时序约束下科学工作流的动态调度研究

随着分布计算技术的迅速发展,利用广域分布的计算资源构建并执行科学工作流,已成为当前学术界和工业界关注的热点问题.为满足用户和计算控制机制的需求,往往需定义科学工作流的时序约束.但是,由于任务处理时间具有不确定性,在运行过程中容易出现时序违反.为保证科学工作流的正确执行,迫切需要能根据实时运行状态自动实现动态调度的方法.针对已有研究方法的不足,本文提出了一种基于遗传蚁群混合算法的科学工作流动态调度优化方法.首先,建立了时序约束下的科学工作流动态调度模型,该模型综合考虑了科学工作流的时间与成本优化目标,并融合了基于概率的时序约束满足性需求;然后,采用改进的遗传蚁群混合算法实现模型求解.该算法通过设计提高种群搜索导向性及保持种群多样性的策略,从求解精度及求解速度两方面提高了求解效率.最后,通过与现有方法的多组实验对比,说明了本文算法的优越性.     

云计算环境中SBS应用动态资源分配方法

建立了一个SBS（基于服务的系统，service based system）应用端到端性能评价模型，并在该模型的基础上提出了SBS应用动态资源分配方法，该方法通过将静态的初始资源分配和动态的资源分配方案调整相结合，能够适应用户访问行为的动态变化，保证SBS应用端到端性能. 在SBS应用动态资源分配问题求解中，提出了服务吞吐量约束确定算法并在此基础上 给出了SBS应用动态资源分配算法，该算法根据SBS应用吞吐量约束确定服务资源需求量并在此基础上通过起始服务 到服务间的转移时间计算服务的资源分配时刻，从而能够在保证SBS应用端到端性能约束的同时提高资源利用率. 实验验证了所提出的基于SBS应用端到端性能评价模型的动态资源分配方法的有效性.     

基于改进微粒群的分布式工作流调度优化

为了提高分布式工作流的执行效率,通过研究微粒群算法PSOA的机理,结合分布式服务工作流调度的特点,提出了基于整数二进制编码的微粒群算法IBPSOA.IBPSOA采用服务类、服务实例作为整数-二进制编码方式,重新定义了微粒群算法的加/减法和乘法,增加了特殊的绝对值运算,速度与位置的更新加快了向最佳目标收敛的速度,实现了工作流优化调度.通过仿真实验和原型系统的运行,验证了IBPSOA算法是解决分布式计算环境下工作流调度优化问题的一个有效途径.     

基于DPSO最小碰集算法的掩盖故障识别

针对可测性分析中掩盖故障识别的难点,提出一种掩盖故障存在性的判定及计算其冲突集方法;并将离散粒子群算法(discrete binary particle swarm optimization,DPSO)用于求解冲突集的最小碰集,实现掩盖故障最小碰集的求解;为克服DPSO易陷入局部最优的缺点,还比较了惯性权重对DPSO算法性能的影响。实例验证表明:与求解掩盖故障的其他方法相比,惯性权重线性变化的DPSO算法不仅提高了算法效率,而且避免了其他算法求解时容易出现"计算爆炸"的问题,尤其适合于识别大型复杂系统的掩盖故障。     

面向预警卫星调度问题的改进粒子群算法

针对预警卫星调度问题的特点,提出了改进型粒子群算法。首先构建了粒子整数编码和解码机制,使粒子编码对应资源分配方案;其次,采用基于优先级的粒子群初始化机制,提高算法对可行解空间的遍历效率;其次对运算符进行重定义,解决基本粒子群算法无法处理离散变量优化问题。最后将改进的离散分群粒子群算法应用于预警任务—资源的调度问题中,实验结果表明,同其它算法相比,该算法具有较高求解性能。     

资源约束的拼件维修模型与粒子群求解算法

为了获得最优的装备作战单元的拼件维修方案与任务分配方案, 建立了一种同时优化拼件维修方案与任务分配方案的非线性规划模型, 模型中同时考虑了不同任务对武器系统的具体需求、武器系统的客观情况、维修资源约束, 可以最大化地协调任务、装备群与维修资源之间的矛盾, 所以更加贴合实际. 设计了基于粒子群算法的求解算法, 包括算法框架、粒子的表示、初始化、适应度函数、更新方法等. 最后, 应用该粒子群算法对具体实例进行了求解, 分析表明模型与算法可以有效地优化任务分配方案与拼件维修方案, 提高装备作战单元任务成功概率, 为决策者制定决策提供指导.     

