分组交换中基于权值动态补偿的公平调度算法

针对WFQ(Weighted Fair Queueing)和WF2Q(Worst-case Fair Weighted Fair Queueing)对某些会话欠公平的问题,通过GPS(Generalized Procesor Sharing)公平性的定义,在保证长期公平性的前提下引入了补偿模型,以优化短期公平性,提出一种新的基于权值动态补偿的分组公平调度算法CWFQ(Compensation-basedWeighted Fair Qair Queueing).该算法在考虑虚拟时间标签的选择条件下加入了最小化公平度量因子约束,记录已经服务的服务量,按会话权值有比例地对参照GPS系统的权值进行微调,使CWFQ的短期公平性得到优化.而且通过模拟调度和定理证明发现,新算法能够对会话的延迟和吞吐量提供与GPS近似的性能保证.     

子任务调度和时延联合优化的MEC卸载方案

移动边缘计算(mobile edge computing, MEC)为5G超低时延业务提供了解决方案。如何设计低时延、高效率的任务卸载方案,是MEC面临的主要难题之一。为此,针对端-边协同MEC服务场景,研究了大型计算任务的低时延、低能耗部分卸载方案,通过将用户任务划分为多个有顺序依赖关系的子任务并构建子任务的有向无环关系图,设计了能够最小化卸载时延的子任务调度方案,提出了基于任务复制的最早卸载执行算法,解决了能耗受限下的任务最小时延卸载计算。仿真结果表明,提出的MEC卸载方案能够有效减少任务处理时延,降低系统能耗。     

铁路集装箱中心站列车装卸作业的仿真研究

铁路集装箱中心站装卸场作为中心站的重要组成部分,其运作效率是铁路集装箱运输竞争力的直接体现.利用离散事件仿真原理,将事件图方法与之相结合建立铁路集装箱列车装车作业仿真模型,并对模型进行验证,并分别考虑了在不同作业模式下中心站内运输卡车数量的配置对装卸设备作业效率的影响.实例仿真结果表明该模型为铁路集装箱中心站资源设施的配置规划提供了一种有效的决策手段.     

新一代开放系统及互操作性研究

经历 2 0世纪 90年代的持续实践 ,采用“开放系统”的思想来集成大型的计算机系统已成为技术界不争的事实。然而 ,技术的发展使得传统的开放系统面临严峻的挑战 ,需要新的标准、技术来使开放系统体现高度的智能协作性及移动性。基于完善的开放系统的实际形成有赖于“互操作性”的实现这一原因 ,以互操作性为研究对象 ,以移动agent为研究工具 ,探讨了新一代开放系统实现机制以及未来发展的前景。     

A Heuristic Algorithm for the Two-Machine Flowshop Group Scheduling Problem

1 .ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｇｒｏｕｐｓｃｈｅｄｕｌｉｎｇｈａｓｂｅｅｎａｎａｃｔｉｖｅａｒｅａｏｆｒｅｓｅａｒｃｈｓｉｎｃｅｇｒｏｕｐｔｅｃｈｎｏｌｏｇｙ (ＧＴ)ｗａｓｗｉｄｅｌｙａｐｐｌｉｅｄｉｎｉｎ ｄｕｓｔｒｉａｌｐｒｏｄｕｃｔｉｏｎｓｙｓｔｅｍｓ .ＩｎｔｈｅＧＴｓｃｈｅｄｕｌｉｎｇｐｒｏｂｌｅｍ ,ｊｏｂｓｔｏｂｅｐｒｏｃｅｓｓｅｄａｒｅｃｌａｓｓｉｆｉｅｄｉｎｔｏｇｒｏｕｐｓａｎｄａｌｌｊｏｂｓｉｎａｐａｒｔｉｃｕｌａｒｇｒｏｕｐｎｅｅｄｓｏｍｅｃｏｍｍｏｎｓｅｔｕｐａｔｅａｃｈｍ…     

基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题（Hybrid flow-shop scheduling problem,HFSP),是一般Flow-shop调度问题的推广，由于在某此工序上存在并行机器，所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法，给出了一种新的编码方法，设计了相应的交叉和变异操作算法，能够保证个体的合法性，同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例，表明了此算法的有效性。     

一种求解资源受限工程调度问题的遗传算法

针对资源受限工程调度问题的特点，设计了一种改进的遗传算法，对算法的编码方式和解码规则，适值函数，遗传算法、初始种群的产生方法进行了详细的说明，利用被普遍应用的标准问题对该算法进行了大量的测试，分析了算法参数和问题参数对算法效果的影响，取得了令人满意的结果。     

时间和费用具有不确定性的优化进度计划

对时间和费用都具有不确定性项目的进度计划的风险性进行了研究 ,提出了以净现值的期望值为优化目标的数学模型 DSPSP,描述如何权衡财务费用的节省和推迟现金流入的风险 ,合理地安排各个活动开始的延迟时间 .假定活动周期和费用都是离散随机变量 ,两者相关 .利用模拟退火过程对两个实例的求解表明 ,DSPSP模型的优化结果明显优于非常保守和非常乐观的两种极端策略.     

基于活动的工作流建模及其动态调度研究

首先用扩展有向图的方法构造一种基于活动的工作流建模方法 .在此模型的基础上 ,通过对完成活动所需的资源、角色、时间、成本的分析 ,用人工智能的思想和方法对所建立的工作流模型进行基于规则的启发式动态调度 ,从而实现对工作流模型的动态仿真 .所提出的模型和算法紧密集成 ,易于实现 .并用一个实例对所提出的建模方法和调度过程进行了说明 .     

开环可重入排队网络的递阶增强型学习调度

对平均费用型马氏决策过程 ,研究了一种递阶增强型学习算法 ;并将算法应用于一个两台机器组成的开环可重入生产系统 ,计算机仿真结果表明 ,调度结果优于熟知的启发式调度策略.