基于优先级权重的 Hadoop YARN 调度算法

为解决 Hadoop 现有调度器调度任务时不能根据任务的紧迫程度分配资源的问题, 研究 YARN 中的资源 调度机制, 改进原调度器(Capacity Scheduler), 提出一种基于优先级权重的 Hadoop YARN(Yet Another Resource Negotiator)调度算法(Weight Scheduler Based on Priority)。 为叶子队列设置队列优先级, 结合队列资源利用率和 队列优先级选择队列; 将应用程序的初始权重设置为应用程序优先级的大小, 通过等待时间判断是否更新权 重, 根据权重对队列中的应用程序进行排序, 调度时优先为权重高的应用程序分配资源。 实验结果表明, 与原 有调度算法相比, 改进算法平均任务执行时间约减少 141 s, 平均等待时间减少 34. 5%, 保证了用户执行任务 的相对公平, 提高了用户总体满意度。     

基于公平性的Xen虚拟机磁盘调度改进算法

本文提出了基于权重的磁盘调度算法，称为改进的ICFQ算法，解决了Xen Linux的CFQ调度算法存在的公平性问题。ICFQ引入了10权重参数，并将磁盘服务时间作为公平性衡量的标准（取代了原CFQ算法以请求处理数量为公平性度量标准的做法）。同时．新算法将IO处理在一个轮转调度周期中多使用的磁盘时间从下一个调度周期的时间份额中减去．从而实现了各个用户域之间在磁盘服务时间纬度上的公平性保障。另外，当系统中只有一个活动的10请求域时，时间补偿算法将不被使用，从而最大可能的提升系统的10吞吐量。通过实验证明，ICFQ调度算法能较好的解决CFQ算法公平性缺失的问题，同时保持和CFQ算法相近的整体IO吞吐率。     

一种求解柔性作业车间调度问题的改进DRSGA

为了解决柔性作业车间调度问题中权重难以确定导致调度效率低的问题,该文提出了1种改进的动态随机搜索遗传算法(DRSGA)。用功效系数法将所有工件完成时间和机器的总负载转化为单一的最小化目标。基于工序和机器分配2种交叉操作,采用1种双层染色体编码方案进行编码。采用1种可变影响空间评价方法,在保证非劣解均匀分布的同时维护了种群多样性。采用动态随机搜索(DRS)和擂台赛法则调整关键路径中工序的排序,得到最优调度方案。将改进DRSGA与向量评估遗传算法、改进遗传算法和混合遗传算法运行结果进行比较,仿真实验结果表明,改进DRSGA求最优解所用平均时间比3种对比算法缩短了41~257 s。     

基于粒子群算法的物流配送车辆优化调度研究

应用粒子群算法求解物流配送系统的车辆优化调度问题,针对车辆调度问题中需要考虑车辆容量和车辆行驶路径的限制等要求,提出一种基于收货点、粒子位置次序和粒子位置取整操作的三维粒子编码方法,采用惯性权重线性递减粒子群算法对两个算例进行计算,并与遗传算法的计算结果进行了比较.结果表明,粒子群算法能够有效地对物流配送车辆调度问题进行优化.     

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.     

基于案例推理中特征权重自动学习方法研究

讨论基于案例推理中特征权重的自动学习方法．通过分析现有的一种利用粗糙集理论进行权重自动学习的算法，指出了该算法中存在的一些问题，最后提出了一种改进的权重自动学习算法，并通过实例对两种算法进行了比较．     

改进的粒子群算法在车间作业调度中的应用研究

针对粒子群算法搜索精度不高、易陷入局部极值点的缺点,通过分析原有粒子群算法的优化机理,提出一种基于惯性权重随粒子,进而使进化代数增加而非线性减小的改进粒子群算法,并将此改进的粒子群算法应用在车间作业调度问题中.通过大量仿真实验结果表明,该算法在求解车间作业调度问题上具有可行性和有效性.     

