基于动态目标遗传算法的云计算工作流调度方法

针对云工作流资源调度直接关系到云计算的成本和效率的问题,提出一种基于动态目标遗传算法(DTGA)的成本最小化和期限约束的云计算工作流调度方法.该方法使用云计算资源的索引来编码染色体,采用动态目标策略(DTS)算法解决严格的期限约束,当没有获得可行解时,算法专注于优化执行时间以满足期限约束,一旦获得可行解后,则侧重于优化在期限约束内的执行成本.实验结果表明在不同规模数据调度和不同的期限约束下,相比改进量子遗传算法(IQGA),提出方法具有更高的适应性,能够在更严格的期限约束条件下以更低的执行成本找到云计算资源调度的更优解.     

基于改进群搜索优化算法的云计算任务调度方案

针对云计算中的任务调度问题,提出一种基于改进群搜索优化(IGSO)算法的任务调度方案.首先,为了解决传统GSO算法的收敛速度较慢,不能很好地应用在云任务实时调度的问题,在搜索者和游荡者的位置更新中融入了粒子群算法中的粒子位置更新策略,提出一种快速收敛的改进GSO算法.然后,将任务调度问题进行编码,以任务执行时间为适应度函数,通过提出的IGSO算法寻找最优调度方案.仿真结果表明,该方案能够快速且合理地调度任务,具有可行性和有效性.     

面向边云协同计算的能耗感知资源调度方法

要：边缘计算在处理大量计算复杂的任务时，可能会引发任务实时执行效果下降以及能耗高等方面的问题。为此提出一种面向边云协同计算的能耗感知资源调度方法，首先根据实时保证率将任务分流到云计算和边缘计算，然后基于弹性资源特性提出能耗感知的资源调度策略，为实时任务生成虚拟资源配置方案，最后通过仿真实验验证了所提算法的有效性，该算法可以在保证实时性的前提下降低能耗。     

基于多处理机系统实时调度算法的飞机排班问题研究

提出了一种新的基于多处理器系统的实时调度算法有效求解飞机排班问题的方法.该方法以EDF算法和多处理机动态分配方法为基础,建立了航班队列模型,提出了基于多处理机实时调度的多目标的飞机实时分配算法.模拟实验表明,针对不同优化目标的飞机分配算法执行效率均比遗传算法和分支定界算法高至少一个教号级.     

一种适用于云计算环境的粒子群优化算法

提出了一种能够利用云计算分布式计算特点以提高性能的粒子群优化算法.仿真实验表明,该算法不仅能利用云计算特征,而且算法在3种常见Benchmark函数测试中所找到的最小值平均比同等粒子群规模的标准粒子群算法低71%以上.     

云计算环境下改进PSO的化工设备故障诊断算法

针对传统化工过程诊断方法计算能力较低、诊断精度较差的问题,提出一种基于云计算和简化粒子群算法的新型诊断方法:利用云计算技术充分调度高性能计算资源,完成大量化工过程变量的远程存储与计算;利用简化粒子群算法完成化工过程故障的精确诊断.实验结果表明,提出的方法不仅可以提升故障诊断精度和速度,而且可以有效解决大规模数据的快速处理.     

基于剪枝优化的多变邻域节能调度算法

为了提高异构计算机系统中任务调度的节能水平,提出了融合剪枝优化的多变邻域节能调度算法.算法构建处理机约束和时间约束两个邻域结构,借助处理机约束邻域减少冗余处理机量,从而降低整体能耗;利用时间约束邻域有效缩减关键路径长度,实现了任务调度对时间的要求.提出了基于时间和能耗的剪枝优化策略,以提高局部寻优效率.通过仿真实验和实...     

基于剪枝优化的多变邻域节能调度算法

为了提高异构计算机系统中任务调度的节能水平,提出了融合剪枝优化的多变邻域节能调度算法。算法构建处理机约束和时间约束两个邻域结构,借助处理机约束邻域减少冗余处理机量,从而降低整体能耗;利用时间约束邻域有效缩减关键路径长度,实现了任务调度对时间的要求。提出了基于时间和能耗的剪枝优化策略,以提高局部寻优效率。通过仿真实验和实际问题求解对比可知,所提算法在不同问题规模、处理机量和通信比下,都取得了较好的节能效果。     

基于蜂群算法的云计算调度研究

文章先分析了云计算任务调度的内涵,综述了蜂群算法的原理,继而通过云计算调度问题的描述,提出云计算调度的数学模型,最后通过仿真实验,证明改进的蜂群算法可以很好地改善云任务调度系统的性能,有一定的借鉴意义.     

无线多信道中继网络的中继选择性机会调度

为了有效利用OFDMA网络中多点中继协作以提高系统吞吐量,提出了考虑中继选择的调度优化模型.模型以提高系统吞吐量和兼顾用户公平性为目的,以信道无干扰分配为约束条件来进行机会调度. 提出了从路径多样性和链路多样性角度设计新的机会调度算法,算法结合信道分配和中继选择建立用户最优路径,然后机会选择用户. 仿真结果表明了中继选择的机会调度可以明显提升网络吞吐量,也保障了用户公平性.     

