云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

考虑多资源约束的非等效并行机节能调度算法

针对瓶颈工序光刻过程中考虑能源消耗、多类型多数量的掩膜资源、换模等约束的非等效并行机调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先对问题域进行描述,以最小化总加权完成时间与能源消耗量为优化目标,建立了数学模型;在此基础上提出了一种带精英策略的多目标免疫克隆选择算法,该算法融合了非支配排序遗传算法的排序规则,并引入深度邻域搜索算子、种群更新算子以提高算法搜索性能及挖掘性能.最后,对算法进行仿真实验,结果表明该算法是有效的、可行的.     

混合服务策略轮询特性下物联网传感节点设计①

为了提高物联网传感器的节能效果和连通性,需要进行节点的优化部署设计,提出基于混合服务策略轮询特性分析的物联网传感节点设计方法。首先分析物联网传感节点的分布式组网结构,由此构建失效代价模型,在模型中采集传感器网络的混合汇聚节点数据,并进行多元信息融合,为最优节能约束下物联网传感节点能量开销的计算提供数据基础,完成物联网传感节点的优化分簇和部署设计,最终实现混合服务策略轮询特性下物联网传感节点设计。仿真结果表明,采用该方法进行物联网传感节点设计的均衡性较好,节点的能耗开销较小,具有很好的物联网部署能力。     

有毒重气泄漏事故的应急资源调度

针对有毒重气泄漏事故具有发生的突然性、危害的严重性等特点。建立了以应急加权总时间、应急总成本最小化为目标的多需求点、多供应点、多物资类型的优化调度模型。为了增强模型的实用性,增加了对车辆载重及最优路径选择的考虑。利用改进了的Dijkstra算法,将其作为多目标粒子群算法(MOPSO)的子算法对模型进行求解。针对MOPSO算法易陷入局部最优解的缺点,对惯性权重的更新方式进行了设计,增强了算法的全局搜索能力,同时在对粒子进行选择操作时借鉴了自适应网格法的思想,丰富了粒子群的多样性。最后,通过一个仿真实验验证了所提模型及算法的有效性。     

含光伏的天然气冷热电联供园区微网能量优化调度

天然气冷热电联供园区微网集供冷、供热、供电和供气于一体,具有能源梯级利用的优势,能够有效地提高能源的利用率,减少污染物的排放.本研究针对天然气冷热电联供园区微网的能量优化调度问题,以最小运行费用为目标建立了天然气冷热电联供园区微网的多时段动态优化调度模型,考虑了供冷网、供热网、供电网和供气网的网络运行特性约束,以及储电、储冷和储热多种类型储能装置对微网调度的影响.并基于场景法建立了考虑光伏出力随机波动的园区微网能量优化调度模型,通过快速调节储能装置的储放能功率等措施来平衡光伏出力的不确定波动.以某个天然气冷热电联供园区微网为例,验证了所提出优化调度模型的正确有效性.计算结果表明,所获得的微网运行调度方案能有效节约能量消耗,降低微网运行费用;多种类型储能装置的协同运行能够更有效地降低微网的运行费用,并有利于平抑光伏发电的不确定波动.     

可燃冰在蒸汽动力系统优化中经济性研究

可燃冰是21世纪公认的新型清洁能源．由于可燃冰开采成本较高,其在各行业的购买单价可能会较高．所以,可燃冰的经济性研究是有必要的．针对某炼油厂工程项目,分别以煤、燃料油、天然气和可燃冰为燃料,以全周期总花费最少为目标,研究了蒸汽动力系统的多周期最优化调度问题．运用改进差分进化算法对其进行优化求解,数值结果表明：如果可燃冰的单价处于(0,3 900］$/t,可用可燃冰代替煤、燃料油和天然气作为燃料;如果可燃冰的单价处于(3 900,4 550］ $/t,可用可燃冰代替煤、燃料油作为燃料;如果可燃冰的单价处于(4 550,5 400］$/t,可用可燃冰代替燃料油作为燃料;如果可燃冰的单价高于5 400 $/t,用其作为燃料不符合经济性原则,不能代替传统能源作为燃料．     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

求解作业车间调度问题的改进飞蛾扑火优化算法

针对作业车间调度问题,为了克服早熟收敛和容易陷入局部最优等不足,提出一种基于Lévy飞行的改进飞蛾扑火优化模型(LMFO)。首先,采用MFO算法求解作业车间调度问题,并与粒子群算法(PSO)、遗传算法(GA)进行对比研究,证明了MFO算法求解此类问题的有效性;然后,采用改进的随机键编码,引入Lévy飞行对MFO算法进行改进;最后,仿真实验表明,LMFO算法在求解作业车间调度问题时优于MFO、PSO和GA算法,能够跳出局部最优找到更好的解,且具有一定的鲁棒性。     

配电网调度安全管理研究

伴随着经济的高速发展、电网规模的不断扩大,对于配电网的安全、优质、稳定、经济运行提出了更高的要求,因此配电网调度安全管理成为保障配电网连续运行的重要环节。该文从普洱配电网调度安全管理的现状入手,对配电网调度安全安全管理进行探究,并提出相应的措施。