考虑工人负荷的多目标流水车间优化调度

针对流水车间工人负荷不平衡的现象,构建了工件总延误时间和工人作业分配标准差最小化的双目标优化调度模型。设计了基于两段式染色体编码的NSGA-Ⅱ算法,获得了模型的Pareto最优解集。引入两种嵌入启发式规则:交货期最接近(EDD)规则和加工时间最短(SPT)规则,形成了NSGA-Ⅱ-EDD和NSGA-Ⅱ-SPT两种对比情境。算例分析表明:NSGA-Ⅱ算法的Pareto解的平均个数N、Pareto前沿解误差比ER、Pareto前沿解空间评价指标S、Pareto前沿跨度K比NSGA-Ⅱ-EDD和NSGA-Ⅱ-SPT的性能好,在算法运算时间T上性能较差。     

用INSGA-Ⅱ进化NPCs的复杂行为

目前游戏中NPCs多目标行为进化是一个非常复杂的问题。对此建立了NPCs多目标优化的数学模型,并提出了一种NSGA-Ⅱ的改进算法——INSGA-Ⅱ。该算法在进行精英选择时,采用了基于K-均值聚类的方法联合了不同等级之间的个体进行集合划分,然后从不同的集合中选择下一代个体,从而更好地保持了种群的多样性。通过实例比较证明,在玩家和NPCs作战的游戏场景下,INSGA-Ⅱ能够得到NPCs复杂多目标控制问题的Pareto最优解,而且比NSGA-Ⅱ表现出更好的收敛性和多样性。     

基于粒子群优化的云计算低能耗资源调度算法

针对云计算环境中能耗过高问题,提出一种基于粒子群优化方法的云计算低能耗资源调度算法。首先建立了云环境中资源调度的能耗模型;在此模型基础上,指出能耗最优是多目标优化的帕累托(Pareto)最优问题。根据能耗模型,将粒子参数设为服务器分配状态和频率分配状态,从而寻找获得单粒子的局部最优帕累托解集;合并多个粒子最优解集,得到单个分配方案下帕累托全局最优解(Pareto optimality)集合;最后,在不同分配方案对应的最优解集合中寻找最优解。实验验证了所提算法的有效性。与广泛使用的轮询调度算法比较,所提算法的动态能耗为轮询算法的45.5%。     

基于多目标遗传算法的汽轮机转速PI控制器参数优化

针对常规PID参数整定方法不能兼顾系统快速性、稳定性和准确性要求的缺陷,提出了一种基于非支配排序多目标遗传算法-Ⅱ(Non-dominated Sorted Genetic Algorithm-Ⅱ,NSGA-Ⅱ)和多属性决策技术(Multiple Attribute Decision Making,MADM)的PID参数的优化设计方法。以系统的超调量、调节时间和时间乘以误差绝对值积分(ITAE)指标最小作为优化目标,以频域稳定性为约束条件,以PID参数为设计变量,建立多目标优化模型。利用NSGA-Ⅱ算法求出Pareto最优解集,采用逼近理想解的排序方法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)进行Pareto最优解排序,进而得到最终的最优解。以某型工业汽轮机转速PI控制器参数的多目标优化设计为仿真算例,验证了该文设计方法的有效性和优越性。     

一种基于杂草克隆的多目标粒子群算法

多目标粒子群算法(MOPSO)在优化函数时,尤其对于Pareto前沿是分段不连续的优化函数,存在收敛速度慢,种群多样性差的缺陷。针对此问题,将杂草克隆机制引入MOPSO,提出了一种新的多目标粒子群算法,称之为IWMOPSO。该算法利用改进的档案维护策略和不可行解增强多样性和均匀性,通过标准测试函数验证,能够使所求得的Pareto最优解逼近整个Pareto真实前沿,收敛性和多样性明显优于MOPSO和NSGA-Ⅱ,具有较强的应用性。     

