实时系统最大化奖赏值的能耗感知调度

针对实时系统中周期任务在可变电压处理器上的能耗感知调度问题,提出了一种贪婪人工蜂群算法.在人工蜂群算法的基础上,引入贪婪算法的思想,按照最大价值密度优先原则,为任务分配执行速度,以保证价值密度大的任务能被执行,从而提高系统的奖赏值.仿真结果表明:能耗利用率随着能耗约束的减小而增大,说明算法具有良好的能耗感知特性;相比贪婪算法,当能耗约束因子为0.1时,系统的奖赏值平均提高了78%,随着任务数的增加、能耗约束越强,其优势更加明显.     

能耗限制的实时周期任务可靠性感知调度

针对动态电压调节(Dynamic Voltage Scaling,DVS)技术在实时系统能耗管理中导致系统可靠性下降的问题,提出了基于人工蜂群算法(Artificial Bee Colony Algorithm,ABC)的静态/动态可靠性感知调度算法。该算法针对处理器频率离散可调的实时系统,利用人工蜂群算法原理在满足系统能耗约束和任务时限约束的同时尽可能地提高系统的可靠性。仿真结果表明,动态可靠性感知调度算法相比静态算法性能更优,接近负载预知的最优可靠性感知调度算法性能。     

针对变电压处理器的电池感知任务调度算法

为了解决变电压处理器上以延长电池使用时间为目标的任务调度问题,提出一种基于控制步的电池感知任务调度算法.实验结果表明: 在电池感知优化最有效率的范围内, 该算法跟传统的简化算法相比,在计算复杂度相当的情况下,电池代价降低6.1%, 实际消耗电荷降低9.4%, 而跟迭代算法相比,电池代价下降2.5%, 实际消耗电荷略微增加,但是算法的运行时间平均下降99.7%.该算法能有效地降低系统能耗和延长电池使用时间.     

云计算和大数据环境下工作流数据感知调度

为了解决具有数据约束的工作流多标优化调度问题,提出了一种在保证业务逻辑前提下并考虑数据约束的数据感知调度算法.首先通过将工作流调度建模为一个多目标优化问题,开发了一种数据感知蚁群算法(DACO)来搜索最优调度方式,其次在该算法中将判断每个任务所需的数据量和任务之间的数据约束,感知每个业务之间的数据流,最后分治策略来搜索最优调度.实验结果表明,该算法在效率和成本效益方面优于现有的求解方法.     

面向交通感知数据处理业务的虚拟机调度系统

海量、实时、持续、多样的交通感知数据对承栽其处理业务的IT设施提出了更高的要求,但现有云基础设施服务中采用的虚拟机调度方案在承栽交通感知数据多处理业务时,会出现负栽倾斜、负栽不均及资源利用率不高的问题。为此,提出一种对交通感知数据处理业务敏感的虚拟机调度策略并设计了相应的调度算法,给出了系统的设计与实现,该系统可以适应计算密集和数据密集不同特征交通处理业务的承栽,同时能够实现能耗约束下的负栽平衡调度。通过基于实际交通应用场景的实验表明,该系统可在保障所承栽业务的前提下实现虚拟机的负栽均衡和优化节能。     

分布式实时嵌入式系统的能耗建模与分析

为支持分布式实时嵌入式(DRE)系统的能耗分析,提出了一种能耗时延Petri网(ECTPN)对系统的模块、任务、任务间关系、通信协议等进行建模。基于所建DRE的ECTPN模型,分析系统的可调度性和能耗约束,并给出启发式算法来计算满足时间约束和能耗约束的可行调度。最后应用一个实例模拟系统的建模和分析过程,从而直观地展示了该方法的可行性。     

考虑能耗约束的并行机组批调度

研究并行批处理机的组批调度问题,考虑炉容相同、功率不同的非等同并行机的总能耗约束,考虑工件尺寸和到达时间不同,以最小化最大完工时间为目标建立混合整数规划模型。并行机组批调度问题属于NP-hard问题,采用先组批后调度的两阶段方式求解。组批阶段采用基于FFLPT和BFLPT的启发式规则,调度阶段设计带邻域搜索的粒子群-遗传混合算法对模型进行求解。以轧辊生产企业并行热处理设备为研究案例进行模型和算法验证,分析不同能耗约束下最大完工时间优化值,并比较算法的优化性能。实验结果表明:本文算法提高标准遗传算法的收敛速度,且优于2种启发式算法;能耗与最大完工时间之间存在冲突关系,通过本文的模型和算法得到能耗与最大完工时间的近似Pareto前沿面,可为企业的实际生产提供指导。     

云计算下深空通信网络的能耗感知调度方法研究

云计算下深空通信网络中,通常同时要求低能耗和低反应时间,当前调度方法一般无法同时满足上述两种条件,导致调度性能不佳。为此,提出一种新的云计算下深空通信网络的能耗感知调度方法,将云计算系统抽象地表示成一个四元组,给出云计算平台拓扑图,介绍了云计算系统的能耗感知模型。将能耗感知理论引入min-min任务调度方法,依据深空通信网络对任务截止时间要求的满足程度,优先选择任务队列中的最短任务,将其分配至能耗最小的服务器上执行,求出该任务在各服务器上的执行能耗,通过完成时间是否满足截止时间要求判断是否结束调度。给出基于能耗感知的最早完成时间任务调度方法的详细实现过程。实验结果表明,所提方法能耗低,时间跨度优。     

