应用禁忌粒子群算法的车间调度及其并行化实现

为了解决批量生产、制造、装配等车间调度问题,基于Hadoop集群,提出应用禁忌粒子群算法的车间调度及其并行化实现.以某装载机制造车间最小化完成时间为目标,通过使用禁忌粒子群算法对车间调度问题进行求解.结果表明：在车间批量大的情况下,禁忌粒子群算法可得出有效的调度方案,避免算法陷入局部最优解.与现有的智能算法相比,禁忌粒子群算法更有利于实现全局最优解.     

多vCPU环境中基于容器的科学工作流调度策略

现有科学工作流调度研究较少考虑计算资源的多道程序设计,难以同时实现有效的容器共享并优化任务并行度与资源利用率。为了解决以上难点,文章提出了一种分布式多vCPU环境中基于容器技术的分段式工作流调度策略。该策略通过分段调度方法,降低启发式算法的解空间大小,使用带遗传算子的自适应离散粒子群优化算法(ADPSOGA),在设备使用成本的约束下优化各个工作流的完成时间,并制定一种容器与设备间的动态伸缩方案,实现容器的复用并解决单个设备中任务并行时的资源争用问题。结果表明：ADPSOGA的性能优于其他同类启发式算法,并且分段调度方法与容器伸缩方案在工作流调度方面表现出良好的性能,能很好地适应因任务并行度增加所带来的影响。     

面向时间敏感网络的安全感知调度方法

时间敏感网络（TSN）中信息的真实性是系统的关键安全要素,然而直接引入传统安全认证机制会导致系统可调度性和实时性大幅降低。现有的方法仍存在适用场景少、资源消耗高等问题。针对这些问题,文中提出了一种面向TSN的安全感知调度方法。首先基于TSN流量特性设计了一种时间有效的一次性签名安全机制,为消息提供高效的组播源认证;然后提出相应的安全模型对该机制进行评估,描述安全机制对任务和流量的影响;最后对提出的安全感知调度方法进行数学建模,在传统调度约束的基础上,增加了安全机制相关的约束,同时以最小化应用端到端时延为优化目标,使用约束规划进行求解。仿真实验结果表明：改进的一次性签名机制的引入可以有效保护TSN中关键信息的真实性,且对调度的影响有限;在多个基于真实工业场景生成的不同规模测试用例中,产生的应用端到端时延平均仅增加13.3%,带宽消耗平均仅增加5.8%;与其他同类型方法相比,文中方法的带宽消耗更低,更加适用于有严格带宽限制的TSN。     

考虑集卡到港时间延迟的堆场起重机动态调度研究

在集装箱码头的集港作业中,集卡延迟到港可能导致已制订堆场起重机作业计划变得次优甚至不可行.因此,及时为延迟到港任务更新作业计划具有必要性.考虑集卡到港时间延迟的堆场起重机动态调度问题,基于任务批次分配策略,将调度期划分为多个时段,在每个时段内生成作业计划.以完成时间最短为目标,建立起重机调度混合整数规划优化模型,并提出下界推导模型.提出迭代重优化框架,每当任务延迟到港,就会重优化相应批次的作业计划.在框架内,设计遗传算法求解各批次原有作业计划;设计贪婪插入算法重优化带延迟到港的任务,更新原有计划.实验结果表明,模型、下界推导模型具有正确性和有效性,算法具备良好的求解性能;缩短调度时段长度有利于快速生成起重机作业计划;延迟到港箱量占比越大,作业时间越长,且随着调度时段长度减小,这一影响逐渐弱化.     

连续滚动生产作业安排中初始状态非平凡的P//C_(max)问题

以实际中连续滚动生产为背景,研究了一类新的平行机作业安排问题,即初始状态非平凡的Ｐ∥Ｃ_ｍａｘ问题。基于经典的Ｂｉｎ－ｐａｃｋｉｎｇ（装箱）理论和技巧,提出改进的Ｍｕｌｔｉｆｉｔ算法及相应的ＩＦＦＤ装法,并分析算法在最坏情况下的性能指标上界为４／３．最后,提出连续生产中周期滚动式作业安排的实施算法,实现了设备不空闲而连续运行。     

异构机群系统中并行任务的分层调度算法

研究在异构机群系统中,使并行任务执行完成时间最短的调度算法．有许多启发式的任务调度算法在同构的分布式计算系统中是很有效的,但在异构机群系统中,由于每个任务在每个处理机上的执行时间不同而失去意义．本文以任务集内任务的拓扑次序为基础,将任务集分层,提出了分层调度算法．它是一个简单而且实用的算法,在某些情况下能达到局部最优,时间复杂度为Ｏ（ｎｍ）,其中ｎ为任务数,ｍ为处理机数．     

基于多Agent的监控调度系统软件模型

针对传统监控系统软件的缺陷,本文在介绍Agent概念的基础上,对Agent技术在监控系统中的应用进行研究,提出了基于多Agent的监控调度系统软件模型,并在实际中进行了应用.     

关于公交车调度问题的研究

公交车的调度问题是现代城市交通中的一个突出问题，本文通过对一条线路上各时段、各站点的上下乘客数的调查统计．根据一些合理假设．并在优先考虑公交公司利益同时兼顾乘客利益的基础上建立了一个公交车调度的数学模型。再针对一条实际的公交线路．利用计算机语言编程的方法对模型进行了验证。     

基于神经网络的场景调度策略

虚拟场景的实时显示是虚拟现实技术的重要研究课题,优化场景的调度策略是解决实时显示的主要方法之一.根据虚拟装配的特点,建立视点状态变化的马尔可夫模型,并且使用径向基函数神经网络挖掘装配过程中视点变化的规律,提出基于神经网络的场景调度策略,利用该策略预测并提前调入装配过程中将要出现的场景.该策略可以使调度更加智能化,提高场景调度的效率,达到实时显示场景的目的.同时该调度策略也可以应用于虚拟现实的其他领域中,如虚拟场景漫游等.     

智能客运移动检测及统计系统研究

实现客运实时调度的关键环节是客流基础数据的积累和客流信息的实时采集、传输与分析.因此,研究和开发客流实时检测、存储设备及相应的数据仓库与数据挖掘系统对于实现真正意义上的智能客运实时调度系统具有重要的现实意义.本文在对国内外市场现状和发展前景分析的基础上,将智能客运移动检测及统计系统进行了剖析,重点就开发该系统的开发思路做了全面的理论研究.