基于多目标蜂群进化优化的微电网能量调度方法

针对微电网能源调度优化问题,提出了使微电网系统运行的经济和环保的双重优化模型,根据调度系统的评估结果对调度方案进行优化.为求解该模型,提出了基于指标化拥堵距离的多目标蜂群算法(ICABC),通过建立外部档案(EA)来保存搜索过程中的非支配解;同时,为了保持解集的多样性,改进了NSGA-Ⅱ的拥堵距离策略,基于指标计算拥堵距离能够避免删除密集区域的精英个体,有效地改善了Pareto前沿的分布特性.为验证所提算法的性能,将ICABC与经典的NSGA-Ⅱ、MOCLPSO算法在ZDT测试集上进行了性能比较与分析.在验证实验中,将所提的模型和ICABC算法应用于解决含有多种分布式电源的微电网能量动态调度中.仿真结果表明,通过合理安排微电源的出力,所提的方法能够有效降低系统总成本.     

基于NSGA-Ⅱ算法的轨道转移优化方法研究

在普适变量法求解Lambert转移问题基础上,提出基于NSGA-Ⅱ（non-dominated sorting genetic algorithm-Ⅱ）算法的轨道转移时间-能量优化问题解决方法：通过修改非优超排序方法和采用空间扩张策略对NSGA-Ⅱ算法进行了改进,运用约束支配的概念解决了约束条件下Pareto最优集分层困难的问题。仿真实验表明：改进的NSGA-Ⅱ算法能有效求解轨道转移时间-能量优化问题,且比原算法提高了Pareto前沿散布性能。     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题（FJSP）,提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型．该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来．为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失．算法最后给出问题的Pareto最优解集．仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP．     

基于改进NSGA-Ⅱ算法的消防车辆调度优化

传统多目标优化算法用于消防车调度时存在冲突解及精度较低的限制,为此提出一种改进的NSGA-Ⅱ算法。为解决消防车调度中染色体基因重复出现的问题,对基因进行分组并分配权重,提高种群的适应能力;为使种群朝指定方向收敛,设置目标函数的优先级,从而提高算法的精确度。将改进的NSGA-Ⅱ算法与原算法进行比较分析,并对优化结果进行三维可视化。实验结果表明,改进的NSGA-Ⅱ算法能够得到更加准确的Pareto解集。     

复杂产品概念设计多学科过程建模方法研究

为了使复杂产品概念设计的过程模型支持多学科优化,实现概念设计过程中的求解功能,确定产品设计的综合最优方案,提出了基于扩展Petri网与NSGA-Ⅱ算法相结合的多学科过程建模方法.针对复杂产品设计过程的特点,分析了概念设计在多学科优化过程中的重要作用,研究了扩展Petri网模型建立和NSGA-Ⅱ算法的执行过程,给出了以扩展Petri模型的变迁序列作为NSGA-Ⅱ算法染色体,结合属于Petri网模型元素的选择算子、交叉算子进行NSGA-Ⅱ优化运算的方法.将上述方法应用于某工业汽轮机的设计,并通过实例验证了该方法对于不同的设计要求,可以给出不同情况下的Pareto最优解集,是进行复杂产品概念设计过程建模的一种切实有效方法.     

基于蚁群模拟退火算法的云环境任务调度

针对云计算的MapReduce编程框架,提出一种融合蚁群算法和模拟退火算法的混合调度算法（ACOSA）。该算法以最小化调度时间为目标,引入了任务与资源的匹配因子和负载均衡度,先利用蚁群算法得到一组任务到资源的优化解,然后通过模拟退火算法对解进行路径的优化和信息素的更新。通过扩展Cloudsim云计算仿真平台,对其进行重新编译,实现了所提出的算法,实验结果表明该算法在调度时间、负载均衡等方面表现良好。     

基于SLA的云计算多数据中心任务调度算法

针对现有的云计算任务调度策略仅考虑单数据中心内部负载均衡及平等看待各项任务的问题,研究了基于服务等级协议（ service level agreements ,SLA）的多云数据中心任务调度机制,设计了相应的任务调度效益模型和任务准入控制策略,提出了基于SLA的最大化收益任务调度算法（ SLA-MPS算法）,实现了在多个云数据中心间调度资源、优先处理紧急任务的同时保证云服务商利益最大化。在CloudSim上的实验证明,SLA-MPS算法能加快任务响应速度,降低云服务商违约率并提高其收益。     

