基于蚁群算法的网格资源分配与调度研究

网格环境下的资源分配与调度是一个NP难问题,蚂蚁算法是解决这类问题的有效算法.文章提出了改进的蚁群算法.该算法采用伪随机比例规则,不仅在网格计算资源完成任务后进行信息素的整体更新,还要求预分配网格计算资源时进行信息素的局部更新.模拟实验表明该算法是一种快速,有效,负载更均衡的算法.     

基于蚁群算法的多QoS约束海量数据网格任务调度

针对海量数据计算网格任务调度问题,提出一种多Qos约束网格任务调度蚁群改进算法,优先考虑与数据存储网格结点间数据传输效率高、完成任务概率高的网格计算资源,通过调整蚁群算法中信息素挥发因子和传输导向因子的更新方法来提高算法的收敛速度和全局最优解搜索能力,从而达到调度目标最优.仿真实验结果表明,该算法与QoS-Min-min和QoS-Sufferage等同类算法相比,具有较好的综合性能,特别是在计算数据文件较大时,该算法在收敛速度和全局最优解搜索能力方面有明显的提高.     

基于改进粒子群-蚁群融合算法的网格资源分配方法

为有效解决网格计算中的资源分配和任务调度问题,提出一种改进粒子群-蚁群融合算法.该算法通过改进的离散粒子群算法对信息进行优化调度,产生优选的调度列表,并通过该列表产生改进蚁群算法的初始信息素,有效克服了粒子群算法后期局部搜索能力差和蚁群算法前期盲目搜索的缺陷.理论分析和仿真实验表明本文算法具有较好的性能.     

网格工作流中基于优先级的调度方法研究

根据网格用户的身份、信誉，以及网格工作流中应用程序的时间紧迫度和依赖关系，提出了网格工作流中应用程序的优先级计算方法．其中，完全优先级调度算法根据网格工作流中的应用程序优先级向量生成调度序列，而且每次只将队列中优先级最高的应用程序提交给网格，而非完全优先级调度算法可同时调度若干无依赖的网格应用程序进入网格，以弥补完全优先级调度算法的并行化问题．实验表明，当网格中的资源较少且资源的性能差异较大时，使用完全优先级调度算法可以保证优先级较高的工作流的应用程序优先使用优势资源；当网格中的资源性能差异不大时，非完全优先级调度算法可解决因资源未充分利用而造成工作流完成时间大幅增加的问题．     

基于网格系统的人脸识别算法的实现

网格计算是近年来逐渐兴起并不断发展的技术，目前广泛应用于分布式超级计算、分布式仪器系统、数据密集型计算和远程沉浸等多个研究领域。常规人脸识别系统中的更新算法都是基于单机的串行算法，在处理大量数据的时候速度慢，效率低，介绍了网格计算在人脸识别系统中的应用，把原来的人脸数据更新串行算法改为并行算法并通过编写MPI并行程序移植到该网格计算平台中运行，实现了原有人脸识别系统中更新算法的分布式处理，增强了系统处理大量数据的能力，以达到提高系统性能的目的。     

基于智能蚁群算法的双序列比对方法

序列比对是生物信息学中一项重要的基础性研究课题。提出了一种基于全新的信息素改变策略的智能蚁群算法,该算法利用历史最优信息来更新信息素,避免出现早熟现象,加速算法的后期收敛。实验表明该方法是有效的和可行的。     

一种基于经济模型的网格资源调度算法

将贪婪算法推广，针对计算网格提出了一种基于经济模型的资源调度算法.将网格计算环境下一组相互独立的计算任务（Meta-Task）的资源调度问题看作是具有限定条件的最优化问题，根据网格用户提供的“deadline”和“budget”，每次选择使得执行最短的任务进行调度.通过在Gridsim环境下的分析与比较，该算法在满足用户要求的QoS需求同时，能够以尽可能少的时间完成任务.     

QoS多约束单播路由算法的研究与实现

介绍了蚂蚁算法基本原理，将蚂蚁算法应用于解决QoS多约束单播路由问题，针对QoS路由中的带宽、丢包率和时延3大约束问题对原有算法模型进行改进。在改进后的算法中，对于同一路径的不同路段给予不同的信息素更新量，而且用时变函数来代替原算法中的信息素更新常量，最后用OPNET网络仿真工具验证了该算法的有效性和正确性，并以图形比较了改进前后算法的优越性。     

