有限期作业调度的一个新算法

提出了关于有限期作业调度的一个新算法，并证明了新算法的正确性，即对任意一个实例输入，算法都获得最优解作为输出．当作业数n较大而各作业时间期限较小时，该算法的时间复杂度接近于o(n)，优于现有的其他算法o(nlogn)．     

一种基于参数扫描应用容错的粗粒度网格调度算法

考虑作业处理时延以及作业传输时延对调度器性能的影响,在RR调度算法的基础上提出了一种新的基于参数扫描应用的调度算法PRR,并对该算法进行了理论分析,得出了该调度算法不需要作业以及处理器的相关信息,且具有比较好的容错性的结论.利用网格仿真软件Gridsim对PRR调度算法的理论分析结果进行了验证,并将该算法与RR调度算法的性能进行了比较.结果表明,当时延较大时,PRR调度算法性能改善比较明显.     

一种基于贪心策略的启发式云计算任务调度算法

提出了一种基于贪心策略的启发式任务调度算法,用于优化云计算环境下任务调度中执行时间。首先,给出了云计算环境下任务调度问题的形式化描述及其最早完成时间的启发式优先分配原则;接着,基于最早完成时间的优先分配原则,采用贪心策略难易交错地分配任务求得任务调度的初始解;进而,引入了任务对交换的收益值概念,采用贪心策略选择收益值大的任务对交换优化任务调度初始解的执行时间;最后,在Cloud Sim云计算仿真实验平台下进行了顺序调度算法、Min-Min算法、Max-Min算法和本文算法的对比实验,实验数据对比充分验证了本文算法既能减少任务执行时间,又能使资源负载相对平衡。     

面向云计算的任务调度算法研究

云计算中任务调度对云计算的整体性能有重要影响.归纳了云计算调度的特点和性能指标,指出云计算任务调度研究的主要进展.从传统任务调度算法、Hadoop中的任务调度算法、智能化的任务调度算法等方面概括、分析和比较了不同算法的算法思想、实现机制、达到的性能要求.最后,讨论了现有任务调度策略存在的问题,结合云计算面向服务的特点对云计算任务的研究进行展望.     

一个多功能流水冲突优化调度算法

在对多功能流水冲突问题进行分析的基础上,给出了用时段间隔矩阵表示流水线冲突状态的方法,分别计算出每种调度法的平均间隔时段数,找出其中的最小者,实现了流水线各后继任务流入流水线所用间隔的最佳调度.此调度策略,使流水线的吞吐率达到最高,且方法简便明确,易于计算机实现.文章同时给出了实现多功能流水线冲突的优化调度算法.     

网格的任务调度算法研究与分析

介绍网格计算中的任务调度技术,通过三个典型的调度模式,分析了适合各种环境下网格任务调度的基本模式。并给出几种经典的网格任务调度算法,通过对比各种算法的优缺点,指出调度问题进一步研究的方向。     

口腔设备加工系统的RGV动态调度

该文通过分析国内外对RGV在加工系统应用的现状,结合口腔设备加工的实际情况,在熟悉RGV构成及作业流程的基础下,对口腔设备的自动加工系统中RGV动态调度问题展开研究。结合加工系统参数,针对加工系统中的单个RGV进行动态调度分析,构建贪心算法模型,找出RGV工作时的最佳路线,提高加工效率,运用Matlab对该最优路线进行迭代,验证了该RGV动态调度顺序的可信性和可行性。     

贪心算法在多机调度问题中的应用

设有n个独立的作业{1,2,…,n}和m台相同的机器,利用贪心算法的原理使所给的n个作业在最短的时间内由m台机器完成。     

基于穿越路径和分代调整的分代调度算法优化

分代调度(GS)算法在分解任务图时只考虑任务间的偏序约束关系,没有考虑任务划分可能对整体调度时间的影响.其局部调度使用已有的独立调度算法,仅考虑任务子集的完成时间,缺乏全局优化能力.为此,文中提出一种改进的基于GS的GA-DLlPF算法.该算法在GS分代的基础上进行分代调整,并基于"穿越路径"的概念实现了最长穿越路径优先的局部调度策略.仿真实验表明,GA-DLTPF算法的调度性能优于GS的改进算法--OGS,而且任务图深度越大,GA-DLTPF算法的优势越明显.     

NAS设备磁盘调度算法的新测试模型

为了考察NAS设备中使用的磁盘调度算法,提供一种新的基于NAS磁盘调度的测试模型．为了显示测试模型的有效性,以HP97560性能数据比较在NAS中使用的典型调度算法性能．同时例子显示如何使用测试模型．结果表明,测试模型可以客观地反映磁盘调度算法的统计特性,并能帮助磁盘调度算法设计者分析其算法的磁盘调度性能．     

轮循调度的报文平滑改进算法

传统的轮循算法只是简单的对所有队列进行轮循调度,一次调度发送一个分组,使得不同队列在某种程度上"平等"地使用带宽资源。然而由于分组长度不固定,使得长分组队列可能比短分组队列得到更多的服务,获得更高的带宽,因而其公平性受到很大限制。文章提出一种基于平滑的轮循调度算法,该算法提出两个数据结构体,权值矩阵和权值延伸序列。这两个结构体可以减轻传统算法中存在的报文突发性和公平性所带来的问题,并且具有较小的排序复杂性。最后用ns2进行仿真,结果表明该算法能够提供较好的端到端延迟,从而更好地保证了网络服务质量。     

面向QOS的DVB-C2两级自适应调度模型与算法

传统的调度算法大都是在链路容量恒定的情况下,考虑如何保证业务的时延、带宽等QoS要求,而DVB-C2系统采用了ACM技术,链路容量是可变的,且其数据的调度对系统的传输效率和吞吐率有一定影响.为了在链路容量变化的前提下,满足业务QoS需求同时,尽可能提高DVB-C2系统的传输效率与吞吐率,针对DVB-C2系统的特点,提出了一种应用于DVB-C2的两级调度模型,并在该模型的基础上,提出了相应的自适应调度算法.实验表明,该模型与算法适用于链路容量变化的场景,与传统调度算法相比,更好地保证了业务的时延需求,具有更高系统传输效率,提升了系统的吞吐率.     