基于云计算的多目标服务调度算法的改进研究

在研究现有云计算服务调度算法的基础上,设计了基于QoS的分布式多目标服务调度算法。该算法兼顾用户需求和系统整体性能,依据完成时间、费用、开销和负载均衡多个参数进行服务调度,从而获得较好的调度质量。仿真实验表明该调度算法能够满足云用户的QoS要求,调节云内各种设备的负载均衡,提高云计算平台运行效率。     

基于双适应度遗传退火的云任务调度算法

云计算是当前计算机领域研究的热点,其中云任务调度算法性能的好坏直接影响到云计算平台的整体性能.为了满足云计算平台庞大用户群的不同服务需求,针对现有的云计算任务调度算法提出一种双适应度遗传退火任务调度算法(DFG2A),基于该任务调度算法的任务调度策略能够有效平衡用户对任务各项属性的需求,提高云计算平台的用户满意度.实验结果证明了该算法能兼顾云计算平台总任务执行时间和用户需求,是云计算环境下一种有效的任务调度算法.     

基于蚁群算法的云计算联盟资源调度

针对目前云计算联盟的架构和单云环境下资源调度的研究缺少对云计算联盟下的资源调度问题的研究情况,建立了由云用户、云服务供应商和云联盟协调器组成的云计算联盟资源调度模型,为达到云供应商利益最大化,设计了任务-虚拟机-数据中心的调度算法,利用蚁群算法进行模型求解,并通过Cloudsim仿真软件证实了该算法的合理性,验证了供应商资源的数据中心负载率在60％～80％之间时达到均衡,并可获得最大利益。     

基于模糊聚类的云计算集群资源调度算法

针对现有的云计算集群资源调度算法具有的负载不均衡和在线动态适应能力不强的缺点,提出了一种基于模糊聚类的云计算动态集群资源调度算法。首先,构建了云计算环境下的资源调度模型。然后采用模糊聚类对云计算集群资源进行聚类,根据节点与所有聚类中心的距离判断是否需要增减聚类数量。当新任务到来时,自动计算其到各个聚类中心的距离,将具有最小聚类距离的聚类中心分配给该任务。在Cloudsim环境下进行仿真试验,结果表明该方法能有效地实现云计算集群资源的动态调度,且较其它方法相比,具有反应实时和负载均衡的优点,是一种适合云计算环境的可行任务调度方法。     

解动态约束规划问题的差分进化算法

动态约束规划问题求解的困难在于如何处理问题的约束及时间(环境)变量.本文给出了求解一类定义在自然数集上的动态约束规划问题的差分进化算法,该方法借助于问题的约束条件设计了一种新的适应度函数及选择算子、同时给出了一种带一维不精确局部搜索的变异算子极大地增强了群体的多样性、提高了算法跳出局部最优的能力.数值试验表明,该算法性能稳定性较好,收敛速度较快,全局搜索能力较强,其对动态非线性约束规划问题求解是有效的.     

化验室资源调度优化的改进型克隆选择算法

为了提升化验室处理化验单能力,实现资源调度优化,建立了化验室调度模型,引入了克隆选择算子、自适应变异算子以及多种群协同进化思想,提出了改进型克隆选择算法,并运用该算法对化验室处理化验单进行了调度优化。将改进型克隆选择算法与多种类型算法进行对比,结果显示,改进型克隆选择算法能有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于化验室化验单调度问题,满足实际要求。     

基于Web Service的网格服务管理系统的设计

网格作为下一代面向服务的计算平台,资源数据庞大,种类繁多,且动态变化,因此资源管理和调度是非常复杂和重要的问题,在与市场相似的网格环境中,提出并创建了一个网格服务资源管理系统——网格服务向导（Grid Service Directory,GSD）,支持服务的公布及发现,使虚拟组织中更高效的服务注册、发布、查找成为可能．     

用户利益最大化的云计算联盟资源调度

针对云联盟的资源调度问题进行了研究,提出了基于用户利益最大化的云计算联盟资源调度方法,并通过遗传算法实现资源调度策略。同时基于CloudSim实现了云计算联盟资源调度方法,对云计算联盟环境下的资源调度研究从学术走向实际应用具有一定的意义。