最小化流水时间的工作流资源优化模型和算法

资源在工作流实例间的分配决定了工作流实例中活动的平均处理时间和等待时间,针对优化资源分配,研究使整个工作流的流水时间最小问题。总结了最小化工作流实例的平均响应时间问题的目标和约束条件,提出了以工作流实例平均响应时间最小化为目标的求解最优资源配置数量的方法;建立了最小化工作流时间属性的工作流资源优化数学模型,设计了改进的遗传算法。仿真实验显示,通过适当增加调用的资源数量可减小工作流实例平均响应时间,优化工作流的流水时间。模拟实验通过将提出的改进算法与传统遗传算法的对比,验证了算法的计算效率。     

基于CBPSO的板级电路测试性设计优化方法研究

基于边界扫描的板级电路在测试性改善一定条件下,设计复杂性最小化问题属于组合优化问题,同时也是NP-难题.针对该组合优化问题提出了基于混沌二进制粒子群优化的求解方法.该方法在二进制粒子群优化的基础上,对当前最佳粒子以变概率进行混沌优化,引导粒子跳出局部最优继续在全局范围内搜索,从而克服二进制粒子群的"早熟"收敛.通过实例验证,该算法在优化效果、搜索效率等方面均获得了较好的结果.事实证明,该算法能有效地应用于板级电路的测试性设计优化.     

雷达网信息传输能力评估方法及仿真分析

基于连通概率、时效性函数、误信率的具体界定,对雷达网的信息传输能力进行了研究,并提出了一种具体的定量评估方法。该方法将时效性函数定义为各通信链路传输时延与连通概率乘积的加全和,优化了时效性函数的求解。结合雷达情报网的应用实例,对树状网络结构的信息传输延迟因子进行了动态仿真分析并给出了具体的算法。通过仿真实验证明了该评估方法的有效性和实用性,为警戒雷达网的优化部署提供了理论依据。     

双倍体差分进化粒子群算法在VRPSDP中的应用研究

针对粒子群算法和差分进化算法的不足,根据生物遗传学规律,提出了双倍体差分进化粒子群算法,并将其用于具有集送货需求车辆路径问题的求解中.个体有显性隐性两种状态,显性状态执行粒子群优化规则,隐性状态执行差分进化规则,通过比较适应度显性隐性可以互换.根据算法和问题特点,提出了一种实数编解码方案,使用启发式算法修正和改进算法结果.通过仿真实验,分析讨论了算法的参数,并与其他算法进行了比较,表明该算法是求解具有集送货需求车辆路径问题的有效方法.     

资源与活动多对多关系下面向成本的业务过程资源配置优化

资源配置优化是业务过程管理的一个重要内容和目标，可以有效地提高业务过程的执行效率. 采用基于数学模型的数值化分析优化方法，研究了资源与活动之间多对多关系下面向成本的业务过程资源配置优化问题. 基于集合理论建立了面向成本和资源配置分析优化的业务过程模型，提出了在确保业务过程稳定执行（或达到一定处理能力）条件下的面向成本最小化的资源数量配置和任务分配数学模型，采用分枝定界联合启发式方法设计了快速有效的求解算法. 案例研究表明提出的资源配置优化方法是可行的和有效的.     

基于混合遗传退火算法的并行测试任务调度优化

并行测试任务的优化调度是并行测试技术的核心问题之一。可以充分利用混合遗传退火算法优异的全局最优搜索能力来寻找具有最大并行率的并行任务序列。首先,建立了并行测试任务调度问题的数学模型;给出了并行率的定义,设计了一种满足资源约束与任务时序约束的基因编码方法及相应的遗传退火操作方案。最后,对实例进行仿真实验,结果验证了该算法的有效性及优越性。     

基于数学规划的应急组织指派优化问题综述

如何采用数学规划方法优化应急组织指派策略,提高大规模自然灾害中人力资源的利用率,减少各种损失是当前亟待解决的重要课题。在应急组织指派优化决策框架的基础上,从任务顺序和目标数量2个维度,梳理了应急组织指派数学规划模型的研究现状;梳理了应急组织指派优化模型求解算法的进展;总结并指出了应急组织指派优化仿真建模中亟待深入研究的问题。     