解决作业车间调度问题的改进蚁群优化算法

针对作业车间调度问题,提出一种改进的蚁群优化算法.首先设计禁忌表以产生活动调度,然后对传统的蚁群优化算法进行简化,并提出一种新型优先规则作为启发式信息.为增强算法的收敛性和提高求解质量,引入基于作业车间调度问题邻域结构的局部搜索.实验表明该文算法有效.     

SDD 1改进算法在Hive中应用

针对Hive在处理连接查询时所存在的执行时间长和带宽资源消耗大等问题,提出了一种基于数据预处理和双半连接的SDD-1改进算法.首先,引入预处理技术,在各分布节点对原始数据进行归并排序,以减少汇聚节点的数据映射次数,加快数据处理执行速度;其次,采用基于行和列的双半连接技术,进一步缩减在不同节点间的数据传输量,减少带宽资源消耗.仿真实验表明,相比原始的Hive连接算法,改进算法在元组数达到5 000和8 000时,可使查询速度提升10%,有效缩短查询的处理和响应时间,该改进算法可方便地应用到其他云计算平台上.     

跨地域分布数据中心高成本效益的任务调度

研究了跨地域分布数据中心云计算成本最小化问题,首先将其建模为一般分配问题,利用增广拉格朗日乘子法(augmented Lagrangian multiplier method, ALMM)得到最优的调度方案,然后设计了Adjusting算法以调整ALMM产生的结果,使之成为可行解.进一步设计了一种降序价值密度算法(decreased value density scheduling algorithm, DVDS),以解决ALMM的收敛速度相对较慢的问题.在线性定价和阶梯定价两种模型下的实验结果表明,当任务数量较少时,DVDS算法可以在拥有极小的时间开销下达到和ALMM同样小的调度成本;当任务数量增加时,DVDS产生的调度结果成本相比ALMM仅增加10%左右.     

非周期实时任务过载的判别和处理机制

提出一种基于任务价值的非周期实时任务过载处理机制. 在给出一种非周期实时任务过载判断方法的基础上,将任务的截止期和价值这两个参数结合起来,提出处理实时任务过载的数学模型,并采用改进的动态贪婪算法求解. 设计了任务参数和任务价值函数,从实现价值率方面分析改进的动态贪婪算法的性能. 实验结果表明,在所有额定负载条件下,改进的动态贪婪算法相对于截止期优先、最高价值优先和鲁棒最高价值优先等算法能达到更高的实现价值率.     

一种基于蜂群算法的数据库知识发现过程的研究

针对数据库知识发现系统,提出一种基于蜂群算法的数据库知识发现系统.通过蜂群算法的数据库发现系统模型的构建,根据蜂群算法基本原理进行优化调度,最后研究对比不同参数下知识库调度结果.     

基于模拟退火思想的优化k-means算法

鉴于典型的基于划分的聚类算法——k-means算法中存在局部最优和算法执行速度慢等问题,提出了基于模拟退火思想的优化k!means算法.该算法将模拟退火思想用于对k-means算法的优化,是一种具有全局最优解和较高执行效率的算法.针对聚类算法典型数据集和随机产生的数据集,在不同情况下进行对比实验.实验结果表明,优化k-means算法优于基本的k-means算法。     

一种基于差分进化的批量流水线调度算法

提出了一种解决批量流水线调度问题的差分进化算法.该算法采用基于浮点的编码方式,通过最大位置值规则将浮点数矢量转换为工件的调度序列.为了提高调度算法的优化性能,利用最优目标个体的重组产生变异个体,并通过变异个体与目标个体的交叉产生试验个体.仿真试验表明了所得算法的可行性和有效性.     

基于MILP模型和QPSO算法的绿色物流调度方法

针对物流网络中绿色且经济的物流调度问题,提出一种基于混合整数线性规划(MILP)模型和量子粒子群优化(QPSO)算法的物流调度方法 .首先,根据实际情况设定物流网络中的各种元素属性,如制造商、分销商和经销商的能力以及运输方式.然后,构建一个综合考虑交付时间最小化和碳排放量最小化的目标函数,并根据网络属性约束构建一个物流调度的MILP模型.最后,通过一种QPSO算法来求解该MILP模型.在一个汽车销售物流网络上的实验结果表明,提出的方法能够很好地均衡交付时间和碳排放量.     

基于Floyd方法的最短路径算法优化算法

最短路径算法在各领域广泛应用,传统研究方法主要集中在算法应用及单一优化,将两种优化方法集于一体的算法很少.以兰州—北京的铁路运输系统实例,利用Floyd与Dijkstra算法结合、代码优化的方法优化传统Floyd算法.结果表明:优化后的算法在很大程度上减少了运算次数和时间,提高了算法的时间及空间复杂度,算法效率较高.     

一种基于神经网络的并行设计活动调度方法

对并行产品开发过程中的活动进行调度,对于缩短开发周期、降低成本、减少返工和确保具有串行关系的活动尽可能地并行进行具有重要意义.针对并行活动调度问题提出了一种约束满足神经网络与启发式结合的算法.其中神经网络用于获得所有活动的可行的开始时间;用启发式算法求得基于资源约束的调度问题的可行解;然后用梯度搜索算法优化可行调度方案得到最终优化可行调度解.应用实例表明此法对并行活动调度的有效性和可行性.