基于超顶点交流策略的并行蚁群算法

通过分析影响并行蚁群算法性能的诸多因素，以提高算法效率减少通信量为主旨，提出了1种基于超顶点交流策略的并行蚁群算法．在该算法中，处理机之间交流的内容不再是最优解或信息素矩阵，而是由若干个顶点组合成的超顶点，从而改变了计算粒度；其次，又提出了1种更忠实于真实蚁群信息系统的基于信息素递减的信息素更新方法，减少了最优解对蚂蚁后选择路径上信息素的影响．通过对TSP进行的实验表明，与其他交流策略的并行蚁群算法相比，该算法有较强的全局收敛性和更快的寻优速度．     

用八叉树数据结构自动生成三维网格的算法设计

针对计算冶金学中几何空间离散－网格生成的问题，利用数据结构技术，建立了三维网格自动生成所需八叉树数据结构，设计了八叉树遍历及子结点编码算法，应用该算法开发了三维网格自动生成软件，该软件与数值计算对象输入软件相联接，能够将数值计算对象离散成由直六面体组成的网格系统，该算法保留了修正八叉树算法的优点同时由于采用直接八叉树数据结构算法更加简便．     

基于任务预处理的信息系统查询方法研究与应用

针对企业信息系统中查询处理时间较长、响应较慢等问题,提出了一种基于Agent和XML技术的查询优化算法。首先每个用户根据自己的工作任务和计划定制查询任务,然后将所有用户的任务放入一个任务池,接着通过任务调度算法逐个执行每个定制任务,最后存储执行结果。当用户需要这些数据时,直接取出缓存的结果返回给用户。实验证明,该方法大大节约了用户提交查询后的等待时间,提高了用户的工作效率。     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.     

蚁群神经网络在变压器故障诊断中的应用

针对蚁群算法收敛速度慢的问题, 提出了一种改进方法, 通过为蚁群算法增加一种收敛因子, 使其在信息素的全局更新中为每次迭代产生的最优路径赋予额外的信息素增量, 降低了算法陷入局部最优解的可能性。分析了改进蚁群算法的收敛性, 并对其寻优能力进行了测试, 结果表明, 改进蚁群算法具有较强的寻优能力和较快的收敛速度。用改进蚁群算法优化神经网络并将其应用于变压器的故障诊断, 与BP神经网络诊断结果对比, 蚁群算法优化神经网络具有更快的收敛速度和更高的诊断精度。     

具有纠错能力的截止期优先调度

基于实时任务错误分析, 提出一种具有纠错能力的最早截止期调度算法FR-EDF, 并给出该算法的充要条件, 证明了已有相关结果是该充要条件的自然推论. 所提出的算法适合处理周期性实时任务, 又能兼顾处理非周期性实时任务, 同时还可以纠正两个错误发生的时间间隔大于某一常数的单个错误.     

基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.     

一种基于蚁群算法动态均衡的网格任务调度

网格资源分配属于NP-难问题,为了更好地解决该问题,首先建立一种性能QoS优化的作业级网格任务调度模型和目标函数,并对资源和任务数进行了分析.提出了基于动态信誉度的改进蚁群算法RACO(reputation-based ACO)进行网格任务调度,RACO引入空间效率和时间效率的动态调节因子,同时采用局部和全局信息素更新策略.仿真实验表明,RACO在资源利用率、动态均衡方面优于Min-min,Max-min和ACO算法.     

基于蚁群优化算法求解最大团问题的研究

蚁群算法是一种通过模拟自然界中蚂蚁觅食行为而发展而来的新型启发式仿生优化算法,提出至今被研究人员广泛应用于各种组合优化问题.最大团问题是图论中著名的NPC问题,本文对于基本蚁群算法进行了分析与讨论,针对基本蚁群算法的容易陷入局部最优解、收敛速度慢等问题进行了改进,提出了一种新型蚁群优化算法.本文提出的新型蚁群优化算法增加了结点度和历史选择次数表策略影响蚂蚁选点;另外提出了构造独立的局部信息素更新机制.最后通过对比实验验证,数据结果证明新提出的优化算法相对于基本蚁群算法的优越性和可行性.     

实时调度中的最好响应时间精确分析

计算了抖动分析依赖的最好响应时间和最坏响应时间,计算最好响应时间时假定了任务的截止期小于或等于其周期.在实时调度研究中,引入i级繁忙周期,精确分析任意相位固定优先级抢占调度的最好响应时间,分析中证明存在一个任务的最佳完成时刻.通过构造i级繁忙周期中的扩展作业,推导扩展作业的最佳完成时刻,得到截止期大于其周期的实时任务最好响应时间算法,并在推导过程中证明了算法的正确性.     

一个规划AGV行走方案的新算法

针对AGVS(自动导引小车系统)柔性问题的研究现状,提出了一个AGV行走方案规划的新算法,处理因生产任务临时调整而引起的AGV路线调整,给出了该方法可行性的严格证明。该算法在路线调整操作中简单易行便于实施。