DS-TE环境下LSP抢占算法

原有V-PREPT(Versatile Preemption)算法关心的是抢占总代价最小化, 灵活性较好但带宽利用率不高。为此, 在研究DS-TE环境下的抢占机制及现行的抢占算法基础上, 提出了BH-PREPT(Bandwidth Preemption)算法。该算法能在最小化抢占总代价的条件下提高带宽的利用率, 在保证被抢占的总带宽满足需求带宽的前提下, 通过采取枚举法找出抢占总代价最小的LSP(Label Switching Path)组合, 且优先选择被抢占LSP数目最少的组合实施抢占。通过Matlab的仿真结果表明, BH-PREPT算法在提高带宽利用率方面比V PREPT算法更具有优势。     

基于蚁群算法的QoS多播路由算法

提出一种基于蚁群算法的分布式动态QoS多播路由的算法.充分考虑路径时延对多播树总代价的影响,多播树中添加符合QoS约束条件的路径,并且从多播组的目的结点出发进行搜索,该路径的路径代价在该次选中的所有迭代路径中最小,以"拉"的模式分布式地构造出多播树。实验结果表明,该算法代价性能良好,能满足多媒体网络的实时性要求.     

基于路由代价的无线传感器网络蚁群路由算法

能耗最小化和能耗均衡是无线传感器网络路由算法的两个主要问题.文中从无线传感器网络蚁群路由算法出发,分析了启发式因子的各种构建方式对能耗最小化和能耗均衡的影响,提出了无线传感器网络的路由代价模型,并以此构建启发式因子.对比各种构建方式的仿真结果可以看出,使用路由代价构建启发式因子更为合理,该构建方式在网络寿命和均衡性方面...     

基于三支决策模型的代价敏感数据分类方法

三支决策是近年来提出的一种新的决策理论模型,为了将该模型应用于数据的分类中,提出一种基于三支决策的代价敏感数据分类方法。首先根据三支决策模型,定义一种新形式的误分类代价,并提出相应的最小化误分类代价特征选择算法,然后在该特征选择算法的基础上,提出三支决策模型的代价敏感数据分类算法,该算法将数据分类结果分成三种情形,分别为标记特定类别、不标记特定类别和暂不标记。最后通过仿真实验证明了文中所提出的算法具有更好的代价敏感分类效果。     

稀疏网络的Floyd动态优化算法

通过对Floyd算法进行研究,提出了一种新的求取任意两点间最短路径的算法:Floyd动态优化算法.该算法通过引入插入数组、可达数组以及可发数组,使得算法在求解最短路径前自动修改能够最小化路径的节点,剔除一些无用的节点,最小化语句执行的次数.算法分析表明,新算法在稀疏网络中比Floyd算法在性能上有较大的提高.     

基于Voronoi图的无人机航路改进规划

针对传统B样条插值法在无人机航线优化路径中的不足,基于Voronoi图提出一种新的快速优化航路算法.首先根据最短路径算法在Voronoi图中生成初始路径,然后在路程时长和权重大小最优的情形下,采用该优化算法对路径中构成不可飞夹角的各节点进行更新和替换,生成一条最优路径.该算法解决了因初始路径不合理导致无人机不可飞的情形,同时保证了航路中威胁代价和燃油代价的最优.实验结果表明,该算法满足航路规划的有效性和合理性.     

一种用于方向预测的集成学习算法

对用方向向量标识示例的学习问题,以预测方向与实际方向之间的方向误差最小化为目标,提出了一种可用于方向预测的集成学习算法,详细分析了构造多个预测函数以及组合各个预测函数以实现方向的最优化预测方法. 提出的算法具有广泛的应用特性：当用不同的轴向来标识类别时,可简化得到多分类连续AdaBoost算法,其能确保训练错误率随分类器个数增加而降低;用错分代价组成的向量来标识示例时,可简化得到一种平均错分代价最小化的集成学习算法. 理论分析和实验结果均表明了算法的合理性和有效性.     

车辆路径优化问题的均衡性

研究车辆路径优化问题中配送线路之间的均衡性可以提高配送服务质量。利用C larke-W righ t算法,结合打包原则和装配线线均衡算法的思想,设计出一种称为θRC的启发式算法来处理两个目标的车辆路径优化问题:一是最小化总距离,二是均衡各条线路间负载。该算法包括3个主要部分:θ约束,R运算和C运算。将该算法应用于一个有38个用户的物流配送公司的配送路线求解,结果显示该算法在总路径增长12%的情况下,实现均衡值降低85%。该算法能较好实现车辆路径优化求解中的负载均衡。     

基于鱼骨型仓库的拣选路径问题优化

为提高鱼骨型仓库布局下的订单拣选效率,基于拣货路径距离计算模型和以最小化拣货路径总距离为优化目标的拣选路径优化模型,提出一种混沌模拟退火粒子群优化算法,引入混沌理论使粒子更高效地遍历搜寻空间,同时结合了模拟退火算法的概率突跳特点使算法在迭代后期仍具有较好的全局寻优能力.最后,通过实例仿真验证了该算法在解决鱼骨型仓库布局拣选路径优化问题上的有效性,并通过与其他算法比较,证明了该算法的先进性,为鱼骨型仓库布局下拣选路径规划问题提供了新的解决思路.     

基于D*算法的场面滑行动态规划研究

研究了机场场面滑行路径动态规划问题.基于三种滑行冲突约束,建立了使航班总体滑行时间最短的动态优化模型.改进了传统的D*算法,提出了基于时间权值的冲突预测和代价修正函数.案例计算相比Dijkstra算法得到的结果减少了203s,有效减少总滑行时间,提高场面运行效率.该算法不仅可以用于滑行路径的初始规划,也适用于场面实时滑行引导的实施.     

