基于误码率的模糊加权无线网络公平调度算法

针对无线网络中实现多连接时的公平性调度问题,提出了一种基于信道误码率的模糊规则自校正的加权公平调度算法.该算法通过对链路误码率的定期测量,利用模糊算法对信道的当前状态进行推理判断,从而使各链路的调度权值跟随信道的状态自适应地调整.算法中还引入模糊规则自校正算法,以使其具有自寻优能力.仿真结果表明,所提算法能有效地改善系统的吞吐量及带宽分配的公平性,当信道误码率较高时,系统平均吞吐量比传统加权轮询调度算法提高14倍,而公平性系数仍达到0.8以上.     

LTE-A系统载波聚合下基于用户分组的比例公平调度算法研究

针对LTE-A系统中载波聚合技术下的资源调度问题,考虑到载波衰减特性不同,聚合的载波有不同的覆盖范围,使得不同用户可以调度的载波数量不同,从而导致比例公平调度算法不能很好地保证用户的公平性。为此提出一种基于用户分组的改进比例公平调度算法。该算法根据用户可以调度的载波数量将用户进行分组,并引入加权因子对用户组进行加权处理,从而提高用户的公平性。仿真结果表明,改进的算法能够更好地保证用户的公平性。     

基于多用户分集效应的相对比例公平调度算法

无线蜂窝网络目前所采用的机会调度算法在公平性方面存在缺陷。为解决该缺陷,该文提出了一种适用于无线数据网络的基于多用户分集效应的相对比例公平调度算法。不仅可以通过改变参数来调节系统吞吐量,保证系统性能;而且可以保证各用户之间的公平性,满足不同用户的服务质量要求。仿真实验表明,该算法可以在不同用户之间提供公平的服务,而且能兼顾系统吞吐量和用户服务质量的要求。     

基于用户公平性的OFDMA业务分集资源调度算法

提出了一种基于用户公平性、适用于多用户传多业务的OFDMA移动通信系统的资源调度算法。该算法采用跨层设计方案,综合考虑MAC层业务的QoS要求和物理层的信道状态信息进行自适应资源调度,以实现提高系统容量和保证用户公平性之间的折中与优化。仿真结果表明,相对于未采用业务分集的方案,该文所提算法能够显著的提高系统容量;同时,相对于已有的基于容量最大化的算法,所提算法在保证用户公平性方面有明显的优势。     

用于无线传感器网络的比例公平队列调度算法

提出了一种适用于无线传感器网络的比例公平队列调度算法,该算法以不同业务类别的平均分组到达率为依据,通过为不同业务类别分配服务配额,在加权轮询调度(WRR)算法的基础上可实现比例公平的平均公组传输时和平均分组丢弃率.由于所提算法仅以不同业务类别的平均分组到达率为依据,无需执行加时间戳、根据时间戳排队等复杂操作,所以更适用于资源受限的无线传感器网络率搭建的实际环境测试发现,当以平均分均传输时延为评价参数时,所提算法可实现比例公平分组传输时延,当所有队列都发生丢弃且以平均分组丢弃率为评价参数时,可实现比例公平的平均分组丢弃率.     

基于重建策略的云工作流调度算法优化

为了进一步提高算法性能,提出一种改进的蛙跳算法,并与调度方案相结合,以期为云工作流资源分配提供最优调度.通过在蛙跳算法的局部搜索中加入重建策略,提高了数据随机性,有效避免了局部最优.研究了调度方案生成算法,与改进算法相结合得到接近最优的调度.利用Java模拟器进行仿真试验,并与粒子群优化算法和传统蛙跳算法作比较.实验证明,提出的方法可以在满足最长截止时间约束的情况下,使总执行成本最小化.     