改进自适应遗传算法解决登机桥桥手调度问题

为了降低因登机桥桥手调度问题而引起的机场运行秩序被破坏、登机桥桥手工作效率低下以及工作负载不平衡事件发生的可能性,该文通过改进自适应遗传算法结合登机桥桥手调度原则对调度问题进行建模求解。首先设计了有针对性的适应度函数。同时为了克服传统遗传算法无法直接应用于该问题以及改进算法性能,该文改进了算法的执行流程,最终通过改进后的算法对问题进行优化计算。通过算法计算得到了满意的调度结果,并且与基本遗传算法、传统改进自适应遗传算法以及模拟退火遗传算法进行比较,发现性能得到大幅度提升。算法不仅避免了未改进之前的早熟问题,同时加快了收敛速度以及人工调度带来的隐患,同时克服了传统遗传算法无法直接适用于登机桥桥手调度的问题,为机场地勤部门对于桥手调度问题提供了工具和方法,具有重要实际意义与工程应用价值。     

HSDPA流业务M-LWDF分组调度算法性能

在高速下行分组接入(HSDPA)系统中,无线资源管理功能主要利用分组调度算法来实现.介绍了HSDPA成熟的实时业务调度算法M-LWDF,针对其在公平性方面的缺陷,对此算法进行了改进.通过引入最小吞吐量来保证提高用户信道条件差的用户优先级,并对这2种算法在公平性和吞吐量等方面进行比较分析.仿真结果表明,改进的M_LWDF算法比原M_LWDF算法更加合理,提高了信道质量差的用户优先级,但是此公平性是以吞吐量的降低为代价的.     

基于改进差分进化算法的MVB周期调度表优化设计

多功能车辆总线(MVB)周期调度表的优化设计对提高列车通信网络实时通信的可靠性和均衡网络负荷具有重要作用.考虑到已有的多功能车辆总线周期调度表优化方案存在的不足,提出了一种基于改进的差分进化算法的优化设计方法.首先建立调度问题的数学模型,根据IEC61375-1国际标准和可调度性要求建立了优化目标和约束条件;然后根据周期调度表的生成特点对原差分进化算法的变异和选择阶段进行了改进,提出了适用于MVB周期调度的优化方法;最后通过仿真实验与现有优化算法进行比较,验证了本文所提的改进的差分进化算法对周期调度表的构建具有更佳的优化效果.     

一种求解热电联产经济调度问题的改进粒子群算法

随着热电联产系统在火电厂发电过程中所占比重的不断提高,热电联产经济调度(CHPED)问题的解决迫在眉睫。本文在二阶振荡粒子群算法的基础上,对算法的两个重要参数的惯性权重和学习因子进行改进,并对粒子群算法更新迭代后的个体引入差分变异操作,使得算法在最优解寻找过程中的性能得到提升。为了证实该算法在热电联产经济调度系统中的有效性,该算法被应用到一个24机组热电联产测试案例中。实例证明,相比于其他进化算法,本文提出的融合差分变异操作的改进二阶振荡粒子群算法(DEPSO)在热电联产经济调度问题中可以得到很好的结果。     

改进PSO权值算法在流水生产调度中的应用

为了在生产中快速有效且合理地安排生产流程,达到生产最优化,采用改进粒子群权值算法(DPSO)。研究了DPSO算法地参数设置问题,在传统PSO算法基础上加入具有动态自适应调整功能的权重因子,使算法更快地达到全局最优化,迭代次数也大大缩短,将DPSO算法用于流程工业的flow-shop调度中,大大提高了生产效率,仿真实验表明该算法具有良好的全局优化性能。该成果对生产调度具有一定的参考价值和指导意义。     

基于改进海鸥算法的微电网经济调度研究

为保证微电网经济可靠运行的同时,减少对环境的污染,提出了一种综合考虑微电网的运行成本和环境污染等因素的微电网优化调度模型。通过自适应权重法为不同的适应度函数分配权重,把多目标问题转化成单目标问题,采用改进的海鸥算法寻找最优的配置方案。实验结果表明,经过改进的海鸥算法具有很好的全局寻优能力和求解精度,收敛速度相比于标准算法也有一定的提高,在对微电网经济调度问题的求解上具有一定的优势,既降低了微电网的运行成本,又减少了环境的污染,提高了微电网运行的可靠性。     

基于改进粒子群的柔性作业车间调度问题优化研究

主要针对柔性作业车间调度问题进行求解,利用改进粒子群算法作为求解方法,以最小化最大完工时间(C_max)作为该问题的求解目标.在算例的选取上,选用作业车间调度问题的8*8经典算例和柔性作业车间调度问题的Brandimarte算例对提出的算法进行验证.改进粒子群算法由遗传算法和粒子群算法构成,遗传算法具有较好的全局搜索能力,但搜索过程中收敛的精度不高,粒子群算法由于其寻优特性,在搜索过程中速度较快,但容易陷入局部最优,综合考虑两者的优缺点,将遗传算子引入粒子群算法中,采用交叉搜索的方式,调整惯性权重以及变异的方式使粒子进化,当粒子群进化到一定程度后,对部分粒子进行变异处理从而避免算法陷入局部最优解,同时可以提高粒子群算法的收敛精度.依据柔性作业车间调度问题的特点,在经过多次变换种群规模以及迭代次数后,求解出最适合柔性作业车间调度问题的最优解.     

