事件驱动 并行任务调度方法研究

在对混合系统的仿真中,存在着大量的并行性问题,并行性不仅表现在连续系统仿真模块,离散事件系统仿真模块,推理决策系统模块内部,而且也表现在各模块间,这里以讷部的并行计算为例,研究它们在事件驱动方式下的并行任务调度过程,并得出相应的并行任务调度关键线路算法。     

并行任务自动划分及调度算法SMPS

随着ＶＬＳＩ技术的发展，多处理机并行处理技术有了新的进展。本文基于ＩＣＳＬⅡ连续系统仿真语言［１］，提出了一个高效的并行任务自动划分及调度算法（ＳＭＰＳ）。它首先采用启发式算法对任务进行预调度，得到一个次优结果。然后采用改进的分枝定界算法对该调度进行优化，从而得到最优调度。该算法既具有简单易行性的特点，又不失调度结果的最优性，它为并行仿真语言的实现提供了技术基础。     

并行仿真软件支撑环境PARSIM通过鉴定

国防科技大学计算机系自行研制成功的“并行仿真支撑环境PARSIM于今年四月在北京通过了技术鉴定。 PARSIM是一种基于同构型多机结构并行仿真计算机的仿真软件开发环境。该系统为用户提供了一个类似于Turbo系列软件的多窗口、菜单式的集成式程序开发工具。所采用的面向方程的高级仿真语言PCSL与目前国际上流行的连续系统仿真语言CSSL—Ⅳ兼容,且有所扩充。与一般的仿真语言相比较,该系统成功之处在于,PARSIM的多任务产生器能够自动地将一个传统单机上串行执行的仿真程序转化为一个在多机上并发执行的并行仿真程序,并获得理想的加速比。在这一过程中,用户仿真程序中的并行性识别、多任务划分、处理机调度与分配、机间同步与通讯的处理等全由多任务产生器自动完成,无需用户干预。     

混合Flow Shop的调度仿真系统及其算法分析

研究了混合Flow Shop的调度问题，调度目标为最小化工件的最大完成时间。文中给出了调度仿真系统的设计，系统由数据库、算法和控制中心用户接口三个模块组成；在算法模块中，排序算法包括了由Flow Shop扩展到混合Flow Shop的多数算法，设备分配采用最先可用机器优先规则。另外，基于CDS虚拟机和Palmer斜度指标的启发式算法，提出了一种改进的CDS算法用于工件排序。在正在开发的混合Flow Shop调度仿真系统中实现了上述所有算法，仿真分析表明改进的CDS算法优于其他启发式算法。     

一种基于动态关键路径的递归并行调度算法

并行任务在多处理机系统上的有效调度是获得系统高性能的关键所在.对BNP(Bounded Number Processors)调度问题,提出了一种新的基于动态关键路径的递归调度算法,对调度节点进行递归选择,并结合调度节点的后继任务为它选择了最佳时间槽.该算法克服了已有调度算法不能保证对动态关键任务进行最早调度这一缺点,优于现有BNP调度算法.     

基于并行处理的分析仿真解决方案

分析仿真是以复杂问题分析为目的的一类仿真活动,在国防及国民经济各领域的应用日益广泛。随着仿真应用的不断深入,如何提高分析仿真的运行效率成为急需解决的问题。讨论了分析仿真的计算特点,指出了当前国内采用HLA体制、基于分布式网络解决方案存在的不足,分析了分析仿真的潜在并行性及面临的挑战;从国外分析仿真应用发展趋势以及国内实际情况出发,提出了基于高性能并行计算的分析仿真系统层次式体系架构,该方案可充分挖掘分析仿真的并行性,能有效支持分析仿真应用的运行和开发;同时该方案采用层次式架构,各层次内部功能相对独立,使得整个系统更易于维护和升级。     

多功能相控阵雷达自适应调度仿真

派多功能相控阵雷达在现代军事领域中的广泛应用使得对其仿真具有重要意义,而调度模块的仿真是相控阵雷达仿真实现的核心。文章在深入研究多功能相控阵雷达自适应调度策略的基础上,给出了调度设计原则,详细描述了调度算法的仿真流程,实现了相控阵雷达的自适应调度模块功能,并提出了调度算法的性能评估指标,对调度结果进行了定量分析,仿真结果验证了调度算法的有效性。     

网络化制造环境下生产动态调度仿真与分析

针对网络化制造环境下生产系统特点,构建异地生产协同调度框架.基于调度框架进行动态仿真计算:应用模糊理论对生产时间分布概率进行判断,确定企业内部生产调度评测参数;使用Hopfield神经网络综合决策,求出企业外协生产与内部调度之间的可行解.将调度框架应用在实际生产调度问题中,对仿真计算结果继续综合优化,能够得到好的可行调度方案.     

