混合云环境下考虑工作流的任务调度策略

针对混合云环境下的工作流调度问题, 提出一种结合黏菌算法和粒子群算法思想的工作流调度算法。利用粒子群算法的优点, 对较差解进行引导, 加快较差解的收敛速度, 对质量较好的解进行局部变异, 避免陷入局部最优, 同时增加交叉算子, 细化算法在任务调度问题中的寻优粒度, 根据混合云环境下的工作流调度模型, 进行离散编码, 完成对多个调度目标的优化。在现实工作流下进行仿真实验, 结果表明, 本文算法与单一启发式算法以及对应改进算法相比, 具有更好的优化性能。     

运用改进的SPEA2算法优化网格工作流调度方法

提出了一种QoS约束的多目标优化的网格工作流调度算法ISPEA2,该算法基于表达结构丰富的AGWL网格工作流模型,在SPEA2算法中引入约束检测对网格工作流调度问题进行优化,克服了当前网格工作流调度算法中大多只考虑DAG结构的网格工作流、涉及QoS参数较少及将多QoS参数聚合成一个单目标函数进行优化调度的缺陷,可供决策者根据用户的实际需求从产生的Pareto优化解集中选择最终的满意解。通过与采用原SPEA2设计的网格工作流调度算法OSPEA2的比较,表明ISPEA2算法所获得的Pareto优化解集都是满足QoS约束的非支配解,且获得了更优的平均结果。     

基于云差分进化算法的约束多目标优化实现

针对现有约束多目标算法存在收敛性、分布性不高等问题,提出一种基于云差分进化算法的约束多目标优化方法,通过云模型对差分进化算法的参数进行自适应处理;采用建立外部种群分别存储可行解和不可行解的方式处理约束条件,并对已有可行解集的更新方法进行改进,有效提高解集的分布性.提出新的变异策略,利用优秀可行解和不可行解的方向信息增强算法对解的探索能力.通过对CTP类标准问题的求解表明,与另外2种较为优秀的约束多目标算法相比,本算法显著提高了Pareto解集的分布性,且更接近于真实的Pareto前沿,有效地解决了约束多目标问题.     

模糊云资源调度的CMA-PSO算法

针对多目标云资源调度问题,以优化任务的总完成时间和总执行成本为目标,采用模糊数学的方法,建立了模糊云资源调度模型.利用协方差矩阵能够解决非凸性问题的优势,采取协方差进化策略对种群进行初始化,并提出了一种混合智能优化算法CMA-PSO算法(covariance ma-trix adaptation evolution s...     

一种多目标约束条件的云计算资源调度算法

针对基于云平台下资源调度互不相同的约束条件问题,文中提出了一种新的云计算资源调度算法。根据用户提出的各种约束要求,构造多目标约束条件,利用一个隶属度函数将多目标问题转化成单目标优化问题,重新设计了进化算子,对其遗传算法应用进行改进,对单目标问题进行求解,得到了策略的最优解,在CloudSim平台进行仿真实验,实验结果表明,该算法降低了任务调度的截止时间底线违背率,缩短了平均任务执行时间以及节约了平均执行成本。     

基于改进NSGA-Ⅱ的云服务PDTs调度算法

基于多目标优化的云计算PDTs调度是一个NP问题,考虑云计算用户的服务质量(Qo S)要求,将处理PDTs的成本和时间要求作为目标,提出一种基于改进NSGA-Ⅱ的云服务PDTs调度算法.采用相似任务序列交叉(STOX)操作加快进化,而采用位移变异避免算法过早收敛,此外,还利用一个拥挤距离自适应算子(SCD)来改善Pareto最优前沿的个体多样性.仿真结果表明该算法在云PDTs调度中保持Pareto最优解的多样性和分布性方面优于NSGA-Ⅱ算法.     

