云计算环境下虚拟资源自适应调度策略

由于云计算环境下的资源调度与以往网格调度存在巨大差异,提出了一种适应云计算环境的虚拟资源调度方法;首先定义了虚拟资源调度数学模型,然后给出了一种改进的遗传算法,该算法采用经典网格任务调度算法Min-min获取初始最优解,通过海明距离约束产生初始种群,并将调度模型对应的目标函数改进为适应度函数,对交叉算子、变异算子、交叉概率和变异概率等都进行了改进;最后,通过实验证明文中方法能获得全局最早完成时间,与其它方法相比,文中方法所求解的最早完成时间提高了近20%,是一种适合云计算环境的虚拟资源调度方法。     

基于改进回溯搜索优化算法的应急资源调度

以连续性消耗应急系统为背景,建立以时间成本和运输成本最小化为目标的多资源多供应点调度模型。针对该模型的特点,对一种具有强全局搜索性的新智能算法——回溯搜索优化算法进行改进,设计变异操作中的变异尺度系数和交叉操作中的交叉概率策略,提高算法的收敛速度和求解精度。运用改进回溯搜索算法进行模型求解,仿真实例表明,改进回溯搜索优化算法在解决应急资源调度问题时拥有良好的性能,全局收敛性与求解精度均优于比较的回溯搜索优化算法、差分进化算法和粒子群算法,能够有效且合理地进行应急资源调度。     

面向时间敏感网络的流量调度方法

从高效流量路由调度计算的角度出发,针对时间敏感流量调度中通常存在的计算效率低、迭代收敛慢等问题,提出一种基于最短路径负载均衡与改进遗传算法的流量调度方法。建立网络模型与流量模型并定义时间敏感网络中的流量传输约束,同时利用基于K最短路径的负载均衡路由算法与改进选择算子和交叉变异概率的遗传算法进行路由与调度计算。实验结果表明,该方法能有效缩短时延敏感流量调度任务的完成时间,提高调度计算效率,并加快迭代收敛速度。     

虚拟组织服务资源的优化配置模型

为了提高虚拟组织服务资源配置的效率,提出了以服务成本、服务时间、服务满意度为目标的资源优化配置模型,采用遗传算法进行求解。在求解中为提高遗传算法的搜索性能,对不可行染色体进行筛选,同时在交叉变异过程中利用邻域搜索提高算法的收敛速度。通过一个具体的实例验证了遗传算法在资源优化配置模型中的有效性。     

一种用于云计算资源调度的改进遗传算法

针对轮询调度算法、遗传算法和模拟退火算法在云计算资源调度中存在收敛速度慢、易早熟和资源负载不均衡等问题,提出了一种基于模拟退火思想的改进遗传算法(simulated annealing improved genetic algorithm:SAIGA);改进算法设计了基于任务平均完成时间和负载均衡的双适应度函数和自适应的交叉变异概率函数,允许算法在退火过程中以一定概率接受劣质解从而避免早熟现象的发生,将虚拟资源上任务分配数的标准差作为选择个体的依据来实现节点的负载均衡;仿真结果表明,改进算法与上述算法相比,在任务平均完成时间、资源利用率以及收敛速度上表现得更优越,能够较快地找到资源最优调度方案,具有较好的可行性和实用性。     

含换模时间的平行机调度问题研究

在工厂实际生产中,模具的换模时间在生产调度中不可忽略。为了更合理地研究平行机车间调度问题,本文将存在序依赖的换模时间考虑进调度模型之中,同时以最小完工时间和最小拖期时间为目标,在经典遗传算法的基础上,对算法选择算子以及交叉变异概率进行改进,避免早熟现象的发生。通过计算结果的比较,证明本文中调度模型更符合实际生产情况,改进后的算法能够得出更高质量的解,且求解效率更高。     

带道路容量动态约束的关联运输调度问题

介绍了混沌遗传算法的基本原理,并对其进行改进,自适应地调整交叉概率和变异概率,引进了模拟退火机制,用聚类分析及改进的算法对多车场的关联运输调度问题进行求解,然后与遗传算法求解此模型的结果相比较。实例证明该算法求解关联运输调度问题是可行的,且优于传统的遗传算法。     

基于混合算法的环形轨道RGV系统调度优化研究

针对自动化仓库中环形轨道RGV（有轨制导车辆）调度问题,以任务最短完成时间为目标,分析其主要影响因素。在此基础上提出路径最短和堵塞次数最少两个优化目标,并建立数学模型,设计基于规则的遗传算法求解。使用自适应的交叉变异概率代替传统遗传算法中的固定参数,改善遗传算法易陷入局部最优解的现象。同时,为解决多目标优化求解问题,提出了改进的自适应权重的求解方案。通过Matlab仿真实验分析比较算法性能,验证了算法的有效性。     

