云计算环境下基于改进离散粒子群的并行调度算法

针对云计算环境下的任务调度优化问题和传统离散粒子群优化(DPSO)算法早熟、精度低等缺点,提出了一种适合云计算环境下动态调整惯性权重因子的方法,并给出了云计算环境下改进后的离散粒子群优化算法.该算法能快速确定合适的并行任务分配方案,使其达到调度长度最短的优化目标.仿真结果表明:文中改进的DPSO算法的收敛性、前期全局搜索和后期局部探索性能均优于传统的DPSO算法和遗传算法;在任务数较大的情况下,采用改进DPSO算法的并行任务调度算法的调度长度明显优于采用传统DPSO算法和遗传算法的并行任务调度算法.     

基于改进遗传算法的多业务组播系统跨层功率分配方案

结合数据链路层的队列状态信息(QSI)和物理层的信道状态信息(CSI),定义了系统的吞吐量系数和公平性系数,建立组播系统功率分配的离散速率集模型.对遗传算法的初始群体产生、选择、交叉和变异等算子进行改进,形成改进遗传算法;利用改进遗传算法进行动态功率分配和跨层优化.数值仿真结果表明:改进遗传算法能够取得几乎最优的队列时延性能;选取不同的权重对系统吞吐量性能和公平性性能产生重要影响;改进遗传算法获得的系统吞吐量系数和公平性系数在不同场景下较之功率固定分配算法至少提高0.15.     

舰艇编队防空火力基于改进遗传算法的分配方案

描述了舰艇编队防空火力分配问题，建立了火力优化分配模型。结合舰艇编队防空作战的特点，分析了几种传统分配算法的不足。为了获得全局最优解，将遗传算法用于该火力分配优化研究中。针对标准遗传算法计算费时、稳定性差等不足，从初始群体均匀产生、适应度尺度变换、稳态繁殖、自适应遗传参数等方面作了改进，给出了基于改进遗传算法的模型求解方法和步骤。经过实例计算，取得了良好的分配效果，可为制定舰艇编队防空作战指挥自动化决策提供科学、有效的支持。     

绿色云计算环境下基于资源整合的任务调度算法研究

为降低绿色数据中心的能耗,实现绿色通信的目标,在详细分析了绿色云计算的任务调度过程基础上,结合遗传算法具有较好的鲁棒性和分布性等特征,本文利用资源整合策略,设计一种新的遗传并行任务调度算法.该算法从资源整合和资源配置角度,充分考虑到绿色云计算平台的分布性和异构性等特征.仿真测试的实验结果充分显示出该算法在响应时间和能耗优化等方面,都明显优于其他算法.     

武器-目标分配问题的分布估计算法及参数设计

建立了武器-目标分配问题的优化模型,分析了分布估计算法与遗传算法的异同.将分布估计算法应用于武器-目标分配问题,该算法通过统计当前群体中优选出的个体信息,给出下一代个体的概率估计,用随机取样的方法生成下一代群体.分析了个体种群数量、选择比例等参数对算法的影响,得出个体种群数量和选择比例取适中时效果最好的结论.仿真结果表明了分布估计算法求解武器-目标分配问题是可靠有效的.此方法具有较好的可扩展性,修改此算法可解决一般组合优化问题.     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。     

改进的量子遗传算法在冷连轧机负荷分配中的应用研究

量子遗传算法可以克服常规遗传算法迭代次数多、易陷入局部极值的缺点,本文研究并改进了量子遗传算法的量子门旋转角度更新策略,提高了量子遗传算法的性能.应用标准函数测试表明,改进后的量子遗传算法收敛速度快,全局寻优能力更强.将改进的量子遗传算法应用于冷连轧机的负荷分配优化过程,根据Bland-Ford轧制理论以功率和轧制力均衡分配为目标建立综合目标函数,试验数据对比证明,量子遗传算法优化所得的轧制参数比经验分配和常规遗传算法优化所得结果更为合理,符合轧制工艺要求.因此,利用量子遗传算法对冷连轧机进行负荷分配优化是一种有效可行的新方法.     