混流双边拆卸线平衡问题的精英差分进化算法

针对双边拆卸过程中产品单一且存在的负载不均衡和环境污染等现象,以最小化工作站数、负载均衡指标、需求指标和危害指标为优化目标,建立多目标、多产品双边拆卸线数学模型。首先,结合混流拆卸问题特征,设计了一种精英差分进化算法对所提模型进行求解,该算法设计了一种新的编码-解码方式贴合实际拆卸过程;其次,结合精英策略改进自身随机过程与进化过程;最后,采用Pareto比较和NSGA-II机制筛选非劣解。通过与双边拆卸现有实例对比,验证了算法的可行性和良好的求解性能。并将所建模型与本文算法运用于混流电视机拆卸案例,求解得到多组较优方案供决策者选择。     

改进遗传算法求解织造车间并行批调度问题

针对织造车间并行批处理调度问题,提出一种改进遗传算法用于最大完工时间最小化求解。首先,采 用实数编码方式进行编码操作;然后,引入模拟退火算法的 Metropolis 机制,从而增强遗传算子在该调度问题 的可行解集空间中寻优的能力;最后,通过随机生成的 150 个仿真测试集对算法进行求解性能上的比较分析, 并将测试结果与文献中提到的 BSNRPSO 算法和另外一种差分进化算法进行比较分析。经过实验证明,本文改进 遗传算法在求解性能上明显优于对比算法。     

基于改进SCE算法的Job Shop调度方法研究

Job Shop Problem(JSP)是生产调度领域中的一类复杂的调度问题,高效JSP求解算法的研究与设计是JSP,乃至整个生产调度领域的关键研究内容。引入新的智能仿生算法Shuffled Complex Evolution(SCE),以求解工件的最小最大完成时间为目标,通过序列映射方式将连续定义域空间中的变量映射到离散的组合优化问题空间中,同时采用基于工序编码的方式进行编码,最后使用顺序插入解码机制对其解码。并针对基本SCE算法在求解优化问题时求解质量差和求解速度慢等缺点,对算法中个体的进化过程进行改进,使个体进化的方向沿着当前群体最优解的方向进行。最后将此算法用于求解典型的Job Shop调度实例,结果表明,改进SCE算法在解决Job Shop调度问题上是有效的。     

带多重加工前约束的单机MOPJ调度方法

为有效解决晶圆加工过程中带换模时间、品种间晶舟分配的不确定性以及参数调整等多重加工前约束的单机单作业多订单MOPJ(multi-order-per-job)调度问题,对问题域进行描述,以订单总完成时间最小为优化目标,建立数学规划模型.给出求解较优调度解的定理,并提出具有双层嵌套编码机制的混合差分进化的入侵杂草调度算法,该算法引入具有学习机制的算子以改善解的质量.为有效提高算法的收敛性,在变异及邻域操作中考虑自适应过程.仿真实验结果表明,该算法是有效且可行的,优化晶舟分配的调度较未优化的调度可提高至少10%的性能.     

基于资源分组的多约束云工作流调度算法

已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显著降低了任务执行完成时间和成本。     

基于弹性碰撞优化算法的传感云资源调度

针对当前智能优化算法普遍存在收敛精度不高、容易“早熟”的缺陷,提出全新的智能优化算法-弹性碰撞优化（ECO）算法.算法基于弹性碰撞物理学现象,通过模拟碰撞过程中物理属性相互影响的变化过程,抽象出“与种群最优碰撞”、“与自身历史最优碰撞”和“随机碰撞”3种粒子更新机制.为了有效提升复杂高维优化问题的寻优能力,设计自适应核模糊C-均值聚类（AKFCM）算法,利用AKFCM对ECO种群进行聚类分析,通过迭代比对策略实现种群自动最佳聚类划分,确保粒子学习对象的合理性与多样性.种群样本多样性定量分析表明ECO在运算后期具有较好的种群多样性.将ECO应用于传感云资源调度问题,为了满足传感云系统管理多样性需求,构建多目标优化传感云资源调度模型,设计符合调度问题的ECO粒子编码方式,实现传感云资源高效率调度优化.多维复杂测试函数以及传感云资源调度实例仿真结果表明,ECO具有较高的收敛精度和成功率,有效降低了传感云资源调度的能耗和任务长度.     

