基于遗传算法的动态联盟伙伴选择过程及优化模型

动态联盟中的伙伴选择和优化是动态联盟组建过程中的一个关键问题。该文对动态联盟中伙伴选择问题的复杂性进行了分析 ,指出已有定量方法存在的局限性 ,在对伙伴选择过程进行数学描述的基础上 ,提出了一个基于遗传算法的联盟伙伴选择优化模型 ;并对该模型的算法进行了设计和改进 ,最后给出了一个典型算例 ,以说明该模型和算法的有效性。     

一种实用的启发式资源平衡优化算法的改进

资源平衡优化问题即资源有限项目调度问题,是一个NP难问题,现在商用项目管理软件系统中的资源平衡优化问题多采用基于优先规则的启发式算法.通过定义一个新的作业集合和一个巧妙的修改动态参数的方法,使算法在实现上极大地减少了调度时间,进一步增强了启发式算法的实用性.     

动态联盟中盟员选择的评价体系及优化决策研究

动态联盟是 2 1世纪信息社会生产的主流组织形式 ,选择和确定联盟伙伴是建立动态联盟伙伴是建立动态联盟的关键环节之一 .盟员的正确选择对提高联盟企业的总体竞争力有着极其重要的作用 .在构建动态联盟盟员的实施评价体系基础上 ,提出一个修正的AHP算法 ,并利有该算法对盟员的优化决策进行了定量研究 .     

联盟模式下云资源提供最优化算法

为了提高资源利用率和云资源提供者的收益,提出一种云联盟模式下基于合作博弈的资源提供算法.算法将资源联盟收益最优化形式化为线性规划问题,通过合作博弈核求解了该收益最优化问题,并证明了处于合作核中的资源提供策略同样是线性规划最优解.进一步,为了获得稳定的资源联盟结构,设计了基于离散Markov链的动态联盟构造模型,通过该模型可以得到收益最大化的最优联盟结构.仿真实验结果表明,对于具有博弈理性的资源提供者而言,资源联盟可以有效提高个体资源提供者的收益,同时,由于结盟代价的存在,稳定的联盟结构更加倾向于形成规模更小的联盟.     

基于客户/服务器模式的敏捷制造信息系统结构

客户／ 服务器（Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ） 采用并发服务器和ｓｏｃｋｅｔ 编程方法,完善地解决了网络通信的同步问题．基于Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ 模式,根据动态联盟的组织原则,提出了开放性的敏捷制造信息系统结构．该系统结构有如下特点：实现了动态联盟中分散的制造资源的共享;维护了联盟单元在解决问题时的自主性;通过联盟单元间的双向委托协议,可以保证信息数据的一致性;保证了联盟单元组织异构性的兼容．解决了在组织动态联盟时的几个关键问题,为进一步开展敏捷制造研究奠定了基础     

动态联盟成员间的协作分配

基于动态联盟其内部的报酬分配问题,建立了动态联盟的对策模型．用该对策模型分析动态联盟内部报酬分配的结果表明：ｎ 人合作对策的重要部分是要预先进行优化,形成合理的分配方案,以确保联盟的稳定性与合作成功,并用实例加以说明．     

基于Metropolis准则遗传算法的企业动态联盟生成模型

为了提高动态联盟中企业选择联盟伙伴和优化过程中的效率,提出一种基于Metropolis准则遗传算法的企业动态联盟生成模型.将模拟退火算法中的Metropolis准则与遗传算法相结合,提高企业选择联盟伙伴和优化过程中的效率.1 000次仿真实验表明,标准遗传算法SGA平均需要166次才能找到最优解,而基于Metropolis准则遗传算法(MGA)平均仅需要149次就可以找到最优解.企业选择联盟伙伴和优化时,基于Metropolis准则遗传算法(MGA)可以使企业高效找到最优联盟伙伴.     

网格资源的动态分配和管理技术研究

为了提高资源共享和协同工作效率,在现有网格资源管理体系结构基础上,对支持资源管理动态化的特性进行了改进,并提出了无间隔动态解决资源故障的算法.该算法将资源库中可运行的任务尽可能多地映射到相应的本地资源管理者,使资源能够进行动态分配,从而使网格中面临的大量具有动态特性的资源管理问题变得容易, 实现了对网格资源更加灵活高效的使用.     

基于客户／服务器模式的敏捷制制造信息系统结构

客户／服务器（Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ）采用并发服务器和ｓｏｃｋｅｔ编程方法，完善地解决了网络通信的同步问题，基于Ｃｌｉｅｎｔ／Ｓｅｒｖｅｒ模式，根据动态联盟的组织原则，提出了开放性的敏捷制造信息系统，结构，该系统结构有如下特点；实现了动态联盟中分散的制造资源的共享联盟单元在解决问题时的处主性；通过联盟背地里元间的双向委托协议，可以保证信息数据的一人致性；保证了联盟单元组织异构属组织异构性的兼容     

基于J2EE的动态联盟系统的研究及实现

为解决动态联盟企业间基于计算机网络的资源优化和协作问题,设计了网络化制造动态联盟系统,并给出了系统在J2EE(Java 2 Platform Enterprise Edition)平台上的实现过程。该系统利用J2EE的结构特点将整个系统设计为4层体系结构,采用Session Facade,Composite Entity,值对象等设计模式。实践表明,该系统提高了系统的可重用性和可维护性,降低了网络负载,提高了资源利用率。该系统可作为多领域、地理上分散的企业和部门之间协作设计、制造、复杂产品装配 (如汽车零部件)的参考。     