MPLS网络中支持Diffserv流量工程的抢占算法

通过对MPLS网络中支持Diffserv流量工程的抢占策略的分析,基于抢占策略包括LSP的数目、LSP的优先级和抢占带宽三个主要抢占准则的思想,提出了一种优化的启发式算法。该算法基于回溯法的原理求解NP完全问题。仿真结果表明,与其它算法相比,该算法表现出更高的求解准确度,求解时间复杂度相当,适合实际的大规模网络的应用。此外,本文也考虑了在抢占策略下的路由方法。     

基于DS-TE 技术的VPN 的LSP 抢占算法

针对BH-PREPT(Bandwidth Preemption)算法因只关心最小化带宽浪费, 而不考虑计算复杂度和当前光纤通信的带宽资源而引起的网络时延极大增加的问题, 提出了改进算法DH-PREPT(Delay and BandwidthPreemption)。将用户业务的优先级和网络时延放在首位, 通过采用多个LSP(Label Switching Paths)绑定转发等价类和快速转发客户常用优先级业务的方法提高算法的时延性能。实验结果表明, 该算法在保证带宽利用率的前提下, 极大地减少了网络中的时延。当网络中发生抢占时, 该算法在减少网络时延方面的性能优于BH-PREPT算法, 提高了网络的QoS(Quality of Service)保障能力。     

易腐农产品配送中心选址问题

如何将农产品新鲜、快速、低成本地有效配送,一直是配送中心选址需要关注的核心问题。结合易腐农产品特点,将总配送成本分解为运输成本及产品腐败成本两部分,运用G1法和熵值法,构建了包括各需求点的人口、社会、经济及建造成本4个因素在内的以总配送成本最小为目标的选址模型。借鉴经典NP问题中的Steiner点问题,将之前构建的以配送成本最小为目标的选址模型转化成配送中心到各个需求点总距离之和最小的问题。由于此问题属于典型的NP问题,所以文中选用模拟植物生长算法对此问题进行求解,为了使初始生长点更加合理的分布,引入了谢尔宾斯基地毯的原理对算法进行改进,有效地提高了算法的效率。最后以江苏宜兴市为例进行了实证分析,为相关部门决策提供借鉴。     

RM算法中减少抢占开销的任务微调算法

在基于嵌入式实时操作系统的实时应用中,由于任务抢占导致的切换开销对于整个系统是不可忽略的.提出了一种减少抢占发生的RM任务微调算法,通过对固定优先级调度抢占行为可推迟时间的量化分析,推导出受低优先级任务阻塞而造成的受阻任务集,以及在任意抢占时刻,推迟高优先级实时任务执行避免抢占发生的判定条件.仿真实验表明该算法在保证可调度任务集中所有任务满足时限约束的前提下,延迟高优先级任务的执行,减少抢占发生次数,通过减少抢占开销提高RM算法在实际应用中的可调度利用率.     

考虑反向物流的连锁经营配送路径的优化设计

文章在Ford-Fulkerson算法的基础上引入启发式算法,在约束条件选择时,以同时满足车辆运力合理使用(即满足车辆的装载率)与总运输费用最少为原则,解决既有正向物流又有反向物流的连锁商店物流配送过程中的路径选择问题。     

基于EDF的实时数据库动态容错调度算法

实时数据库系统的事务调度过程中,对于即将完成的事务的抢占会造成CPU时间的浪费,降低系统的性能.针对实时数据库中的周期性实时事务提出了一种PEA(preemptive estimate algorithm)软件容错调度算法,算法基于EDF(earliest deadline first)进行事务调度,并结合负载优化算法进行适当调整,采用抢占评估策略来确定是否允许事务抢占,以最大化系统的资源利用率.通过实验测试,证明其具有良好的性能,能有效提高事务的成功率.     

一种带软时间窗的物流配送中心车辆路径问题的模型与算法

针对单配送中心带时间窗的车辆路径问题,将时间约束折算为惩罚费用,在时间、车辆体积和载重约束的条件下,建立了一种带软时间窗的物流车辆路径总费用最小数学模型。同时在遗传算法的基础上加入记忆功能和退火操作,采用带有记忆的遗传模拟退火算法求解此模型,并将优化结果进行比较。结果表明,该算法收敛速度快、搜索领域宽,能取得较高质量的最优解。     

考虑多约束的MOJ调度问题

统筹考虑晶圆加工过程中的多品种、p-s-d(past-sequence-dependent)换模时间及衰退效应等约束特征,以总加权提前/拖期惩罚成本最小为优化目标,建立了单机MOJ(multiple orders per job)调度数学规划模型.在此基础上,对决策变量进行分离,提出具有双层嵌套编码机制的改进型遗传蚁群调度算法.该算法将遗传算法融合到动态自适应蚁群算法的每一次迭代过程中,并为有效提高算法的收敛性能,引入ATCS(apparent tardiness cost with setups)修正准则.最后,仿真实验结果表明,该算法是有效、可行的.     

硬实时环境下固定优先级调度的离线优化

RM调度算法具有简单的实现机制和较低的调度开销,被广泛应用于硬实时调度领域.然而这类算法的固定优先级特征使其在高任务负载环境下具有极高的抢占次数,从而导致了较大的系统开销,因此提出一种方法来减少RM调度的抢占次数.该方法通过离线计算任务集的最优属性来减少基于RM调度的系统在运行时的抢占次数,进而降低系统的抢占开销.仿真结果表明,该方法可以在不付出额外调度开销的前提下有效减少RM调度的抢占次数,降低实时系统的抢占开销.