成本约束下工作流时间最小化的资源配置优化

时间是衡量工作流性能的重要指标。通过对工作流的资源配置的优化,可以改善工作流的时间性能。资源配置优化可以从资源专业化/一般化程度和资源数量两个方面来进行。为了优化资源的这两个方面,提出了一种基于分层嵌套遗传算法的资源优化方法。它采用工作流实例平均响应时间作为评价指标,在成本的约束下,正确配置各类资源专业化/一般化的程度及资源数量,从而最优化工作流时间性能。并通过实例,说明了该方法的可行性和有效性。     

结合案例分析基于UML的面向对象可视化建模教学

面向对象软件可视化分析与设计建模(OOVM)已成为一个较为成熟的技术,而UML是目前高校软件工程教学中广泛使用的一个图形建模工具。基于一个案例,描述了面向对象软件分析与设计的全过程,指出了基于UML建模方法所需输出的必要制品,讨论了OOVM集成的完整技术。     

时间约束工作流模型的可调度性验证研究

工作流模型可调度验证的目的是验证工作流调度系统时间约束的合理性、对工作流系统实例的时间可达性进行仿真.首先基于可调度性定理,设计了时间约束工作流模型的可调度性验证算法,并提出时间约束修正策略.通过该算法获得可调度的时间约束工作流的时间约束集;通过时间约束修正策略,减小上述可调度性验证方法的时间复杂度.然后,进一步设计了改进的可调度验证方法,从而可获得具有最小执行时间区间的时间约束工作流的时间约束集.实验及分析显示算法具有良好的性能和效果,研究成果对于制定时间约束工作流的时间约束有较好的应用价值.     

TS求解多机成组工件调度

讨论并行多机成组工件的极小化最大通过时间调度问题·它是一个非常复杂的组合优化问题,是NP难题·为了解决此类问题,采用了两种智能优化算法方法·通过大量的仿真实验,将两种方法进行了比较·结果证明:禁忌搜索结合启发式的智能优化算法可靠性高、运算速度快,有能力有效地解决大规模实际问题·     

软计算求解并行多机成组工件调度问题

自从Zade将模糊理论引入求解组合优化问题以来，出现了很多基于模糊规则与智能优化算法相结合的软计算方法，文章尝试将这种方法用于解决并行多机成组工件flow-time问题，本问题中，设有n个工件计划在M台并行一致的机器上加工，这n个工作根据相似性分为b组，开始加工时，需要一个准备时间，当工件接续在同组工件之后加工时，不需要准备时间，反之，接续在不同组工件之后加工时，需要一个准备时间，本问题的目标是找到一个工件加工的调度顺序序列，使M台机器总的流水时间最小，在文章中，作者首次利用模糊规则量化结合遗传算法的软计算方法求解这类复杂的组合优化问题，最后给出计算实例及仿真结果。     

融合近邻交互的改进的粒子群优化

提出了一种新的粒子群优化方法--融合近邻交互的粒子群优化算法(Particle Swarm Optimization Combined with Near Neighbor Interaction, NNI_PSO).NNI_PSO在PSO算法的速度更新公式中增加了近邻交互部分,并结合"优胜劣汰",引入动态邻域结构和惯性权值非线性变化.近邻交互有利于粒子快速向全局最优移动, "优胜劣汰"有利于维持种群多样性.将NNI_PSO应用于PSO领域五个著名的基准测试函数,并与其它两个著名的PSO改进算法对比,实验结果证明NNI_PSO在收敛速度和解的精度方面均有明显优势.NNI_PSO不仅提高了PSO算法执行的时间性能,而且有效地缓解了早熟收敛问题.     

基于调度窗口的弱硬实时系统改进DBP调度算法研究

针对弱硬实时系统中平滑调度的要求,首先阐述基于调度窗口的弱硬实时约束规范,然后在传统的DBP算法基础上提出W-DBP算法,实现系统的平滑调度.W-DBP算法有效解决了传统DBP算法中存在的公平性和瞬时过载等问题.仿真对比试验和分析表明:W-DBP算法在弱硬实时系统中有良好的表现.     

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。     

软计算求解盟友选择问题

盟友选择问题是敏捷制造中一个重要的决策问题，文中首先分析了问题的需求以及选择盟友的标准和方法；然后，建立了一个以定单为背景，基于投标价格、投标工期、提前／拖期惩罚、项目满意度、竞标者的技术满意度、管理水平满意度、财务实力满意度、培训及售后服务满意度等综合评判指标的0．1规划模型；用模糊决策嵌入遗传算法(GA)的软计算(Soft Computing)方法求得了问题的近优解。仿真实验证明了该模型的有效性和可行性，同时表明了该算法具有成功解决大规模实际问题的潜力。     

基于模糊规则的GA求解成组调度

研究并行多机成组工件flow-time问题，利用模糊规则量化，使用遗传算法内嵌入模糊控制规划的智能化算法求解这类复杂的组合优化问题，最后给出计算实例及仿真结果，证明了该算法具有解决大规模实际问题的能力。