Energy Optimization Oriented Three-Way Clustering Algorithm for Cloud Tasks

Cloud computing has developed as an important information technology paradigm which can provide on-demand services.Meanwhile,its energy consumption problem has attracted a growing attention both from academic and industrial communities.In this paper,from the perspective of cloud tasks,the relationship between cloud tasks and cloud platform energy consumption is established and analyzed on the basis of the multidimensional attributes of cloud tasks.Furthermore,a three-way clustering algorithm of cloud tasks is proposed for saving energy.In the algorithm,first,the cloud tasks are classified into three categories according to the content properties of the cloud tasks and resources respectively.Next,cloud tasks and cloud resources are clustered according to their computation characteristics (e.g.computation-intensive,data-intensive).Subsequently,greedy scheduling is performed.The simulation results show that the proposed algorithm can significantly reduce the energy cost and improve resources utilization,compared with the general greedy scheduling algorithm.     

求解多目标柔性作业车间调度问题的离散人工蜂群算法

作业车间调度问题是一类典型的组合优化问题,要求多个作业在不同的机器上进行加工,目的是获得最好的作业加工序列,以满足特定的性能指标。柔性作业车间调度问题是对传统的作业车间调度问题的进一步扩展,由于求解的复杂性,使得传统方法很难在有效的时间内获得问题的最优解。人工蜂群算法是近年来提出的一种受生物行为启发的优化算法,该算法主要通过模拟蜜蜂的觅食来实现问题的求解。提出了一种离散的人工蜂群算法于求解柔性作业车间调度问题,算法通过交叉方式来搜索潜在的更好的蜜源,并采用自适应的变异策略来降低早熟收敛的可能性。最后通过对比实验证明算法对于求解多目标柔性作业车间调度问题是有效的。     

基于小生境混沌遗传算法的水资源优化调度

水资源调度具有多目标、大规模和不确定性等特点,利用混沌遗传算法求解水资源调度问题,在一定程度上避免了局部优化并提高了求解速度,但由于损坏了种群多样性导致求解精度较低.为此提出了基于小生境的混沌遗传算法(NCGA),该算法通过小生境技术保留源中心个体的方法保护了种群多样性,同时利用混沌的随机性、遍历性及规律性与遗传算法的快速收敛性相结合,从而使该算法提高了求解速度和求解精度.将该算法应用到水资源优化调度模型中,仿真结果验证了该算法比混沌遗传算法能更合理高效地分配水资源,达到了综合效益最大化.     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

考虑干涉和优先度的多目标岸桥调度策略

针对岸桥调度问题的特性,分析了岸桥支援对提高港口整体效率的影响,建立了包含任务之间优先关系和岸桥之间不可交叉性和安全等条件的多目标混合整数规划模型,提出了一种启发式求解算法,验证了在一定时间内,启发式算法可以得到较优的可行解。而QCSP单目标和多目标计算结果表明,减少岸桥等待和移动时间,有助于岸桥更好地支援邻近船舶,加快港口整体运作效率,提高港口竞争力。     

改进CS算法结合决策树的云工作流调度

对云计算环境下工作流任务调度的现有方案进行分析,针对存在运行时间长、资源利用率低等不足,提出一种结合改进型布谷鸟搜索算法和决策树的工作流任务调度方案。首先,根据工作流任务属性分配截止期限;其次,利用改进型布谷鸟搜索算法将工作流分割成多个子工作流,最小化数据依赖性,再利用决策树选择出满足任务QoS约束的资源;最后,根据任务的计算时间、排队时间和通信延迟的总和来判断是否满足截止期限约束,以此配置相应的资源。实验结果表明,该方案具有较短的总运行时间和较高的任务完成率。     

改进的多目标粒子群优化算法及其在雷达布站中的应用

为更好地解决多目标问题,提高多目标优化算法的多样性和收敛性,提出一种改进的多目标粒子群优化算法。算法将种群分为多个子种群同时进行优化搜索并改进粒子速度更新公式,扩大Pareto最优解集的覆盖面;利用反三角函数logistic映射初始化种群,使初始种群分布更均匀;并使用时变变异方法对外部档案进行变异,避免陷入局部最优。通过与标准多目标粒子群优化算法(MOPSO)和NSGA-Ⅱ在标准测试函数ZDT1、ZDT2、KUR上的仿真实验对比,验证了该文提出的改进算法的有效性,并将其应用于雷达优化布站。