基于IEEE802．11e MAC的联合无线资源管理

联合无线资源管理（JRRM）是针对耦舍多种无线接入技术的异构网络进行无线资源管理的一种新型机制，其目的是基于重配置技术和业务分流来整体优化异构网络的资源利用率。这种资源管理机制对其管理的各个接入网提出了QoS保证机制的要求。IEEE 802．11e的提出为WLAN提供了MAC层的QoS保证机制，从而促使IRRM能够高效工作。对基于IEEE 802．11e MAC的JRRM进行介绍，并分析了在联合会话允许控制和联合资源调度方面，基于IEEE802．11e MAC的方式能够改善异构无线环境中的网络性能。     

基于演化多目标算法的混合流水作业调度优化

针对供应链网络优化领域中的混合流水作业调度问题提出了一种新的多目标演化优化算法。给出了这类问题的通用优化模型，在此基础上，提出了基于流程的矩阵基因编码方案，动态适应度分配机制，并引入小生境保优策略构造了算法过程，利用收敛进程参数分析了算法的收敛性能。性能分析和算例实验表明算法对于高维多目标优化问题是有效的，且能够以较快的速度收敛。     

分组的端到端延时上限

研究了分组交换网络中分组的端到端延时上限。证明了在节点处理速率恒定的情况下，一个流的最大分组在除首节点外的任意节点都不会遭遇队列延时，根据此结论得到了该流任意分组的端到端延时上限。将该结果推广到实际网络中，得到了当多个流共享同一条传输路径时任意流任意分组的端到端延时上限。模拟实验结果验证了理论推导公式的正确性。     

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.     

基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

基于优先级调度算法的TXC设备的设计 

多任务处理通常基于多任务操作系统，由多任务OS的核心系统调度器根据各个任务的优先级来调度CPU的控制权。但在多任务系统平台上进行产品开发，不仅成本高，而且开发周期长。以TXC设备为例，讲述了单任务平台上多任务处理的实现机制——基于优先级的调度算法。     

支持资源预留的网格计算仿真平台

资源预留是实现网格作业服务质量保证的重要方法。对网格资源管理机制和调度算法的研究主要是通过仿真进行的。给出了一个离散事件驱动的仿真平台,实现了对本地调度器、全局调度器、资源监测器、资源代理、网格用户、本地用户等主要网格实体的仿真,实现了主要的调度算法,提供了网格提前预留、网格协同预留、本地提前预留和底层处理单元的预留功能,可用于资源预留相关的并行计算和网格计算环境中的资源管理和调度算法的仿真。     

模糊作业车间调度中的提前/拖期问题的研究

首先介绍了现实作业车间调度中的模糊加工时间和模糊交货期问题,并阐述了模糊理论中有符号距离、区间数距离等相关概念;然后给出了以遗传算法为框架的基于有符号距离和区间数距离的作业车间调度模型以解决调度中的提前/拖期惩罚问题,并且通过实例验证了模型的可行性和有效性.     

网格计算资源调度方案及其Petri网建模与分析

通过对现有网格计算资源调度方案的分析,提出了网格计算资源的三层调度方案,该方案与已有的方案相比,更能体现网格资源的特点。利用Petri网这一具有描述并发、异步、动态等事件能力的图形与数学工具,对所提出的调度方案进行了模拟与分析。为不同层次的调度者构造了不同的扩展有色时延Petri网模型,并利用Petri网的共享合成技术得到整个系统的Petri网模型。同时给出了资源调度所对应的Petri网的可达任务图的概念,利用可达任务图,分析了诸如吞吐量、负载平衡、调度时间等资源调度的一些重要特性。     

自适应多目标遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点，提出了一种新的自适应多目标遗传算法，其特点包括：同时运用了基于工序顺序和基于机器分配两种交叉变异方法以弥补经典工作车问调度问题中交叉变异操作的局限性；根据遗传算法搜索的历史自适应的调整两种交叉变异方法的概率以提高算法的搜索效率和稳定性；引入多目标遗传算法中的小生境技术以保持种群的多样性；采用精英保留策略保护进化过程中的优秀个体。实验结果证明该算法在多目标柔性工作车间调度问题的应用上，可以产生分布性较好的高质量的解。