基于蚁群优化算法的同构多核任务分配与调度

针对现有流程序自动综合技术中任务分配与调度方法效率低下的问题,提出一种基于改进蚁群算法的多核任务分配与调度算法.基于建立的问题模型,改进了基本蚁群算法中的信息素更新规则和启发式信息的计算方法,并应用多样化机制避免算法早熟收敛.为了提高效率,算法创新地在确定任务分配方案的同时确定调度序列.以标准任务图集为试验对象,验证算法的有效性.试验结果表明:与模拟退火算法相比,使用改进的蚁群算法在优化程序的执行跨度时收敛速度较快,并且在相同的循环次数下,得到的解更接近最优解.     

动态柔性生产调度中的分布式协同决策

针对任务分配问题的求解，描述了基于多自主体分布式协同决策的车间层动态柔性生产调度，给出了整个调度系统及其组成单元的结构，并对任务分配过程中所运用的基于协议网模型的谈判和一种使用决策矩阵的多准则决策方法进行了讨论。     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

不确定多因素下的多属性决策在任务分配中的应用

在项目开发过程中,任务分配问题直接影响到项目的整体获益.针对这一问题,文章分析了影响任务分配的各种不确定因素,通过区间数来表示这些不确定的因素,以生产成本最低和生产质量最优为目标,建立不确定多因素下的多属性任务分配模型,有效地进行任务分配.最后通过算例进行验证,证明该任务分配模型是可行的、有效的,为解决任务分配问题提供了一种新方法.     

民用客机总装车间自动引导车任务分配及路径规划

为了实现自动引导车(AGV)在某民用客机总装车间的高效运作，提出AGV任务分配与路径规划两阶段求解方法，有效地解决了车间内AGV的多次往返配送调度问题.在任务分配阶段，提出基于行程的AGV任务分配模型，提高任务分配的效率；在路径规划阶段，采用时间窗算法，对AGV占用的地图资源进行时间窗的初始化、更新和排布，并针对由于避障和等待引起的物料送达时间无法满足的情况，设计了料包交换、优先级提前、预留时长放宽共3种递进的调整策略，实现AGV的无冲突路径规划.在数值实验中，两阶段方法应用于50、100、150个料包问题的平均求解时间分别为15.86、41.12、162.29 s,表明两阶段方法有效缓解了多行程AGV调度问题的复杂性，能在合理时间内实现民用客机总装车间AGV的调度优化，以适应民用客机年产量逐年快速递增的生产需求.     

基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.     

基于改进量子进化算法的末端配送任务动态分配模型

大多数物流快递企业的配送业务末端会按照固定的配送服务区进行配送任务分配,无法针对变化频繁、分布不均的动态配送需求进行合理的配送资源设置,造成了各个末端配送节点工作负荷不均衡的现象,并进一步导致了配送调度管理混乱等问题。针对末端配送任务分配问题建立了一种考虑配送成本,资源利用率以及工作量配比差异的配送任务分配模型,对量子进化算法进行改进。对此问题求解,提出采用量子群稳定度作为算法退出判定条件,来避免算法的早退与无效迭代问题,并引入量子变异与淘汰机制,加强了算法对可行解的搜索能力。实验结果表明,与按配送区进行分配的方案相比,算法给出的方案有效缓解了配送任务分配不均的现象,同时也有效降低了总体配送成本。相关模型和算法可以根据动态的配送需求合理地分配各个末端网点的配送任务,有助于配送业务的下一步配送路径优化和科学调度。     

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少16.67%,并具有很高的稳定性.     

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少1667%,并具有很高的稳定性.     

基于冲突成像概率的多星任务预调度算法

研究高效的卫星调度算法对于解决任务分配不合理问题,充分利用卫星资源收集地面信息,提高对地观测系统的效率具有重要意义.本文针对多星分布式协同调度模型的第一阶段预调度问题,考虑卫星性能指标和成像约束条件,将多星调度问题分解为单星自主调度问题.为求解该问题,本文通过计算任务的可用时间窗口之间的潜在冲突系数和实际冲突系数及能量系数,提出一种基于冲突成像概率的调度（Collision Imaging Probability Based Schedule,CIPBS）算法,根据可用时间窗口分布特点预测每个任务被每颗卫星成功调度的概率,从而设计任务分配方案,尽可能提高能被成像任务的总权重.本文设计了3种不同分布的任务场景来评估CIPBS算法的适应性和效率,实验结果表明均有10%～20%的性能提升.     