云计算下深空通信网络的能耗感知调度方法

云计算下深空通信网络中,通常同时要求低能耗和低反应时间,当前调度方法一般无法同时满足上述两种条件,导致调度性能不佳。为此,提出一种新的云计算下深空通信网络的能耗感知调度方法,将云计算系统抽象地表示成一个四元组,给出云计算平台拓扑图,介绍了云计算系统的能耗感知模型。将能耗感知理论引入min-min任务调度方法,依据深空通信网络对任务截止时间要求的满足程度,优先选择任务队列中的最短任务,将其分配至能耗最小的服务器上执行,求出该任务在各服务器上的执行能耗,通过完成时间是否满足截止时间要求判断是否结束调度。给出基于能耗感知的最早完成时间任务调度方法的详细实现过程。实验结果表明,所提方法能耗低,时间跨度优。     

一种基于群智能仿生优化的WSNs节点调度方法

为了解决物联网感知层无线传感器网络(WSNs)的节点调度问题,使网络能量总消耗最小化、网络生存周期最大化和网络性能最优化,该文将问题转化为一个约束条件下的组合优化问题,利用元启发式蝙蝠算法在求解复杂组合优化问题中参数设置少、快速收敛等优点,提出一种非均匀条件下的基于蝙蝠算法的WSNs节点调度算法。仿真对比和结果分析表明,在无线传感器网络节点调度过程中,蝙蝠算法效率最高,能耗最低,时延最短,可靠性好。与人工免疫算法和粒子群算法相比,该方法的网络节点平均能耗分别降低10.8%和3.5%。     

基于遗传算法的高校排课数学模型

排课问题是一个有约束、多目标的组合优化问题,并且已经被证明是一个NP完全问题。针对高校排课过程中存在诸多约束因素的问题,提出将遗传算法与约束条件算法相结合的排课算法,由约束条件算法确定排课任务的优先次序,遗传算法解决单个排课任务时间片分配的优化问题。实验结果表明,该算法能够改进算法性能,提高排课效率。     

基于累计价值的最早最终截止期优先调度策略

提出一种基于累计价值的最早最终截止期优先调度策略. 通过分析抢占式EDF算法在实际工作中的行为, 认为系统中存在非必须的抢占行为, 这些非必须抢占行为影响了调度器的效率, 通过为EDF算法引入一个任务累计价值参数, 调整EDF算法对优先级的分配策略, 能减少这种非必须的抢占式开销. 实验结果表明, 改进后的EDF算法减少了系统的抢占式开销.     

飞行保障过程中车辆调度仿真优化

建立了飞行保障过程中车辆调度模型,设计了基于禁忌搜索(Tabu Search)的车辆资源配置的优化算法。并利用Arena内嵌的VBA技术和VBA block模块将仿真模型与优化算法集成起来,实现了控制仿真模型、集成优化算法以及向仿真模型重新输入参数3个功能,构成车辆调度仿真优化系统。利用该系统,得到了在单机保障时间最小情况下的最优车辆数配置方案。其运行效率比用Arena自带的优化工具OptQuest提高7倍多。     

工程车辆自动变速器换档规律研究及自动控制仿慎

从节能角度出发,为电液自动变速器提出了一种全新的换档规律及其自动控制方案,并在Matlab/Simulink环境支持下,使用该换档规律对车辆进行了自动控制仿真,验证了该换档规律的正确性,仿真结果表明：利用换规律公式,可以将变矩器在所有工况下的效率限定在某一理想的范围之内,该换档规律的研究结果丰富了车辆自动操纵理论,对提高工程车辆液力机械传动系统的传动效率、节约能源具有指导意义和应用推广价值。     

基于马尔可夫链的主机负载预测能耗优化算法

现代服务应用对计算能力需求的快速增长导致云计算数据中心能耗加剧,为解决数据中心能耗问题,本文提出了一种新的融合马尔可夫链和能耗感知选择策略的能耗优化算法——基于预测的能耗优化算法(Prediction based Energy Consumption Optimization Algorithm,PECOA).实验结果表明,PECOA算法在保证服务质量的前提下,能耗与基于最小虚拟机迁移时间的本地回归算法(Local Regression based on Minimum Migration Time,lr_mmt_1.2)相比降低了约11.04%,验证了本文方法的有效性.     

基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的Job shop生产调度问题,建立了基于模糊规划理论的不确定Job shop调度模型。在采用两种模糊运算的基础上,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法,通过仿真数据说明了所建模型及算法的有效性,并就结果进行了讨论。     

热轧中板轧制变形规程的优化设计

研究热轧中板轧制变形规程的在线优化设计,包括轧制前的预计算以及轧制中的在线修正. 在轧制数学模型基础上,将轧制规程优化设计分为负荷分配道次和板形道次. 在板形道次,给出其线性规划数学模型,并利用单纯形算法求解,分析了不同约束集对最优规程的影响并进行了仿真,确定了最佳约束集. 轧制过程中利用实测数据进行模型自适应及规程在线修正. 经若干中板厂应用结果表明,该方法节约轧制时间且板形良好,异板差0.1 mm之内的命中率大于95%,成材率提高0.5%.     

引入中继的高速下行分组接入系统全局公平性算法

中继作为下一代移动通信核心技术之一已受到广泛关注。由于高速下行分组接入(HSDPA)和LTE系统在资源分配上的差异,现有LTE中继系统中的调度算法已不适用于HSDPA中继系统,因此本文提出了一种适合HSDPA中继系统的比例公平调度算法,与没有中继的HSDPA系统以及两层PF调度算法进行比较,系统级仿真结果表明该调度算法能在提高用户吞吐率的同时保证多用户之间公平性要求。