基于RHP-IVFSA的多智能体编组#br# 任务分配动态优化

智能体编组协同作战中任务分配的动态优化问题，提出一种基于滚动时域策略的多编组任务分配动态优化方法。以任务执行效率为目标函数，建立了满足个体任务时窗和编组资源损耗约束的问题模型。给出与突发事件特征对应的预测窗口、滚动窗口和滚动驱动机制。设计了一种改进快速模拟退火对优化子问题予以求解，给出解方案表达、邻域解生成、冲突消解等步骤，采用高温随机贪婪搜索、回火技术、禁忌设计和精英保留策略，避免算法陷入局部最优，提高算法的计算效率。案例的仿真计算表明，所建模型和求解方法可以对多编组任务分配计划进行在线优化，并使任务的执行效率始终维持较高水平。     

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.     

集装箱码头集卡配置优化的闭合排队网络模型

以集装箱码头同贝同步装卸作业为研究对象,以提高码头作业效率、提升服务能力为目标,研究码头内部集卡数量配置优化问题.将码头作业系统视为服务网络,构建码头同贝同步装卸作业的闭合排队网络模型,刻画集卡在各个环节的作业过程,分析不同设备配置下码头作业系统服务能力,揭示制约码头整体作业效率关键环节.以码头作业成本最小为目标,考虑集卡在各个环节的排队等待时间及设备利用率,建立了基于同贝同步装卸作业的集卡数量优化模型,并设计算法对模型进行求解.本研究从服务网络角度揭示了码头作业效率与岸桥、集卡、场桥配置的关系,为码头设备调度与服务流程设计提供了依据.     

基于m-best算法与rollout策略的平台任务关系优化设计方法#br#

在平台任务关系优化设计中,考虑单个任务资源分配过程中平台资源冗余度对后续任务分配的影响,分析优化设计过程的约束条件,构建了以最大任务执行精度与最小资源冗余度为综合目标函数的平台任务关系设计的问题模型,并使用基于m-best算法与rollout策略的方法对问题模型进行求解。m-best算法生成单个任务的m个平台分配方案,rollout策略用于均衡不同优先级任务之间的任务执行精度。最后,分别通过特殊算例和一般算例验证所提优化设计方法的优越性,算例的结果表明,使用该优化设计方法能够使高优先权任务的资源冗余度降低,从而使得整体任务执行精度提高。     

网络资源并行分配的多目标优化博弈量子方法

针对复杂网络资源分配问题的求解极其困难等问题,借鉴量子场理论,提出了用于解决网络资源并行分配的多目标优化博弈量子方法.通过建立网络资源并行分配的博弈量子场数学模型,刻画了复杂网络中实体之间的交互行为(如竞争、合作、单向行为等),描述了随局势的变化各个实体采取的博弈策略和自治行为,博弈量子场中所有量子按数学模型中定义的规则运动直至达到稳定状态.利用量子博弈理论,还进一步分析了合作、竞争状态的演化动力学.提出的网络资源并行分配的多目标优化博弈量子算法具有高度的并行性、交互性和动态性,证明了多目标优化博弈量子模型的收敛性及其解的唯一性,给出了在宽带网络的带宽分配问题中的应用实例.     

针对多星多任务仿真调度的关键路径遗传算法

卫星任务规划问题的求解空间随卫星数量和目标数量的增多而快速增大,针对大规模多星多任务规划问题,提出一种基于关键路径-遗传算法的卫星任务规划分层优化方法。该方法将卫星任务规划问题分解成任务分配和单星任务处理2个子问题,其中,任务分配通过遗传算法实现,一个分配结果对应种群中的一个个体,在单星任务处理子问题中引入关键路径法,用于求解每个个体的适应度,在提高优化效率的同时,确保得到当前任务分配条件下的最大观测效益,提高算法的全局优化能力。仿真结果表明,对于给定的6组大规模卫星任务规划算例,平均任务完成率均超过了99.7%,证明了该方法具有良好的稳定性和全局搜索能力;同时,相比于已有方法,该方法在优化效率上也有大幅提高,且任务规模越大,优化效率提升越大。