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.     

一种可扩展的Web集群服务器仿真平台

为仿真分析调度算法和缓存替换算法的性能,基于JavaSim设计实现了一种可扩展的Web集群服务器仿真平台WCSSim。该平台支持日志驱动和分布驱动两种模式,并且根据动静态请求的特点分别对其服务时间进行建模。集群系统的主要部件、调度算法和缓存替换算法都被设计成独立的松耦合的类以方便扩展。仿真实验验证了该平台的可行性和有效性。该平台能帮助网站运营商选择合适的调度和缓存替换算法,帮助研究人员在各种访问模式下评测新的调度和缓存替换算法。     

在轨空间智能制造:分布式调度建模与优化

在轨空间制造系统是在行星大气层外的需要地面工厂、在轨空间工厂、天地运载工具协同的以进行空间设施建造为目标的一类分布式制造系统.分布式调度建模和高效优化求解技术是实现在轨空间智能制造的关键技术之一.本文针对一类具有组件地面分布式制造及运输、地空分批次运输、组件在轨装配等典型特点的在轨空间智能制造系统,将其分解为分布式同质流水线调度,考虑运输时间的同速并行机调度,考虑工件释放时间、机器可用时间、机器处理能力的单机批调度以及考虑组件释放时间、优先约束的单机调度等问题,并基于模型协调思想建立以最小化组件生产到产品装配总时长为目标的分布式多阶段调度模型.进而,将用于求解连续优化问题的易理优化算法扩展到离散调度问题,提出求解该分布式调度问题的基于易理优化的模因算法.基于中规模、大规模算例的仿真结果和算法分析比较表明:相较于粒子群算法、教学算法、水波算法等智能优化算法,所提算法是一种求解分布式多阶段调度问题的可行、有效算法.值得一提的是,这是第一篇关于在轨空间智能制造系统调度优化的研究.     

自动导引车调度优化研究综述

制造系统中自动导引车（Automated Guided Vehicles,AGV）调度对于提高制造系统效益和降低制造成本具有重要作用,同时AGV调度也是十分复杂的组合优化问题,将AGV调度优化问题分为3类：AGV静态调度、AGV动态调度、AGV同时调度（与其他资源联合调度）进行了概述,并对其研究方法进行了分析与总结,包括传统分析方法、建模与仿真方法、智能优化算法、混合优化方法,分析了各类方法的优缺点,指出了当前AGV调度优化研究中存在的不足,并提出了未来的研究方向和建议。     

社会系统MAS分布仿真中的Agent优化调度算法

针对分布式多Agent系统在复杂社会系统仿真应用中的运算特性,设计了一个基于分布式结构的Agent调度框架并提出了Agent的动态优化调度算法.该算法综合考虑了仿真过程中仿真节点运算负载和Agent通信结构的变化,通过优化Agent的调度和分配实现各仿真节点负载的动态均衡以及多Agent系统中跨节点全局通信量的减少.仿真实验分析表明提出的算法能够有效提高此类仿真应用的运算性能以及减少仿真执行的时间.     

一种云计算环境下的负载调度算法

云计算数据中心的负载调度是影响云计算性能的核心,是云供应商对外提供服务,用户感受服务性能的关键所在,它直接关 系到云平台的整体性能和系统的资源利用率. 在对经典的Min-Min调度算法进行分析的基础上,结合云计算环境对Min-Min算法进行了改进. 提出了一种基于相对负载均衡的LL-Min-Min算法. 仿真实验表明,LL-Min-Min算法能够满足云计算环境下任务的多样性和不确定性的要求,可以较大地改善数据中心的负载均衡,提高集群的吞吐率.     

网格环境下复杂过程系统优化计算服务及任务调度策略

针对目前优化计算服务缺乏对一般用户的优化计算支持和灵活的资源共享方式,提出利用网格环境、支持网络计算资源以并行的、协同的方式提供面向服务的优化功能的计算服务系统,并设计了对系统性能具有重要影响的动态任务调度算法,从而使系统能够适应复杂过程系统优化计算以及网格环境的典型特征.相应地,系统采用多任务队列的任务管理方式和计算节点组的资源管理方式,为该调度策略提供实现基础.测试结果体现了基于该调度算法的优化计算服务系统的良好性能,并为设计在该系统下高效运行的并行算法提供了参考依据.     

半导体制造系统改进Petri网模型的建立及优化调度

为了更有效优化半导体制造系统生产资源调度,提出了基于分层着色时间Petri网模型的分时段优化调度方案.通过增强基本Petri网的描述能力和引入分层Petri网的思想,根据半导体制造系统的结构建立其改进Petri网模型-分层着色时间Petri网模型,并在模型中引入调度库所将调度算法嵌入到模型中,该模型能有效地克服基本Petri网模型规模膨胀的缺陷;同时将每一生产周期分成若干时间段,利用遗传算法来寻找各时间段内调度规则组合来优化半导体制造系统的动态性能,实现分时段优化调度,编码时, 根据机器组的利用率来选择部分机器组为瓶颈机器组,重点调度瓶颈机器组, 提高算法的搜索效率;仿真实验结果验证了该调度方案的优越性.     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