OFDMA系统中基于有限反馈的资源公平调度算法

OFDMA是下一代无线通信系统中在下行链路上实现大容量通信的一种有前途的技术,其中的关键技术之一是在共享信道的用户间公平合理地分配子载波和功率。分析了功率约束下系统最大吞吐量的实现方法,提出了一种基于有限反馈的资源公平调度算法,这种算法具有系统所需反馈信息量少、用户间公平性好等性能,并通过仿真进行了验证。     

基于PROFINET IRT的列车通信网络调度算法

提出了一种基于实时以太网PROFINET的列车通信网络模型,采用时分复用的方式将传输周期分为IRT时段、RT时段和NRT时段,传输3种实时性要求不同的列车数据.在此基础上,重点设计了基于资源受限项目调度问题的实时周期数据IRT通信调度算法,通过时态约束得出多个任务的调度时刻表.采用OPNET仿真软件建立了时分复用的PROFINET通信模型,仿真结果表明:采用本文调度算法的IRT时段交付时间,相比单调速率调度后的IRT交付时间减小,且任务量越大,该算法越有优势.     

认知无线网络中基于免疫优化的比例公平资源分配

针对认知无线网络中基于OFDM技术的资源分配,将其建模为一个约束优化问题,进而提出了一种基于免疫克隆的求解方法. 算法采用两阶段资源分配方法,即先将子载波分配给用户,然后基于免疫优化算法给不同的子载波分配功率. 此外,算法充分考虑了主用户可容忍的干扰约束及次用户对资源的比例需求,更符合实际要求. 根据问题本身特点,设计了适合算法求解的编码、克隆、变异算子. 仿真实验结果表明,在总发射功率、误码率及主用户可接受的干扰等约束下,本算法可以获得较高的数据吞吐量,并保证次用户对资源需求的公平性.      

TDD—OFDMA蜂窝网络中基于QoS的下行调度算法

TDD-OFDMA蜂窝网络中,在三扇区单频小区和三扇区多频小区两种模式下,分析了RR,maxC/I,PF和DPF四种调度算法的系统吞吐量和用户公平性,其中DPF算法是一种基于QoS的下行调度算法。调度算法和频率复用方案的选择需要根据系统吞吐量和用户公平性来权衡。     

基于改进鲸鱼优化算法的资源调度方法

针对在大量数据背景下云计算资源调度模型存在调度效率低、分配不合理等问题,提出一种基于改进鲸鱼优化算法（m-WOA）的云计算资源调度方法。提出了云计算资源调度模型,针对基本鲸鱼优化算法存在迭代后期种群多样性减弱、易陷入局部最优等不足,提出使用Tent混沌反向学习策略来增强种群多样性;并使用精英随机组合策略平衡算法开发和探索能力。将改进后的m-WOA算法用于数值仿真实验和云计算资源调度模型求解。实验结果表明,m-WOA具有更好的收敛精度和更强的稳定性;m-WOA能有效减少云计算完成时间和能源消耗,并提供更合理的资源调度分配方案,从而提升云计算资源利用率。     

基于混沌优化算法的电力系统经济调度和最优潮流

针对电网及电厂经济运行的要求，依据混沌运动的遍历性、规律性、随机性等特点，采用了一种改进的混沌优化方法对电厂与电网进行经济调度。该方法利用混沌变量进行搜索寻优，能不断缩小优化变量的搜索空间并不断提高搜索精度，从而有较高的搜索效率，仿真结果表明，本方法搜索速度快，求解精度高，且使用方便。     

LTE 网络控制信道和业务信道联合调度策略

为了充分地考虑控制信道与业务信道之间的相互影响, 提出基于用户业务需求和基于控制信道调度效率的两种控制信道和业务信道联合资源调度算法。这两种联合信道调度策略均基于以网络吞吐量最大化为目标的最小聚合等级?最大载干比(minimal aggregation-maximal carrier to interference, Min AL-Max C/I)算法提出。在长期演进(long time evolution, LTE)系统级仿真平台中, 将提出的联合资源调度策略与Min AL-Max C/I 算法进行对比。仿真结果与理论推导的结论一致, 证明基于业务需求的联合调度算法优先调度业务需求最大的用户, 所以能获得用户吞吐性能的最优。基于控制信道策略的联合调度算法是从控制信道调度效率最大化的角度出发, 优先调度控制信道调度效率最大的用户, 在控制信道受限的条件下, 能够实现网络吞吐的最大化。     