基于GA的维修设备备件优化配置模型研究

科技发展与军事变革使得现代武器装备的结构越来越复杂,装备维修的重要性日益突出,维修设备的备件优化问题成为制约维修工作的一个重要因素。分析了维修设备备件优化配置的必要性,从维修设备的战备可用度要求及其备件的费用约束两个方面,建立了维修设备备件优化配置模型,给出了基于GA求斛该问题的步骤与方法。     

面向多任务的弹药调度系统任务成功概率评估

<正>确评估弹药调度系统的任务成功概率,作为装备可靠性分析的重要内容,是制定装备保障方案和优化配置保障资源的重要依据。针对多任务调度系统的复杂性,以流水网络计划为框架,计算分系统调度进度时间参数。考虑工序单元故障及修复时间的情况下动态调整分系统的任务量,最终确定任务总工期。以此将任务总工期作为任务成功概率的比较数据,根据工序持续时间及故障时间分布产生随机数据,应用蒙特卡洛方法对仿真结果进行统计分析,建立了任务成功概率评估模型。并且分析了几类维修资源配置情形下的仿真操作方法,提高了评估方法的实际应用能力。最后,通过一个算例验证评估方法的有效性和实用性。     

网级路面管理系统中项目优化模型的双层优化

根据道路管理者在项目决策过程中的决策心理,将项目优化分解为资金分配和项目分配两个相互影响又相互独立的过程,并由此建立了由资金分配模型和项目分配模型组成的项目优化模型的双层优化结构.利用动态规划和遗传算法对上述模型进行了有效的求解,结果显示,该模型及算法较好地弥补了传统数学优化法计算速度慢、计算结果不能指导实际工作的缺点.     

Schedule of Wartime Maintenance Unit Based on Dynamic Programming

In order to solve the problems of scheduling the maintenance units in the battlefield, the dynamic programming method in model construction is used; the composition of dynamic planning process is explained; and the maintenance unit allocation model is established. By the solved dynamic programming model,the best allocation strategy for maintenance unit obtained in the battlefield will provide a basis for making maintenance unit allocation decisions in the future battlefield.     

基于RMA的雷达数据处理任务可调度性判定

实时系统中任务的可调度性是系统正确的关键.单调速率调度算法RMA是任务调度的重要算法，通过对雷达数据处理任务的时间需求模型的分析，使用RMA对该任务进行了可调度性判定.在分析任务两种不同的实现方法及相应时间开销的基础上，给出了这两种实现方法在RMA下可调度性判定的充分必要条件.     

基于改进贪婪式算法的AMR任务分配

采用自主移动机器人AMR(Autonomous Mobile Robot)集群智能、高效处理机场行李时,为了解决机场环境中AMR集群的分配调度问题,提出一种改进贪婪式算法的任务调度策略.根据随机行李数量,分配合适的AMR数量执行处理任务.该算法综合考虑在机场环境下行李任务的到达规律和AMR特性,据此改进贪婪选择策略,使其较其他算法更好体现行李任务与AMR之间的调度分配关系.首先,采用A*算法计算代价,能够获得更加符合实际环境的代价值;其次,对AMR进行类型划分和使用预先出发的策略,减小了任务分配时间和系统运行时间.仿真结果表明,该算法与相关文献算法相比,能够获得更小的任务分配时间和系统运行时间.     

基于CNDLS的空中多编组时限约束任务分配方法

针对空中多编组任务分配具有整体任务完成时间限制和个体任务完成时窗限制的特点,以最高任务执行效率为目标,建立了包含时限约束的多编组任务分配数学模型。分析编组在作战过程中的资源损耗,构建了编组资源能力动态更新模型,使所建模型更为符合实际作战。在动态列表规划选择任务、量子遗传算法分配编组的基础上,设计了用于求解该模型的循环嵌套动态列表规划(CNDLS)的任务分配方法。针对作战想定进行仿真计算,仿真结果表明所建模型和所提方法能通过多次迭代可实现一定资源和时限约束下的最佳多编组任务分配。     

分布式系统中基于非合作博弈的调度算法

针对分布式系统中任务调度问题,根据分布式环境下的任务调度特性,建立了一个非合作博弈的多角色任务调度框架,在此基础上提出了一种基于纳什均衡联合调度策略的分布式强化学习算法.相比于静态调度算法,该算法需要更少的系统知识.能使调度器主动学习任务到达和执行的相关先验知识,以适应相邻调度器的分配策略,目标是使得调度器的策略趋向纳什均衡.模拟实验结果表明:所提出的算法在任务的预期时间和公平性上相对于OLB(机会主义负载均衡)、MET(最小执行时间)、MCT(最小完成时间)等同类调度算法具有更好的调度性能.     

云计算环境下基于热力学演化算法的任务调度与虚拟机分配算法研究

在云计算环境下的云任务调度和虚拟机分配过程建立了数学模型,并将其转换为整数编码形式的组合优化问题,并提出了一种热力学演化算法进行问题求解。算法根据整数编码形式定义了基因熵和个体能量,并引入了温度的概念,算法中提出了两种选择策略,算法利用自由能极小值原理驱动种群向最优化方向演化。实验结果表明热力学演化算法可以有效地解决云任务调度和虚拟机分配问题,可以为云环境调度问题提供依据。     

考虑设备状态和系统风险的输电设备检修计划

为了实现以设备状态为基础、系统运行风险最低为目标的先进检修模式,根据我国输变电设备状态评估的打分制体系,建立了估计设备故障率的最小二乘数学模型;分析了现有用灵敏度指标来评价设备重要度的方法,提出以设备当前状态给系统带来的风险增量作为重要度评价指标;考虑系统负荷和设备状态的时序变化,建立了以系统电量不足期望最小为目标函数的输电设备检修计划模型.对RTS-79标准系统的计算分析表明,风险增量指标的评价结果比灵敏度指标合理,据此所制定的检修计划可使检修规划期内的系统风险最低.