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。     

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.     

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.     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

基于激励遗传算法的动态时间/费用优化

人们在处理网络计划的优化问题时,往往忽视了资金的时间价值,而且取得项目最大净现值的技术开发已经大大落后于对资源配置与资源优化的分析.本文建立了动态时间/费用优化的数学模型,提出了改进的激励遗传算法,并且将激励遗传算法应用于模型的求解.最后,通过分析比较,得出动态时间/费用优化的结论才更为可靠与准确的结论.     

机群保障资源配置建模与优化研究

本文系统分析了机群保障的基本流程,厘清了保障过程中的各类约束条件,明确了机群保障资源配置的优化目标,构造了机群保障资源配置的数学优化模型.针对机群保障资源配置问题的大规模性与NP-hard性,采取滚动调度思想,将大规模优化问题分解为子问题,进而提高了求解的效率.最后以4架飞机6批次连续出动作为典型任务模式,基于优化平台验证了模型和算法的有效性和高效性.本研究为机群保障资源配置优化问题提供了一种有效的解决思路.     

资源约束下的时间-费用交换问题研究

传统的活动网络时间 -费用交换问题着重研究如何通过增加费用压缩活动工期以实现项目费用最小 ,而没有考虑资源的约束 .考虑资源可用量限制情况下 ,建立了资源约束下的时间 -费用交换问题模型 .采用特殊编码方式为该模型设计了启发式遗传算法并编写了 VC++5 .0程序 ,用数值实例说明了该模型的合理性和程序的有效性 .该模型对项目业主和承包商之间的合同谈判决策具有借鉴意义 .     

基于仿真优化的集装箱堆场资源配置研究

运用仿真优化方法对集装箱堆场资源配置问题进行了研究。首先,建立了堆场资源配置问题的数学模型,优化目标是堆场的资源利用率最大化的前提下,资源配置成本最小;然后,根据系统作业中存在的不确定性、随机性等活动特点,建立了堆场作业系统的离散事件仿真模型,并运用仿真模型与组合优化相融合的仿真优化方法对模型进行求解;最后,运用案例分析验证了该方法的有效性及其优势,同时进行了敏感性分析。     

天波雷达对空探测任务下积累时间自适应优化设置研究

针对人工设置天波雷达相干积累时间存在盲目性,不能充分发挥雷达探测性能的问题,以空中目标探测为研究对象,提出了自适应积累时间设置优化方法.首先,分析了积累时间对天波超视距雷达探测性能的影响.其次,计算了影响相干积累时间的信号时宽和积累点数的最优值.然后,提出了自适应设置积累点数的方法.最后,通过实验证明了本文方法比人工方...     

集装箱港口作业资源配置的分布式仿真优化方法

以集装箱港口作业资源配置优化问题为对象,为提高仿真优化过程的运行效率,提出了分布式优化与并行仿真相结合的分布式仿真优化方法.建立了问题的仿真优化模型,并将其重构为分布式仿真优化数学模型;构建了基于高层体系结构HLA的分布式仿真优化系统架构,并分析了分布式仿真优化过程中的时间构成及节点分配问题;最后,运用实例验证了本方法的有效性.结果表明:该方法即可实现与集中式仿真优化方法相同的优化结果,又可明显提高仿真优化过程的整体运行效率.该方法为解决复杂物流系统仿真优化中的时间效率瓶颈问题提供了新途径.     

云制造环境下考虑不确定性的产品配置优化

越来越多的大规模定制企业借助于云制造技术实现产品的个性化定制。针对云制造环境下的产品配置问题,提出了基于鲁棒优化的方法建立最小化配置总成本为目标的优化模型,并考虑了云制造成本和时间的不确定性。运用基于budget和区间的不确定集来刻画参数的扰动性。通过对偶理论,将其转化为鲁棒等价模型,从而可以采用CPLEX进行求解。以一个配置案例为例论证了鲁棒优化模型的有效性。最后,设计了不同的算例进行仿真实验,证明了鲁棒优化解在应对不确定风险时更为稳健、能够显著改善产品的准时交货期。     