求解随机阻塞批量流水线调度问题的改进人工蜂群算法

针对含有随机加工时间的阻塞批量流水线调度问题,利用蒙特卡洛采样方法,将不确定加工时间的阻塞批量流水线调度问题转化为确定加工时间的阻塞批量调度问题。采用改进的人工蜂群算法,对上述转化后的调度问题进行求解。算法中加入了和声搜索和基于插入操作的局部搜索算子,以改进全局探索和局部开发能力,并将改进的算法应用到阻塞批量调度的24个算例中。仿真实验结果表明,改进的人工蜂群算法能够降低调度中的不确定因素带来的影响,产生高质量的解。     

基于改进遗传算法的多目标柔性作业车间节能调度问题

为降低柔性作业车间调度中的能耗,在分析柔性作业车间调度问题研究现状和不足的基础上,以完工时间、机器能耗和工人操作机器的舒适度作为柔性作业车间调度问题的多目标函数。利用改进遗传算法对其进行优化研究。算法中采用权重法对种群进行初始化处理以获得较好的解;采用快速解码获得需要的总适应度值;利用改进的交叉及变异操作,避免非法解的产生;利用精英保留策略保留优秀基因,提高求解效率和求解质量。通过对具体案例仿真验证算法的有效性。     

云计算环境下基于改进离散粒子群的并行调度算法

针对云计算环境下的任务调度优化问题和传统离散粒子群优化(DPSO)算法早熟、精度低等缺点,提出了一种适合云计算环境下动态调整惯性权重因子的方法,并给出了云计算环境下改进后的离散粒子群优化算法.该算法能快速确定合适的并行任务分配方案,使其达到调度长度最短的优化目标.仿真结果表明:文中改进的DPSO算法的收敛性、前期全局搜索和后期局部探索性能均优于传统的DPSO算法和遗传算法;在任务数较大的情况下,采用改进DPSO算法的并行任务调度算法的调度长度明显优于采用传统DPSO算法和遗传算法的并行任务调度算法.     

奥运通勤线路公交调度问题研究

奥运通勤线路上的人员调度问题可以归结为公交人员调度问题,解决公交人员调度通常采用"生成与选择"模式,此种模式具有的局限性使之不能满足解决奥运特色通勤线路上人员调度的要求.针对多条运营线路的奥运特色通勤线路人员调度问题,给出了奥运特色通勤线路人员调度问题的改进模型,模型的目标是在满足工作时间、就餐时间、换班要求等相关约束的条件下使人员完成任务的间隔时间最小.本文对已有蚁群算法解决车辆路径优化问题的算法进行了改进.对算法中相应的转移规则和轨迹更新规则进行了重新设定,改进了算法转移策略和信息素更新策略.给出了算法的实现步骤.通过仿真,对模型的正确性进行了验证.证明了改进蚁群算法解决奥运特色通勤线路人员调度问题的高效性和较强的适用性.     

基于局部权重及阈值调整算法的BP网络预测模型研究

通过对基本BP算法的分析,提出了一种基于局部权重及阈值调整的改进BP算法.结合该改进算法,讨论了在Matlab中创建基于BP网络的交通运输需求预测模型并使用该模型进行预测的过程.同时,将基于局部权重及阈值调整的改进BP算法和加动量项的自适应学习率BP算法的模型的预测效果进行了比较,比较结果表明前者的预测效果优于后者.     

分组调度算法在不同权重分布下的时延性能

分组调度算法是网络QoS体系结构中的一个重要组成部分。从业务流的权重分布和流量类型两个角度,通过仿真实验,比较了基于时标算法WF^2Q 和轮循算法DRR,研究了它们的时延性能与流的权重分布、流量类型之间的关系。WF^2Q 在任意的权重分布时都具有最佳的时延性能,而DRR时延性能的优劣与流的权重分布有关系;流量的类型和突发度对两种调度算法的时延性能没有影响。