云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法

针对传统遗传算法无法满足多用户下的大规模云计算环境下的资源调度问题,提出利用改进遗传算法结合二次编码的方法解决大规模资源调度。首先,在选择复制阶段,采用基于最小任务完成时间和匹配程度的双适应度函数,对种群以双重标准进行筛选。然后,对算法的交叉变异概率进行了自适应优化,使其自适应能力进一步提高,保证了算法尽快向最优解收敛。同时引入的收敛终止条件保证了算法尽快跳出循环。最后,在CloudSim平台上对改进遗传算法（IGA）进行了分析,实验结果表明,提出的改进遗传算法能够很好地适用于大规模资源调度,且结果优于其他几种较新的对比算法。     

基于遗传算法的一体式3D打印自动化控制技术

针对传统3D打印机存在打印自动化控制效果不佳，导致打印时间和打印成本增加的问题，提出基于改进遗传算法的一体式3D打印自动化控制技术。首先构建基于3D打印任务多目标优化调度模型，并确定优化调度的约束条件和目标函数；然后基于传统遗传算法的3D打印任务多目标优化调度问题，基于遗传算法的子代选择，引入浓度平衡机制和抑制条件，将三轮迭代缩减至一轮，得到基于改进遗传算法的3D打印任务多目标优化调度方法。仿真结果表明，改进后的遗传算法在47次、88次、86次和95次时即可实现收敛，收敛速度明显优于粒子群优化算法和传统遗传算法，寻优求解效率更高。实际应用发现，3D打印机的总打印时间由16.8小时降低至9小时，打印成本由2 759.3元下降至1 762.4元。由此说明，改进的遗传算法可减少3D打印机的打印时间和打印成本、提高打印效率，可实现3D打印自动化控制。     

基于GAPSO混合算法的网格工作流调度研究

网格工作流调度关注大规模的资源和任务调度,是一个复杂且具有挑战性的问题,它影响着网格工作流执行成功与否以及效率的高低。提出了基于遗传粒子群(GAPSO)的混合算法,引用了特殊的适应度函数,设定了动态的交叉和变异概率,并提出了动态切换算法的方法。结合各自算法的优势,在算法运行初期利用遗传算法的全局搜索能力进行优化搜索,在后期利用粒子群较强的局部搜索能力加快收敛速度。仿真结果表明该算法在执行时间方面有一定的优越性,能更有效地解决网格工作流调度问题。     

基于遗传算法的多技能需求现场产品服务调度

多技能需求的现场产品服务调度结合了多旅行商问题与多技能项目调度问题,需综合考虑路径优化与技能匹配。针对该问题,考虑时间窗因素,以最短旅途时间和最少客户等待时间为目标建立数学模型,基于分段染色体编码的遗传算法并采用成组分段交叉算子进行求解。实例结果证明,该算法的解能避免过早收敛,有较高的搜索效率。     

基于时间轴的软件多项目任务调度遗传算法

合理的调度可以在很大程度上提高人力资源在软件项目开发中的利用率。在研究了现有的任务调度算法的 基础上,考虑了软件开发任务的可拆分特性,结合员工的技能水平与项目经验对任务调度的影响,定义了基于时间轴 的多项目并行调度模型。该模型将任务按时间单元进行拆分,并且提出员工学习模式,用以动态改变员工的技能水平 和项目经验,从而提高员工分配的灵活性,使得满足约束下的成本开销最小化,其中包含员工薪水和超时任务的开销。 模型分解后,利用遗传算法求解,由于模型中约束条件众多,因此遗传算法中增加了各种启发式来提高算法性能。通 过仿真实例验证了模型和算法的有效性。     

Novel multi-objective resource allocation and activity scheduling for fourth party logistics

In order to reduce logistic costs, the scheduling of logistic tasks and resources for fourth party logistics (4PL) is studied. Current scheduling models only consider costs and finish times of each logistic resource or task. Not generally considered are the joint cost and time between two adjacent activities for a resource to process and two sequential activities of a task for two different resources to process are ignored. Therefore, a multi-objective scheduling model aiming at minimizing total operation costs, finishing time and tardiness of all logistic tasks in a 4PL is proposed. Not only are the joint cost and time of logistic activities between two adjacent activities and two sequential activities included but the constraints of resource time windows and due date of tasks are also considered. An improved nondominated sorting genetic algorithm (NSGA-II) is presented to solve the model. The validity of the proposed model and algorithm are verified by a corresponding case study.     

