策略，同时其易并行计算特性未得到重视。提出了基于模拟退火算法的两层非线性规划问题的并行全局优化策略。融合单纯形法和模拟退火算法设计了一种并行模拟退火算法，用来求解上层问题，用精确惩罚函数处理约束。下层的非线性规划问题则采用可变容差单纯形算法完成求解。所设计的组合算法有效地结合了两层非线性规划问题的易并行性，便于实现网络并行计算。计算表明算法有着可靠的全局收敛性和较高的收敛速度。     

基于历史数据的测试任务约简和故障诊断

针对部队航电组件测试任务繁重、故障定位率低的问题,提出一种利用历史数据来简化测试任务、提高故障定位率的方法。利用粗糙集信息系统理论,建立了航电组件故障信息系统模型;基于测试任务辨识函数和诊断允许误差对测试任务进行约简;基于最短测试时间选出最优测试任务集;利用贝叶斯最大后验概率进行故障诊断推理,将诊断问题归结为不等式约束极值问题;用0-1规划隐数算法求得最优解。最后以某型飞机惯导部件为例验证了方法的快速有效性。     

基于GASA算法的网络控制系统的控制器设计

提出了一种基于遗传算法和模拟退火算法的混合策略，用于单包传输下的线性网络控制系统中远程PID控制器的设计。这种新的混合策略被称为GASA算法。由于网络导致的延迟存在，GASA算法被用于确定最佳的PID增益。在求解过程中，GASA算法在各温度下依次进行GA和SA搜索，其中SA的初始解来自GA的进化结果，SA经过Metropolis抽样过程得到的解又成为了GA进一步进化的初始种群，而温度的更新由退温操作来控制。对设定的性能指标如超调量和调整时间的违背量将作为GAsA适应度函数中的惩罚项。本文对基于Profibus-DP网络的网络控制系统进行测试，并与修正Ziegler-Nichols法的优化结果进行比较，结果表明在对网络导致的延迟没有任何先验知识的情况下，用于网络控制系统中远程控制器设计的GASA算法能够获得满意的控制效果。     

两种策略下的最短路径并行算法研究与实现

随着智能交通运输系统的研究与应用,对在大规模交通网络上求解最短路径的实时性提出了更高的要求。为了找出适用于实际交通网络的高效最短路径并行算法,首先选取了3种最短路径标号串行算法,以此为基础分别实现了网络复制及网络分割两种策略下求解最短路径的并行算法。最后,从基于G IS的交通规划软件T ransCAD中提取了实际交通路网数据,同时还随机产生了不同规模的稀疏格网,在这些网络中对并行算法的性能进行了测试和分析。结果表明,在8台机器上求解含5 181个节点的实际交通网络中32个源点的最短路径时,基于网络分割的双队列标号修正并行算法的加速比可达到6.32,在其他网络中也表现出较好的加速比及可扩展性。     

基于并行混沌和单纯形法的混合全局优化算法

混沌优化算法采用的是串行优化结构,采用并行结构进行,并不断缩小搜索空间,提高了混沌优化在变量取值范围较大情况下的搜索效率。针对混沌在全局最优点附近搜索速度变得很慢、精度较低的缺点,结合单纯形法,提高了收敛的速度和求解精度。仿真结果表明并行混合优化算法可以得到满意的结果。     

基于极大熵方法的网格资源分配策略

针对基于市场机制的网格资源分配中的出价问题,提出了一种用于并行任务资源分配的优化策略。该策略先将具有并行任务的多个用户竞争同一资源的行为形式化为一个极大极小问题,然后利用极大熵方法将其转化为一个可微的优化问题,最后通过二分搜索最优解产生一组优化的用户出价,根据这组出价按比例划分资源的计算能力。研究了用户出价函数的特征,给出了求出价组合最优解的具体算法。研究结果表明提出的分配策略具有较低的时间复杂度,从而能够提高资源分配效率,对于动态的网格环境具有更好的适应性。     

交货期窗口下的并行机调度问题的遗传算法

给出了一种求解不同交货期窗口的并行机调度问题的混合遗传算法，根据问题的特征采用扩展排列编码方式表示工件的分配和排列，利用给出的调度优先级规则和最好适应值规则相结合的启发式算法对每台机器上工件的顺序进行调整，实验表明所给的算法是有效的。     

并联式混合动力汽车控制策略的仿真研究

以发动机稳态效率图和电池的充放电内阻曲线为依据，提出了基于负荷平衡和逻辑门限方法的并联式混合动力汽车(PHEV)实时控制策略，用以控制混合动力系统的转矩分配，实现混合动力系统的不同工作模式以及模式间的动态切换。在MATLAB／Simulink环境下建立了前向式并联混合动力汽车系统模型，通过仿真进行控制策略的辅助设计并验证了控制策略。当前开发的控制策略已经应用于实车，监测情况表明是实用的。