复杂工程施工系统资源优化模型及其应用

对于复杂工程施工系统，工期一定、资源均衡的资源进度计划是需要解决的一个重要且有相当难度的问题．首先利用程序实现了在工程实践中运用的两种经典模型，即削峰填谷模型和最小方差模型，并对比分析了各自的特点；然后引入近年发展起来的遗传算法模型，并加以改进实现．最后将三种模型应用到某大型水电站地下洞室群施工系统资源优化中，获得了各自的仿真优化计算结果．通过比较分析可知，遗传算法模型相对最优，能够很好地满足实际的施工需要。同时也为此类问题的模型选择提供了依据．     

资源受限项目调度模型的施工进度管理

综合资源受限项目调度问题的研究和实际建设工程项目施工进度管理的需求,提出广义优先关系下的差分进化人工蜂群算法的资源受限项目调度模型.其中差分进化算法用于处理交叉变异问题,人工蜂群算法用于处理寻优过程的各阶段推进,并以广义优先关系串行调度产生方案获得的总工期作为适应度值确定优先级编码.根据实际工程项目的应用进一步提出由逆向反推计算关键路径、关键任务的资源及历时优化、非关键任务的资源均衡等组成的资源约束进度管理方法.在eclipse环境下用Java语言进行编程,快捷准确地获得进度和资源相关的资源约束进度计划、约束资源分布情况,以及资源与工期的优化方案.     

一种求解项目调度中资源均衡问题的粒子群算法

针对资源受限下的项目资源均衡问题的自身特点,及其与传统资源受限项目调度问题的相似之处,设计了一种以优先值法作为粒子表达RLP问题的粒子群优化算法。选用并行进度生成机制,同时在将资源均衡转化成资源受限下项目调度问题的过程中,根据资源均衡本身的特点,对并行进度生成机制进行处理。最后结合算例进行仿真实验,验证了构建的资源均衡模型以及粒子群算法求解资源均衡问题的可行性。     

考虑资源闲置成本的网络计划资源调度优化模型

针对在考虑风险因素时,资源就位时间的任何改变都可能使总工期和资源闲置时间发生变化,进而影响到施工计划总成本的情况,建立了总成本最低的最佳资源就位时间优化模型,并给出了利用蒙特卡罗(MC)法模拟和遗传算法求解各工作最佳资源就位时间的方法.实例验证结果表明,该优化模型优于CPM网络模型.     

基于项目拆分决策的多模式资源投入

结合一类实际生产决策需求,提出了基于项目拆分决策的多模式资源投入调度问题,并以资源投入最小化为优化目标,建立了问题的数学模型.针对模型特点,提出了包含项目拆分算法和多模式资源投入型项目调度算法的双层优化算法,其中项目拆分算法通过将作业在不同子项目之间有效移动获得合理的拆分方案,多模式资源投入型项目调度算法通过分析不同作业对时间约束和资源约束的影响来确定优先级规则,进而得到最佳调度方案.应用PSPLIB标准算例进行数据实验,结果证明了算法的有效性和可靠性.     

基于遗传算法的项目管理优化仿真研究

传统的项目进度一维优化扩展至有偏好的二维目标(进度、成本)优化,同时将成本优化目标分解为项目成本大小以及资源均衡度从而构成三维目标优化,将无资源约束的环境扩展至资源约束下的复杂环境,将局部搜索优化领域扩展至全局范围内的优化.在内容上,先对项目的单目标优化管理理论进行详尽研究并指出其现实的局限性,同时提出了智能启化式方法-遗传算法在资源约束下项目管理优化方面的优势.在此基础上本文构建了基于三维目标偏好的项目管理优化仿真模型,解决了项目管理优化理论中最为重要的两大问题:资源约束下的项目进度优化以及资源约束下的三维目标(项目进度、项目成本以及资源均衡度)的优化问题.为了验证此模型对以上问题的有效性,本文应用Matlab仿真技术进行仿真模拟并与传统方法做比较,从结果可以看出遗传算法能够更好的解决此类问题.     

云计算下均衡负载的差异性资源调度算法优化研究

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题,当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

遗传算法在工程项目资源优化中的应用

GA是一种源自生物界自然选择和自然遗传机制的随机化搜索方法,群体搜索策略和信息遗传的特点使其在组合优化中表现出其它传统方法所不能比拟的性能。将GA应用于工程项目的资源优化中,解决资源平衡和资源有限问题,避免了繁琐的推断过程,同时还能得到除最优解外的几个次最优的解决方案。     

Stackelberg博弈的MEC资源分配策略

移动边缘计算(mobile edge computing,MEC)通过在网络边缘部署计算资源成为缓解终端设备资源匮乏的有效方案。针对设备计算资源无法满足任务需求的问题,提出一种基于Stackelberg博弈的MEC资源分配策略。该策略应用Stackelberg博弈理论将请求方、协作方的卸载过程描述为效用最大化问题以激发双方的协作积极性,并设计一种基于粒子群的Stackelberg博弈算法,以快速获得该优化问题的最优解。同时,由于区块链具有分布式、不可篡改等特性,出于对安全性的考虑,将其应用于协作过程的管理。实验结果表明,所提策略可以实现双方联合效用最大化,且相较于遗传算法的卸载方案;所提算法具有更快的收敛性能。