求解置换流水线调度问题的改进萤火虫优化算法

针对最小化最大完成时间的置换流水线调度问题,提出了一种改进的离散萤火虫优化算法。在传统萤火虫优化算法的基础上,采用基于升序排序的随机键编码方式对萤火虫种群进行离散化处理,使用NEH算法对萤火虫种群进行初始化处理,结合遗传算法的交叉变异思想改进位置更新策略,采用个体变异方式解决孤立个体问题,提高算法的寻优能力。最后通过典型算例对改进算法进行仿真测试,实验结果表明该算法求解置换流水线调度问题时具备很强的寻优能力和鲁棒性,明显优于传统萤火虫优化算法和遗传算法,是解决置换流水线调度问题的一种有效算法。     

离散泊位布局下的泊位岸桥动态协调调度

为了制定合理的集装箱码头泊位岸桥资源调度计划,提高码头作业效率和客户满意度,基于离散泊位布局,建立了以在港集装箱船总的服务成本最小为优化目标的动态泊位岸桥协调调度模型。设计了遗传算法对模型求解,通过将部分约束条件嵌入算法结构简化了模型求解难度,并对算法迭代过程中的不可行解采用逐时刻基因调整策略进行修复。经过若干算例的数值实验,验证了模型和算法的可行性和有效性。     

A multi-objective algorithm for task scheduling and resource allocation in cloud-based disassembly

Some manufacturers outsource their disassembly tasks to professional factories, each factory of them has specialized in its disassembly ability. Different disassembly facilities are usually combined to execute disassembly tasks. This study proposes the cloud-based disassembly that abstracts ability of the disassembly factory as the disassembly resource, the disassembly resource is then able to be allocated to execute disassembly tasks. Based on this concept, the cloud-based disassembly system is proposed, which provides the disassembly service according to the user requirement. The disassembly service is the execution plan for disassembly tasks, which is the result of scheduling disassembly tasks and allocating disassembly resources. To formally describe the disassembly service, this paper builds a mathematical model that considers the uncertainty nature of the disassembly process and precedence relationships of disassembly tasks. Two objectives including minimizing the expected total makespan and minimizing the expected total cost of the disassembly service are also discussed. The mathematical model is NP-complete, a multi-objective genetic algorithm based on non-dominated sorting genetic algorithm II is designed to address the problem. Computation results show that the proposed algorithm performs well, the algorithm generates a set of Pareto optimal solutions. The user can choose a preferred disassembly service among Pareto optimal solutions.     

基于改进遗传算法的星地任务优化调度研究

星地任务优化调度是利用特定的星地资源合理地安排星地任务。由于星地任务众多而资源有限,而且星地任务受星地可见性以及多方面约束,星地任务调度问题十分复杂。针对星地任务的特点,建立了星地任务调度问题模型,提出了基于改进遗传算法的星地任务优化调度算法。算法采用按适应度排名轮盘赌选择、顺序交叉、随机对换变异的算法要素。针对遗传算法局部搜索能力弱的特点,提出了利用爬山算法优化新一代个体的方法,以增强遗传算法的局部搜索能力,给出了基于改进遗传算法的星地任务调度算法。     

数据驱动的多星任务网络预测调度算法

多星任务调度是具有NP-hard特性的优化问题,随着卫星资源规模和任务需求规模的双重增长,传统调度方法求解效率不高.在轨卫星在常年运行过程中积累了丰富的调度数据.针对大规模多星任务调度场景,建立多星多波束任务调度模型,并提出数据驱动的多星任务网络预测调度算法对其求解.以分割的思想,实现多星场景下任务可调度性预测.从历史调度数据中,提取设定的3个静态特征和5个动态特征,构建并训练预测网络,预测任务被不同卫星完成的概率,并以冲突避免、负载均衡等为原则,得到初始任务和资源卫星的分配方案.进一步设计双链结构的进化算法,以双链编码形式表征上述关系,配合设计的交叉、修复等进化算子,优化初始方案中的任务序列与资源分配关系,输出最终任务调度方案.仿真结果表明,与改进蚁群算法、混合遗传算法和数据驱动并行调度算法相比,所提出算法在运行时间、方案收益和卫星负载均衡3方面均有较好的表现.     

Cost optimized Hybrid Genetic-Gravitational Search Algorithm for load scheduling in Cloud Computing

In cloud computing, cost optimization is a prime concern for load scheduling. The swarm based meta-heuristics are prominently used for load scheduling in distributed computing environment. The conventional load scheduling approaches require a lot of resources and strategies which are non-adaptive and static in the computation, thereby increasing the response time, waiting time and the total cost of computation. The swarm intelligence-based load scheduling is adaptive, intelligent, collective, random, decentralized, self-collective, stochastic and is based on biologically inspired mechanisms than the other conventional mechanisms. The genetic algorithm schedules the particles based on mutation and crossover techniques. The force and acceleration acting on the particle helps in the finding the velocity and position of the next particle. The best position of the particles is assigned to cloudlets to be executed on the virtual machines in the cloud. The paper proposes a new load scheduling technique, Hybrid Genetic-Gravitational Search Algorithm (HG-GSA) for reducing the total cost of computation. The total computational cost includes cost of execution and transfer. It works on hybrid crossover technique based gravitational search algorithm for searching the best position of the particle in the search space. The best position of the particle is used calculating the force. The HG-GSA is compared to the existing approaches in the CloudSim simulator. By the convergence and statistical analysis of the results, the proposed HG-GSA approach reduces the total cost of computation considerably as compared to existing PSO, Cloudy-GSA and LIGSA-C approaches.