基于混合遗传算法的FMS优化配置及其工艺路线规划

针对基于CQN模型的FMS优化配置问题提出了一种混合遗传算法,充分利用CQN模型中生产量函数和成本函数的单调性,设计了最大产量-成本梯度算子来引导新一代种群从不可行域进入可行域.同时,在求解相应的工艺路线规划问题的遗传算法中引入了具有启发式规则的余量随机分配算子,可以将超过约束条件的余量随机分配到个体中去,并通过按照一定规则的调整而保证所有个体的可行性.这样,一方面实现了利用遗传算法求解FMS配置的约束优化问题,另一方面加强了遗传算法的局部搜索能力.算例证明该算法的求解质量好于目前该领域常用的隐枚举算法.     

水电站优化调度的FP遗传算法

水电站的优化调度是个含有线性与非线性约束, 而且目标函数呈非线性的动态控制问题, 已有的优化方法大多基于数学规划技术。本文提出一种新方法, 即人工智能浮点表示(floationgpoint简称FP)遗传算法。它的主要优点在于状态和控制变量不必离散化, 所需内存少, 编程简单, 它为克服水库群优化运行“维数灾”问题提供了一条新途径。     

集装箱码头动态集卡配置的并行仿真优化方法

分析了动态集卡配置对集装箱码头装卸作业的影响,构建了一个包括船舶、锚地、泊位,岸桥、堆场龙门起重机、内部集卡、外部集卡和大门系统等在内的集装箱码头整体作业系统的仿真模型.运用仿真模型与优化算法相结合的基于仿真的优化方法(SBO)对集装箱码头动态集卡配置问题进行了求解,并将基于MPI消息传递标准的并行集群计算方法引入该求解过程,很好的解决了基于仿真的优化方法中存在的计算代价过大的问题.     

非线性时间序列高性能仿真算法研究

系统相空间重构和几何特征值计算是非线性动力系统仿真的重要过程.因其算法时空复杂度较高而计算耗时,为实时仿真非线性时间序列带来了困难.对相图重构算法和几何特征值计算算法进行了优化,使其时间复杂度有不同程度的降低;进而并行化这些算法,使其效率进一步提升,最后算法运行时间缩短为原运行时间的1/30.以长程睡眠脑电数据分析和仿真为例,分析结果表明关联维的高低能够反映出睡眠的阶段,据此对非快速眼动睡眠期的仿真预测与实际结果相符.     

采用遗传算法的中轨区域通信星座优化设计

区域通信星座的研究具有重要的现实意义，给出一种利用遗传算法设计中轨区域通信星座的方法。首先分析、确定中轨通信星座优化涉及的轨道控制参数，然后讨论了星座覆盖性能的评价准则，对星座系统的轨道控制参数集进行二进制编码后，利用遗传算法来获得对服务区具有最佳覆盖性能的星座类型。为了验证该方法的有效性，选择我国本土的一块区域，以最大覆盖率为目标进行仿真，结果表明该方法可以在给定条件下获得性能良好的星座方案。     

改进遗传算法在含调整时间调度中的应用

在求解含调整时间的工件调度最小化最大完工时间时,由于其内在的复杂性,很难用经典方法求出最优解,只能通过简化手段来求取次优解,因而精度不高.针对这一缺陷,将调度问题转化为经典的旅行商问题,并采用基于优先级的比例选择、实数两点交叉及模式变异算子的改进遗传算法对其求解.仿真实验表明,此方法在满足最小化最大完工时间前提下,既能求解规模更大的调度,又能进一步提高调度完工时间的精度.     

冲压发动机导弹弹道多目标优化

冲压发动机导弹弹道设计优化与固体火箭发动机导弹弹道优化不同,主要体现在其弹道与冲压发动机推力的强藕合性上.多目标遗传算法是多目标优化的强有力工具,它可以有效的找到Pareto前端,设计人员可以从中选择满意的最佳方案.建立了带冲压发动机导弹优化需要的数学模型,并采用改进的非劣分类遗传算法(Nondominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)对冲压发动机导弹弹道进行多目标优化,结果表明弹道与冲压发动机推力进行一体化优化可以显著的提高弹道性能.