基于GA与PSO并行的模糊聚类算法

针对FCM算法不足,提出一种改进的模糊聚类算法:基于遗传算法(GA)与粒子群优化算法(PSO)并行的模糊聚类算法.实验结果表明,该算法比单基于GA或者PSO的模糊聚类有较好分类正确率与稳定性,有效克服了传统FCM算法对初值敏感和易陷入局部极小值的问题.     

一种基于遗传算法的航迹优化方法

目的设计优化一类巡航导弹航迹,且航迹满足避开地空导弹、高炮、歼击机群、电磁脉冲等火力单元和地形地物障碍,并且满足航迹路径长度短、耗油量少等约束条件。方法利用遗传算法进行优化,对遗传算法的交叉操作进行改进。结果提出了一种巡航导弹航迹优化算法和一个航迹规划代价评判模型。结论经仿真实验证明该方法典型性强,处理的信息量小,实时性也较好, 具有一定的理论和使用价值。     

基于改进GA的K-均值聚类算法

利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法,但容易出现局部早熟现象．为了克服以上缺点,借助免疫机制的优点,将免疫原理的选择操作机制引入遗传算法中,提出基于改进遗传的K-均值聚类算法,该方法结合K-均值算法的高效性和改进遗传算法的全局优化能力,较好地解决了聚类中心优化问题．试验结果表明,本算法能够有效改善聚类质量．     

基于粒子群算法的逆变电路PID控制

针对逆变控制系统中PID控制器参数整定困难的问题,提出了基于粒子群算法的逆变电路PID控制器设计方法.通过推导逆变电路模型得到逆变电路传递函数,以该传递函数作为PID控制对象,利用粒子群算法搜索PID参数.MATLAB仿真结果证明了该方法的可行性和优越性.与采用遗传算法相比较,该粒子群算法能更快的获得合适的PID控制参数,所需迭代次数更少.     

基于改进LightGBM的室内指纹定位算法

针对室内定位算法在定位时所用时间较长和定位精度较低的问题,提出了一种基于改进LightGBM算法的室内定位算法。该算法首先针对指纹库中的数据进行预处理,通过KNN算法去除异常点和离群点,降低环境噪声干扰,提高数据可靠性。接下来,将样本集划分为训练集和测试集,使用LightGBM算法对进行建模。同时,使用遗传算法调整LightGBM算法中的参数,并根据适应度函数寻找最优参数,得到LightGBM+GA坐标预测模型。最后,根据优化后的参数建立预测模型实现坐标预测。实验结果表明,该算法在WiFi定位的精度上较与XGBoost算法提高0.1m,相较于GBDT算法提高0.19m,在定位时间上,LightGBM+GA算法比GBDT算法快5.10s,比XGBoost算法快5.97s,具有较好的实用性。     

一种可用于城市人居环境质量评价的基于神经网络的遗传算法

试图在已有研究的基础上,综合考虑城市人居环境的内涵,在国内首次将遗传算法全局寻优和BP 神经网络局部寻优相结合的改进神经网络模型应用在人居环境评价中,并对中国35个主要城市人居环境质量进行定量判定,揭示城市人居环境现状及各城市在国内人居环境中的相对水平.结果表明该模型取得了令人满意的结果,是一种有效的评价方法.     

优劣复取舍遗传算法

为加快遗传算法的收敛速度 ,满足优化控制实时性的要求 ,对遗传算法的机理进行了研究 ,提出了遗传算子操作结果的优劣复取舍原则。并以此原则为基础 ,经过改进 ,加入调整适应度、动态调整变异概率和局部优化等方法 ,形成了优劣复取舍遗传算法。理论分析和实例计算结果表明 ,该算法能有效消除遗传算法本身带来的局部极值点 ,解决成熟前收敛的缺陷 ,与其它算法相比 ,具有收敛速度快、寻优能力强等特点。     

深度强化学习的通用插件研究综述

深度强化学习的通用插件是一种可附加于大部分原生算法之上,并与其他种类插件兼容的算法类型。根据环境的不同,原生算法加入合适的插件后形成了不同的变体,并在训练速度、稳定性等方面取得了更好的效果。根据各类变体包含的通用插件在训练流程中的共性,将它们分为了6类,包括通用网络模型、内在奖励、经验回放、自我博弈、模仿学习和课程学习。综述了这6类算法中常用的通用插件,介绍了它们的应用场景和在深度强化学习中的主要作用,提出了未来的研究重点：1)提高经验利用效率;2)设计和训练出通用神经网络架构;3)提高算法在稀疏奖励环境的探索效率;4)提高算法在现实中应对各种突发状况的能力。