多机协同空战目标分配算法

通过对多机协同空战中目标分配的分析，建立了目标优化分配的数学模型，并用标准遗传算法来求解该问题，模拟结果表明该算法能有效解决分配问题的有效性，最后通过应用“好，，基因遗传算子对遗传算法进行改进。仿真结果表明，“好”基因遗传算子的搜索效率较改进前提高了近60％，这一优势在目标数量较大时尤为明显。     

复杂网络条件下多UAV集结问题非合作求解方法

针对复杂网络条件下多UAV系统任务区集结问题,提出了多机非合作求解方法.首先,基于协调变量和协调函数,建立多UAV集结问题的分布式求解框架.从任务特征出发,改进多智能体时延相关平均一致性算法,提出非合作优化一致性策略.该方法更强调平台的轨迹控制,弱化UAV对路径规划算法的要求,不仅能够降低集结问题的求解难度,而且使多UAV系统具有较强的动态响应能力.仿真实验验证了非合作优化一致性策略的正确性,多UAV能够在复杂网络条件下实现任务集结.     

多方式进化遗传算法及其优化波纹薄壁管的耐撞性

 通过提出一种多方式进化遗传算法的途径改进了遗传算法,并用于求解汽车新型波纹薄壁管耐撞性优化问题。文中采用响应面法近似建立金字塔形波纹薄壁管的优化模型,在多方式进化遗传算法中采用多种编码方式、选择策略、交叉和变异操作,同时还设计了类似遗传学中染色体结构变异的倒位操作,有效改善了群体多样性。对于函数实例测试的结果显示,该算法克服了遗传算法有时局部收敛的缺陷,提升了收敛速度。在波纹薄壁管耐撞性优化问题上的应用研究表明了本算法在求解此类优化问题上的有效性和方便性。优化后波纹管吸能提高40%以上,显著改进了初始设计,进一步验证了多方式进化遗传算法求解此类优化问题的实用性。     

基于信息素的制造系统动态协调研究

受蚂蚁觅食行为模型与零件的生产加工工艺选择的相似性的启发,提出了基于信息素的任务分配协调机制。以信息素为介质,给出了制造系统生产加工工艺选择的静态和动态协调算法。仿真结果表明,通过此方法既实现了加工成本的相对优化,又实现了制造系统中各设备的均衡利用,并对制造系统内、外部环境变化具有良好的自适应性,为解决制造系统中的生产加工工艺选择问题提供了一种切实有效的方法。     

基于任务的舰载机可修复备件多级库存模型

针对舰载机可修复备件配置问题,提出了基于使命任务的备件多级配置优化模型。首先,对舰载机的任务进行了概要分析;其次,以任务需求为牵引,将作战任务转换为舰载机使用任务,进而转换为装备系统的综合保障要求、保障系统级要求和保障资源要求,确定备件配置要求;然后,以备件配置要求为约束,基于Vari-Metric多等级、多层级库存优化理论和边际优化方法,给出了舰载机备件配置优化模型;最后,结合舰载机保障实际,进行了应用实例分析。     

一种基于多标拍卖的资源分配算法

针对有限资源开放式系统多任务多资源分配问题,提出了一种基于多标拍卖的资源分配算法. 算法首先基于资源效用曲线为每个任务建立投标集合. 其次,任务向系统递交投标,系统收集所有任务投标并定义市场出清价, 确定资源分配的规则. 最后算法通过启发式方法调整每个任务的最大投标值,以获得接近最优的系统总效用. 实验结果表明算法在资源有限的情况下优先分配资源给投标价格高的任务,与0-1整数规划资源分配算法相比时间复杂度低,最优值偏差不大.      

一种电能计量设备运维作业动态优化模型及算法

针对电网企业传统模式下运维作业所存在的任务分配不科学、路径规划不合理和无法实时响应动态需求等问题,提出了一种新的动态优化模型及求解算法.该模型能够对运维作业的任务点数量、实时路况、运维人员属性与数量、决策者偏好等外部条件予以实时动态响应,满足电网企业日常管理工作需求.此外,针对模型特点提出一种基于解空间分割的粒子群算法(PSO-SSD)进行运维作业路径优化.仿真实验表明,本文所提出的动态优化模型及PSO-SSD算法能够在不同问题规模下保持优良性能,实现电能计量设备运维作业的实时动态优化,有效提升电网企业管理工作效率.     

