基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.     

改进的灰狼算法在电动汽车充电调度中的应用

针对灰狼优化算法(grey wolf opotimizer, GWO)易早熟收敛和陷入局部最优的缺点,提出一种基于精英反向学习的改进灰狼算法(grey wolf optimizer based on particle swarm optimizer, PSO-GWO)。首先,利用精英反向学习机制初始化种群,使种群保持多样性;然后提出一种非线性控制因子策略,增加算法的搜索能力,提高算法的收敛速度;最后基于差分进化和粒子群思想更新了位置方程,从而提升算法的收敛性能。采取10个基准测试函数将本文提出的改进算法与差分进化算法、粒子群算法、传统灰狼算法、其他学者提出的改进灰狼优化算法进行对比。实验结果表明,本文提出的算法与其他算法相比,在求解多峰函数问题上效果显著,可以搜索到最优解0,同时求解最优非0解函数的效果也体现地较优越;同时运用改进的算法在实际电动汽车充电调度上进行了对比分析,发现也取得了不错的效果。     

实时需求下的带时间窗移动充电车在线调度算法

在双碳背景下,移动充电车作为新型充电设施,能够缓解电动车保有量迅速增长带来的充电压力。然而成本高、效益低等问题阻碍了移动充电车的进一步发展。本文针对移动充电车只有在用户发出充电请求时,才能获知充电需求信息的特点,且需求带有时间窗要求的情形,提出实时需求下的带时间窗移动充电车调度问题,以总时间成本最小为目标,采用在线理论与方法,建立优化模型并设计在线算法;给出了不同情形下的调度方案,计算方案的竞争比,并进行对比分析;最后通过数值算例验证了在线算法的可行性和有效性。研究结果表明,用户发出的实时充电需求数量越大、最大单位惩罚时间成本系数越小,在线算法的执行效果越好。本文的模型和在线调度算法可以有效解决实时需求下的带时间窗移动充电车调度优化问题,提高移动充电车的充电效率,平衡充电供需。     

基于目标级联法和粒子群算法的柔性分布式车间调度

针对传统的单车间调度优化不能满足分布式车间调度优化的需求,提出一种基于目标级联法和粒子群算法的层次化柔性分布式车间调度优化模型,其中的生产计划层负责零件的分配,车间调度层负责零件加工路线的规划.以2个柔性制造车间组成的调度优化问题为例,验证该调度模型的有效性.研究结果表明:所提出的模型在将加工零件合理地分配到适当车间的同时,实现了零件加工路径的规划,从而为解决柔性分布式车间调度优化问题提供一种有效方法.     

一种基于分布式动态带宽分配的调度算法的研究

针对共享网络结构模型和消息模型，在分析网络控制系统调度算法特点的基础上提出了一种基于分布式动态带宽分配的调度算法，从带宽分配算法和分布式动态调度的实现方法两方面进行了详细描述。该算法可以满足不同节点的时间精度要求，有效利用了带宽，具有更高的灵活性和更好的容错能力。     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.     

APON接入系统分布式分层调度算法

基于ATM的无源光网络（APON）为分布式煤质共享结构,所承载业务的QoS要求各异,如何在保证传输效率的同时满足用户对服务质量的需求,是APON接入控制算法的关键,文中提出了分布式分层调度方案,辚各类业务提供不同的QoS保证,并通过仿真对业务的时延和时延抖动特性进行了分析,结果表明,该算法优于GlobalFIFO等调度方式。     

基于SACPS算法的住宅小区电动汽车集群有序充电

针对传统电动汽车有序充电存在的充电影响因素考虑不全、优化目标过于单一、充电体验不友好等问题,以住宅小区电动汽车集群充电为研究对象,构建集群有序充电模型,提出模拟退火的混沌粒子群(simulated annealing chaotic particle swarm,简称SACPS)算法,且使用该文算法对集群有序充电模型进行优化,最后对优化结果进行仿真实验.仿真实验结果表明：相对于其他2种算法,该文算法能使电动汽车集群有序充电模型取得更低的最佳适应度;与集群无序充电相比,SACPS算法的集群有序充电的负荷峰值、负荷峰谷比、充电费用分别降低了42.62%,96.81%,15.61%; SACPS算法的集群有序充电在一定程度上实现了与其他负荷的错峰用电.因此,SACPS算法具有优越性.     

基于物理干扰模型的分布式传输调度算法

传统上对无线多跳网络中传输调度问题的研究是基于协议干扰模型的。该模型对问题的分析比较简单,通常会使调度算法的性能较差。该文提出了一种基于物理干扰模型的分布式调度算法来提高网络吞吐量。物理干扰模型反映了接收节点的信干噪比(SINR),是对现实场景中干扰的一种更精确的抽象。该文将传输调度问题建模为整数线性规划(ILP)问题,然后将其松弛为一般的线性规划(LP)问题,提出一种分布式算法来求解LP问题的最优解,进而计算传输调度问题的最优解。在该分布式算法中,每个节点只需要本地的信道信息便可以计算出最优的传输概率,从而实现最优调度。仿真结果表明:该算法可以很快收敛到最优解,并且吞吐量性能与中心式算法接近。     