任务管理式新型余度飞控系统的研究

通过对以往飞行控制系统的研究，提出了基于任务管理方式的新型余度飞控系统，即任务按减小通讯量、提高并行性、增加可靠性和均衡负载的原则分割并分配到相应的计算机节点上，协同完成任务。在发生故障时进行动态调度，保证任务的继续执行。而且给出了相应仿真平台的软硬件结构，提供了局域网实时分布仿真系统中一些相关技术的解决方案或策略。     

HLA仿真联邦的时间管理性能预测模型

为了预测HLA仿真联邦的时间管理性能,衡量其并行性,首先提出了着色交互Petri网,建立了HLA仿真联邦的时间管理性能预测模型;然后,应用Stateflow实现了该模型,应用模型的运行结果定量地衡量仿真联邦的并行性;最后,通过在水声对抗仿真系统中的应用,验证了模型的有效性.应用该预测模型,仿真联邦能够通过采用提高并行性的参数与策略,实现时间管理性能的提高.     

运输问题新解法的探讨

在求解运输问题中，传统的解法比较繁琐，为了克服这一缺陷，提出了快捷新解法，快捷法求解运输问题不仅比表上作业法计算步骤少、简单，而且比广义匈牙利法(常规法)的计算步骤还少、还简单、快捷法是根据约束条件的要求，基本上是一步到位造出每行及每列所需要的零元素，然后检验是否满足约束条件，满足可得最优解，否则需进一步造零，快捷法总是比表上作业法计算步骤少、简单且便于掌握。     

生物免疫理论及其在网络入侵检测系统中的应用研究

生物免疫理论被深入研究并广泛应用于计算机安全等领域。通过对基于生物免疫理论的G-T算法和线性时间算法的介绍，提出了多特征匹配算法并将其应用于网络入侵检测系统中。实验表明，优化的算法不仅解决了G—T算法生成检测器的效率过于低下的问题，而且克服了线性时间算法在处理较大的l和r时过于缓慢且需要较大空间的缺点。     

基于改进局部搜索遗传算法的目标分配决策

为满足舰载武器目标分配需求,对传统的局部搜索遗传算法进行了改进,并用其求解目标分配问题的最优解。构造了适合于目标分配问题的染色体;设计了搜索性能较好且能够保留优秀基因的交叉操作方法;将局部搜索机制引入标准遗传算法,提高了目标分配算法的收敛速度;把模拟退火算法引入局部搜索问题,在一定程度上避免了局部最优问题;将贪婪算法应用于局部搜索提高了最优分配方案的搜索效率。仿真计算表明,改进局部搜索遗传算法的目标分配性能优于已有算法。     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

可计算一般均衡CGE模型的遗传算法研究

简单讨论了求解 CGE模型的早期 Scarf算法和牛顿算法、以及新近流行的 CGE模型求解工具软件 GAMS和 GEMPACK中的典型算法 ,并且分别指出它们的优缺点 ;最后给出了一个基于模拟进化思想体系的 CGE模型竞争求解算法 ,并给出了算例.     

A GREEDY GENETIC ALGORITHM FORUNCONSTRAINED GLOBAL OPTIMIZATION

The greedy algorithm is a strong local searching algorithm. The genetic algorithm is generally applied to the global optimization problems. In this paper, we combine the greedy idea and the genetic algorithm to propose the greedy genetic algorithm which incorporates the global exploring ability of the genetic algorithm and the local convergent ability of the greedy algorithm. Experimental results show that greedy genetic algorithm gives much better results than the classical genetic algorithm.     

一种新的混合聚类算法

聚类是数据挖掘的主要技术之一,是一种无导师监督的模式识别方式。聚类分析就是按照数据间的相似程度,依据特定的准则将数据划分成不同子类。K-平均算法是经典的聚类算法。蚂蚁聚类算法是近来涌现的新的聚类算法,它通过模拟蚁群的智能行为进行聚类分析,已经在数据挖掘中得到应用。通过分析蚂蚁聚类算法和K-平均算法两种不同聚类算法的基本思想,将两种算法结合得到混合聚类算法,仿真实验证明混合聚类算法的算法性能优于蚂蚁算法和K-平均算法。     

混合混沌量子进化算法

针对量子进化算法计算量大、收敛速度慢以及容易出现早熟等问题, 提出混合混沌量子进化算法. 该算法采用混沌 初始化方法产生初始种群, 使种群具有较好的多样性;采用简单量子旋转门更新当前种群中的非最优个体, 降低算法的计算量; 提出混合混沌搜索策略以提高算法的收敛速度和全局搜索能力. 大量的测试表明, 与量子进化算法、实数编码量子进化算法和 混合量子遗传算法相比, 所提出的算法具有较快的收敛速度和较好的寻优能力. 大量的测试也表明, 若将混沌引入量子进化算法, 则混合混沌搜索策略的综合性能明显优于载波混沌策略, 在大多数情况下优于混沌变异策略. 本文提出的算法是惟一的每次测试 都收敛的算法, 且实现简单, 便于工程应用. 将其用于求解城市道路的交通信号配时优化问题, 实际效果令人满意.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

几种现代优化算法的比较研究

现代优化算法主要包括遗传算法、蚁群算法、禁忌搜索算法。这些算法主要是解决优化问题中的难解问题。由于这些算法在求解时不依赖于梯度信息 ,因而特别适用于传统方法解决不了的大规模复杂问题。介绍了3种算法的基本思想 ,阐述了它们的特点并进行了比较 ,提出了今后研究的方向