基于负载均衡构建可扩展的IPv6隧道代理系统

IPv4／IPv6过渡时期随着IPv6用户的增多，如何提高隧道代理系统的可扩展性是一个值得研究的问题。在分析几种可选机制的基础上，采用基于隧道代理调度的负载均衡方案来提高系统的可扩展性，并提出一种加权最少隧道调度和过载报警相结合的调度算法。建立仿真环境，通过仿真实验测试了调度算法的性能，仿真结果表明文中提出的负载均衡方案是可行的。     

基于改进狼群算法与仿真的单元调度优化

单元制造是现代生产系统的重要组织形式。对制造单元的调度过程中,机器故障与中断是很常见的问题,机器空转造成的能源浪费也不可忽视,相关研究具有重要现实意义。考虑单元调度中的机器中断和能耗,建立了一个最小化所有工件完工时间及机器闲置能源消耗和中断成本的整数规划模型,并提出了一种基于改进狼群算法和离散事件仿真的混合优化方法加以求解,有效提高了算法的寻优能力。数值实验表明,提出的算法具有良好的收敛性,可以在合理的迭代次数内找到问题的满意解。     

可重入制造系统中可视化仿真调度的研究与应用

可重入制造系统调度问题随着半导体工业的迅速发展日益得到重视，仿真调度是解决这类问题的重要方法，可视化仿真因其仿真过程的可监控性与良好的交互性在仿真调度中得到了采用.本文将可视化仿真应用于可重入制造系统的调度，通过引入虚拟设备对这类制造系统进行了基于生产路线的可视化仿真，有效地解决了直观表达该类系统加工路径重入性的问题，提高了调度效率.     

半导体晶圆节能分布式制造与预维护联合优化

针对半导体晶圆节能分布式制造与预维护联合优化问题,构建了同时考虑制造阶段和检测修复阶段,以最小化最大完工时间、总碳排放和总预维护成本为优化目标的两阶段绿色调度模型,提出了改进的混合多目标灰狼优化(improved hybrid multi-objective grey wolf optimization,IHMGWO)算法,设计了工厂分配策略、机器分配策略以及考虑维修工人柔性的同步调度维护策略的解码方案。通过设计初始化种群融合策略、捕食行为搜索策略、子种群变异策略,提高了算法的寻优性能。360个测试算例的对比实验表明,所提出的IHMGWO算法针对SP指标能够实现大部分占优,针对IGD和Ω指标能够实现全部占优,对于解决该类问题具有显著的优势和竞争力。     

改进Q学习算法在作业车间调度问题中的应用

为解决动态环境下作业车间调度问题,提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间;设计了以“松弛越高,惩罚越高”为宗旨的回报函数;通过引入以Softmax函数为主体的动作选择策略来改进传统的Q学习算法,使改进后的Q学习算法在前期选择不同动作的概率更加平等,同时改善了贪婪策略在学习后期还会选择次优动作的现象。仿真结果表明：该调度算法相较于改进前,性能指标平均提升约6.5%;相较于IPSO算法和PSO算法,性能指标平均提升分别约为38.3%和38.9%,调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。     

考虑区间工时的多目标柔性作业车间节能调度

在综合考虑经济指标和环境因素基础上,研究了工件加工时间不确定的多目标柔性作业车间节能调度问题。将工件不确定加工时间描述为区间数,并以最小化最大区间完工时间、区间总能耗为目标构建区间柔性作业车间调度节能问题优化模型。同时,依据区间可能度的支配关系,设计了一种有效求解该问题的区间多目标进化算法。通过15组测试问题,分别对区间多目标进化算法、SPEA-II及NSGA-II进行仿真实验,并采用反转世代距离(inverse generation distance, IGD)和覆盖集测度(C测度)两种性能指标验证了所提算法的可行性和有效性。     

虚拟化云中随机任务与资源调度方法

任务和资源调度方法是云系统的关键技术之一。但是,现有的研究往往忽略实时任务的高动态性和任务执行时间的随机性,使得调度方案的实际性能与期望性能相差甚远。针对以上问题,本文设计一个随机性感知的调度框架;提出一个启发式调度算法集成前摄性和反应式策略(proactive and reactive strategy, PRS)来对任务进行调度,以提高云系统保障实时任务时效性的能力;并提出3个计算资源伸缩策略来动态调整计算资源,以减少能量消耗。最后,通过实验将算法PRS的性能与其他4个算法进行比较。实验结果表明,在任务完成率和能耗方面,算法PRS的性能比已有算法提高13.85%和17.23%。     

国产船舶水动力数值软件在工业云平台的实现

研制适应于高性能数值软件部署和用户使用便捷的云平台,对于软件的研发和应用具有重要的工程意义。基于Web工业云平台的高性能计算资源,对国产船舶水动力学数值软件进行大规模高性能测试工作。通过选取典型的带球鼻艏的集装箱船KCS(kriso container ship)计算模型,采用该软件并行求解器模拟实际船型的航行兴波问题,达到与实际船体附近波形基本一致。国产船舶水动力学数值软件在工业云平台上的典型应用场景的成功测试,为研究船舶航行兴波问题提供了有力的自主可控国产工程仿真工具。     

基于仿真的车间作业计划优化设计

车间作业排序是一个NP-Hard问题,针对其复杂性和难以求解的特点,提出了采用仿真与优化算法相结合的求解方法。首先,建立了车间作业计划仿真优化系统的框架,采用UML对系统进行建模分析,并在仿真软件eM-Plant中映射实现,应用遗传算法优化模型关键参数,实现最优排序,最后示例说明该系统。该方法简单可行,为解决这类复杂问题提供了一条捷径。