一种实用的JOB-SHOP生产调度算法

根据生物遗传算法并结合工件的生产工艺知识,提出了一种JOB－SHOP生产调度新算法。该算法采用可编程控制器软件编程的巡回扫描原理,解决了生产调度的仿真问题,所提出的方法为解决生产调度问题提供了新的途径。     

分布式随机迭代系统稳定性分析的并行算法

针对分布式随机迭代系统的特点,运用离散随机大系统的稳定性分析方法,提出一种易于作自动推理的分布式随机迭代系统稳定性并行分析法;解决了具有分布结构的随机迭代系统中出现的Ｌｙａｐｕｎｏｖ方程的高效并行算法问题．     

基于遗传算法的分布参数对象PID控制器设计

实际工业过程中的对象大都属于分布参数系统,控制现场主要采用比例-积分-微分(PID)控制方法。该文将基于遗传算法的PID控制器优化设计方法(简称GAOPT方法)应用到一类分布参数对象上,设计了最优控制器,并与几种基于常规整定公式的控制器进行比较。仿真结果表明,GAOPT方法设计的PID控制器,可以利用较小的控制能量,获得在超调量、调节时间和时间乘绝对误差积分(ITAE)等指标上都较优的控制效果。将GAOPT方法应用到分布参数系统上,可以提高现有工业中PID控制器的控制水平。     

分布式系统的实时容错任务调度算法设计

提出一种分布式实时容错调度算法,并研究了该算法的时间复杂度．这种容错调度算法称为“副版本后调度（ＢＫＣＬ）算法”,该实时容错调度算法可以同时调度具有容错需求的实时任务和无容错需求的实时任务,所产生的调度可保证在分布式系统中一个节点机失效的情况下,具有容错需求的实时任务仍然可在截止时限内完成．     

基于遗传算法的分布参数对象PID控制器设计

实际工业过程中的对象大都属于分布参数系统,控制现场主要采用比例-积分-微分(PID)控制方法。该文将基于遗传算法的PID控制器优化设计方法(简称GAOPT方法)应用到一类分布参数对象上,设计了最优控制器,并与几种基于常规整定公式的控制器进行比较。仿真结果表明,GAOPT方法设计的PID控制器,可以利用较小的控制能量,获得在超调量、调节时间和时间乘绝对误差积分(ITAE)等指标上都较优的控制效果。将GAOPT方法应用到分布参数系统上,可以提高现有工业中PID控制器的控制水平。     

实时分布式环境中动态调度服务研究

在分析中间件技术用于实时分布式系统所面临问题后,指出了在此环境中必须引入调度服务.比较了静态调度与动态调度的优缺点.根据目前国外对实时CORBA动态调度服务的研究,提出了一种面向实时应用的动态调度服务框架,并对其原理、行为和主要组成成分进行了探讨.     

基于ADMM的TV图像重建算法研究：设计、实现及评估

稀疏重建是当前CT(computed tomography)领域的研究热点,其实质是用稀疏视角下的投影来重建图像,以减少扫描过程中对病患的辐射剂量。随着压缩感知理论的提出,稀疏重建算法已经被广泛应用到了医学CT中。TV(total variation)算法是可以实现稀疏重建的一种有效方法。本文设计了一种基于ADMM(alternating direction method of multipliers)的TV算法,先将非约束的优化问题转换为约束形式,然后引入乘子,最后通过交替方向法实现迭代过程。该方法将复杂的优化问题分解为了若干个具有闭合形式的子优化问题,故迭代速度较快。仿真实验表明,与传统的滤波反投影算法相比,该算法可以实现稀疏角度下的高精度图像重建。同时还初步探讨了平衡因子在不同噪声情形下对重建精度的影响。     

分布式多自主体优化问题中的概率量化影响研究

考虑一个由多个自主体构成的网络,网络中每个自主体拥有一个只有自己知晓的局部目标函数,研究优化所有局部目标函数和的问题.基于一致性算法基本思想并结合次梯度方法解决了固定的网络拓扑结构且自主体之间交换的信息是经过概率量化的分布式多自主体优化问题.得到一个与量化精度和网络连接度有关的关于收敛速率的上界.当步长固定时,该上界可保证网络中的每个自主体的状态值收敛到最优解附近.     

电动汽车弹性充电策略的研究

为了缓解电动汽车里程焦虑问题,降低因充电时间过长对日常使用的影响,对家用电动汽车的充电策略进行了研究.针对家用汽车使用场景的离散性,提出弹性充电的方法,利用使用间隙规划充电方案,降低对行程的延误.并提出选择充电站和充电量的最优算法,根据电动汽车自身电池特性和周边充电站的资源竞争情况计算最优的充电决策.通过对真实车型数据和用车场景的模拟,验证了算法的有效性.这表明弹性充电策略能够大幅度节省行程时间,消除用户的里程焦虑.     

调度问题的建模方法

生产调度问题有广泛的应用前景，有明显的经济效益与社会效益。但是生产调度问题的研究大多只考虑求解方法，很少涉及建模方法。建模方法主要依靠专家的经验和技巧。本文提供了调度问题的数学描述，这是把调度问题定义为一类约束满足问题。然后以皇后问题为例研究了调度问题的建模方法。由此实例给出了模型的测度，并给出基于约束的建模方法。这种基于约束的建模方法对于建模问题的理论化，形式化，是积极的探索。这可以指导调度问题的数学模型的建立。