基于多Agent和遗传算法的制造网格资源调度

为了保障用户的多QoS要求,在制造网格资源调度中引入灵活健壮的协商机制和高效的资源调度算法尤显重要.为此提出基于多Agent的制造网格资源调度方法,运用合同网协议作为多Agent的协作协议并根据制造网格资源调度需求运用遗传算法作为资源优化组合的算法.综合应用多Agent开发工具JADE和遗传算法工具包JGAP进行模拟调度实验,证明了方法的有效性.     

磁带库随机I/O缓冲调度算法的性能

为了提高磁带设备的在线存储效率,提出了一种磁带库缓冲调度算法.该算法采用磁盘驱动器做缓存,将磁带库设备虚拟为逻辑块设备使用.同时,提出了主动写回以及读预取方法,将磁带库的随机读写操作顺序化,以改善系统随机读写性能.文中还对算法性能进行了详细分析,并利用仿真方法对算法进行了测试,结果证明系统集合I/O和单I/O响应时间能够得到明显改善.     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的ＮＰ－难题,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

引入微元法思想的混合测控资源联合调度方法

针对混合测控资源联合调度中存在的资源属性繁多、偏好差异大以及可能出现的调度弧段冲突等问题,借鉴单体制测控网调度研究中的任务需求描述方法,对混合测控任务需求的特点进行分析,给出其任务需求的规范化描述。以测控调度收益值最大为目标,建立混合资源联合调度模型;引入微元法思想,提出了可用弧段扩展复用方法,以此为基础提出了基于改进遗传算法的求解策略。仿真结果表明：所建模型和相应的解冲突算法能有效提高测控需求满足率和测控收益。     

改进型蚁群算法在Job Shop问题中的应用

应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以对此也进行了初步的研究,得到了运行较好的参数取值范围。     

冷卷热处理生产调度模型的启发式算法

针对某钢铁公司冷轧厂热处理车间冷卷热处理生产调度中车间大、炉区小的实际状况,建立了以热罩和冷罩为机器,冷卷为工件的一类不允许等待的混合流水车间排序模型．利用参数排序策略,实现炉区之间冷卷的重新分配;利用值排序策略,确定新的热处理顺序,使得所有冷卷最长热处理时间最短．在此基础上开发的冷卷热处理生产调度系统正在冷轧厂试运行,目前系统运行稳定、速度较快、功能较强,预计每年可创直接经济效益5000多万元．     

时变时延网络化控制系统的鲁棒稳定性

针对一类存在噪声干扰的时变时延网络化控制系统,基于信息调度与控制协同设计的思想,建立了具有信息调度和噪声干扰的时变时延网络化控制系统模型．引入增广状态矩阵分析方法,研究了存在时变时延和噪声干扰情形下闭环网络化控制系统的鲁棒稳定性问题．给出了使闭环系统渐近稳定的控制器参数化表达式．仿真分析表明该策略在满足闭环系统稳定性的同时,降低了系统信道的数据信息流量,充分地利用了网络带宽资源。     

基于指标函数的舰载机机队回收调度优化研究

由于复飞逃逸、飞行故障等因素随机发生, 传统静态调度方法难以有效解决动态随机调度问题。对此,提出一种基于飞机优先序指标函数的蒙特卡罗模拟-差分进化搜索的实时调度算法。在离线模拟回收环境下,由算法完成基于随机模型的指标函数系数优化,后由该指标函数实现对机队优先序的实时评估排序,进而完成回收在线动态调度。仿真结果表明所提算法能有效解决回收调度问题。在相同机队初始输入下, 目标值呈现较好统计特性, 其期望值能够快速收敛到一定范围, 且无复飞情况下着舰时间窗目标呈显著正态性; 不同回收机队输入对指标系数最优值的散布较小, 表明指标函数评估优先序具有较好的通用性和有效性; 模拟回收调度发现, 着舰成功率的提高将显著降低机队复飞次数, 提高回收效率。     

基于混沌粒子群算法的高速旅客列车优化调度

列车优化调度是一个大规模、复杂的、具有非线性离散变量和多约束的多目标数学优化问题.在优化过程中,考虑了特快旅客列车中途离开时间和整个运行时间等因素.首次将粒子群优化(particle swarmoptimization,PSO)技术引入列车优化调度,克服了传统优化方法易陷入局部最优和维数灾难等弊端.通过一个工程实例验证了该算法的可行性和有效性.同时,与现存的列车优化调度方法相比,粒子群优化方法的搜索时间短而且优化结果更接近最优解.