基于人工鱼群算法的多用户系统资源分配策略

针对当前多用户系统资源分配策略存在的用户公平性较差、 系统吞吐量小等缺陷, 设计一种基于人工鱼群算法的多用户系统资源分配策略. 首先通过分析多用户系统资源分配的工作原理, 构建相应的数学模型; 然后引入人工鱼群算法对多用户系统资源分配的数学模型进行求解, 并针对标准人工鱼群算法存在的局限性进行相应地改进; 最后与其他多用户系统资源分配策略进行仿真对比测试实验. 实验结果表明, 人工鱼群算法可以快速、 准确地找到多用户系统资源的最优分配方案, 有效保障了用户的公平性, 且大幅度改善了多用户系统的通信能力, 整体性能优于其他多用户系统资源分配策略.     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

基于蚁群算法的云计算资源调度研究

本文针对云计算中资源调度问题进行了研究,提出云计算资源调度的蚁群优化算法,在算法设计中综合考虑了在云计算环境中任务完成时间和计算成本优化问题,建立数学模型,并通过cloudsim平台进行实验仿真测试。验证表明算法模型能使总任务完成时间较短、成本较小,是一种有效的资源调度算法。     

基于改进马群算法的进场航班调度优化

进场航班调度优化问题是终端区管理效率提升中的关键问题,可以将其转化为组合优化问题求解.马群算法作为新型群智能算法,其收敛速度和寻优能力在高维函数优化问题中得到验证,为将其优势运用于进场航班调度问题中,基于排列编码,提出交换和翻转行为结合的并行2-opt搜索的启发式搜索策略和新型概率融合个体生成的进化策略.在OR-Library案例上的仿真结果表明,改进后的马群算法能够进一步提升进场航班运行效率,此算法在小规模算例中收敛速度和精度超过现有算法,在大规模算例中也能够有较好的结果,与当前最好结果最大差距仅为1.15%.     

改进粒子群算法的云计算环境资源优化调度

针对云计算的资源调度问题,提出一种基于改进粒子群优化算法(Improved Particle Swarm Optimization,IPSO)的资源调度算法.对云资源调度问题进行分析,建立云资源调度的目标函数,利用PSO较快的收敛速度找到云资源调度问题的最优解,并根据每个粒子的适应度值自适应地改变每个粒子的速度权重,提高了全局寻优能力和收敛能力,同时在Cloud Sim平台对算法进行仿真实验.结果表明:IPSO算法减少了任务的平均完成时间,提高了任务处理的效率,具有很好的优化资源以及合理调度资源的能力.     

多用户协作通信中基于比例公平的资源分配

研究了多用户协作通信系统容量与用户间比例公平性的折衷优化问题,将该优化问题视作非凸优化问题．为减小算法复杂度,利用并行分解的方法给出了一种机会中继与分布式功率分配的联合资源优化算法．首先提出了基于用户容量增益的机会中继选择策略,然后利用KKT条件给出了分布式节点优化功率分配算法．仿真结果表明：相对于随机中继选择以及平均功率分配,该算法在具有较低的算法复杂度的同时,能够显著提高系统性能并保证公平性．     

基于背包理论的无线通信数据包优化调度算法

基于背包算法理论,提出了一种新的无线通信系统的资源优化调度算法,即数据背包填充算法（KFA）,并详细分析了其参数的设置．该算法利用动态编程求解技术,从待传输的无线通信数据包中优选出一组最佳的数据包,并装载成帧发送．与传统的背包算法不同的是,该算法适合于多维目标优化．系统仿真分析的结果显示在用户数少于每扇区300时,FIFS算法和KFA算法的性能差别不很大,但是随着系统中用户数目增多,系统负荷变大时,采用KFA算法的系统吞吐率比采用FIFS算法的系统高20％,且KFA算法能满足不同用户对服务质量的个性化要求,可广泛应用于3G和4G等无线通信系统中．