UCAV协同攻击多目标的任务分配技术研究

为解决单目标函数构建的任务分配模型不能给火控决策者提供更多有用信息的问题, 将无人机（UCAV： Unmanned Combat Aerial Vehicle）损耗代价和目标毁伤价值作为UCAV协同攻击任务分配的两个目标函数, 对其进行多目标优化, 建立新型任务分配模型。在此基础上, 采用一种改进带精英策略的快速非支配排序遗传算法(NSGAII: )进行求解, 得到多目标协同攻击任务分配的Pareto最优解集, 然后根据决策者的偏好选取最佳的任务分配方案。最后通过仿真算例, 验证了该算法的收敛性及有效性。     

卫星对地观测任务启发式自主规划算法研究

传统的卫星对地观测任务调度依赖于地面控制中心离线生成执行计划,为将规划权与地面控制中心解耦,实现卫星对任务及时和自适应规划,本文通过对观测任务的分析,结合小卫星姿态转换能力强以及拥有计算单元的特点,对卫星观测动作以及约束条件做了合理抽象与简化,建立了问题模型,提出了一种适用于小型卫星调度观测任务的启发式自主规划算法HIPA,算法对于每个任务进行资源消耗计算并给出是否可被观测的结果.通过在不同资源条件限制情况下、不同数量的任务样本集上设置的系列对比实验表明,本文所设计的启发式自主规划算法求解性能更好,可最大化利用卫星资源在最短时间内得到规划序列,可有效提高卫星的观测效率.     

多核平台的并行实时调度与内存分配算法

多核处理器凭借着低功耗高性能的优势占据了市场.针对多核平台上并行实时任务,提出局部与全局EDF相结合的调度算法,其中任务的截止期划分、执行预算以及迁移时机由所设计的处理器带宽预留服务器决定.同时,提出了内存分配算法,该算法能够更好地为并行实时任务管理内存资源.实验结果表明新的调度算法具有更高的调度成功率.另外,在内存资源竞争的前提下,内存分配算法可以保证并行任务的实时性与系统稳定性.     

基于虚拟机迁移的能量收集MEC系统资源分配策略

针对现有研究没有考虑用户移动性对移动边缘计算（mobile edge computing,MEC）服务器反馈计算结果影响的情况,提出一种基于虚拟机迁移的能量收集MEC系统资源分配策略。考虑用户移动性影响,分别给出用户移动性模型和能量收集模型;采用虚拟机迁移方式,把用户卸载给初始MEC服务器的计算任务转移到当前MEC服务器,由当前MEC服务器完成计算任务,计算结果直接反馈给用户;综合考虑用户卸载计算任务和MEC服务器反馈计算结果,将功率和子载波分配问题建模为混合整数非线性规划问题,在满足能量消耗、子载波分配和发射功率的约束条件下,最大化系统能量效率。为了降低求解复杂度,通过引入遗传算法,获得次优解。仿真结果表明,与基于遗传算法的局部功率或子载波分配方法相比,提出的方法具有更高的能量效率。     

基于PSO算法的多巡飞器任务分配方法

为使多个巡飞器协同完成针对地面多个目标攻击任务,从巡飞器载荷较小的特点出发,基于PSO算法对其任务分配方法进行了研究.根据巡飞器两种任务介入方式的不同,分别建立了布撒方式任务分配问题模型以及陆基发射方式任务分配问题模型.根据模型的复杂程度,分别选择使用基本PSO全局优化算法以及考虑资源消耗情况下对PSO整数规划算法进行改进后的算法,求解两种任务分配问题.仿真结果表明,算法可解决任务分配问题,任务分配方法合理,适应巡飞器协同需求.     

多Agent系统中任务分配问题的分析与建模

针对多Agent系统(MAS)内外环境变化所产生的不确定性和任务分配序列决策的要求,利用马尔科夫决策过程(MDP)模型对MAS中的动态任务分配问题进行了分析和建模.其中,状态空间由各Agent的当前负载和待分配的任务组成,每一状态下有多种任务分配方案,利用迭代方法可以获得最佳的任务分配方案以实现系统长期收益最大化的目标.仿真实验表明,MDP模型可以合理地模拟MAS中任务分配的运作过程,并在小规模环境下方便地获取最优任务分配策略.