混合算法在网格任务调度中的应用研究

研究网格任务优化调度问题,针对需求的复杂和网格系统具有异构性和动态性,导致网络任务调度过程相当困难.传统调度算法调度效率低、资源负载不平衡.为了提高任务调度效率,降低资源负载不平衡性,提出一种混合的网格任务调度优化算法.首先采用遗传算法全局搜索能力快速形成初始解,然后将遗传算法的调度结果作为蚁群算法的初始信息素分布,最后利用蚁群算法所正反馈性机制迅速地形成任务调度的最优解.仿真结果表明,混合算法减少网格任务调度系统任务完成时间,提高了任务调度效率,为网格设计提供了依据.     

一种基于遗传—蚁群算法的网格任务调度策略*

针对遗传调度算法局部求解能力不足、容易早熟和退化的问题,以及蚁群调度算法初始搜索阶段效率低下的缺陷,充分应用遗传算法全局搜索能力较好和蚁群算法求解精度较高的优势,提出了一种基于遗传-蚁群算法的网格任务调度策略.该方法集成了遗传算法和蚁群算法的双重优点.仿真测试结果表明,提出的网格任务调度方法总体上优于遗传算法和蚁群算法...     

基于聚类和改进共生演算法的云任务调度策略

针对云计算环境中一些基于服务质量（QoS）调度算法存在寻优速度慢、调度成本与用户满意度不均衡的问题,提出了一种基于聚类和改进共生演算法的云任务调度策略。首先将任务和资源进行模糊聚类并对资源进行重排序放置,依据属性相似度对任务进行指导分配,减小对资源的选择范围;然后依据交叉和旋转学习机制改进共生演算法,提升算法的搜索能力;最后通过加权求和方式构造驱动模型,均衡调度代价与系统性能间关系。通过不同任务量的云任务调度仿真实验,表明该算法相比改进遗传算法、混合粒子群遗传算法和离散共生演算法,有效减少了进化代数,降低了调度成本并提升了用户满意度,是一种可行有效的任务调度算法。     

基于混合遗传算法的资源受限的运输任务调度

在利用串行调度启发式方法解决资源受限的运输任务调度问题（RCTTSP）的基础之上,提出了一种混合遗传算法（HGA）。该算法通过对运输任务执行优先次序进行基因编码,利用串行调度方法获得初始种群,并在遗传个体调度目标值与适应值确定的过程中使用了局部搜索启发式规则,从而充分地结合了遗传算法的全局搜索与启发式方法的局部搜索能力。首先对RCTTSP进行了描述,给出了混合遗传算法的基本原理,然后针对测试案例进行实现,并与单纯使用串行调度方法进行了比较。结果显示,该混合遗传算法能有效地改进调度效果。     

基于粒子群遗传算法的云计算任务调度研究

对云计算任务调度进行了研究,针对用户满意度和云提供商利益需求,提出一种融合粒子群和遗传算法的PSOGA改进算法。根据云环境特点对虚拟机资源进行分类,同时引入任务-资源满意度距离、资源综合性能概念;对粒子群初始粒子操作进行优化,来提高粒子质量;为克服粒子易陷入局部最优解问题,加入遗传算法（GA）的交叉、变异操作,扩展粒子的搜索空间。仿真结果表明,该调度策略提高了用户满意度的同时减少了任务的完成时间,是云平台下一种有效的任务调度策略。     

云计算环境下基于遗传蚁群算法的任务调度研究

对云计算中任务调度进行了研究,针对云计算的编程模型框架,提出一种融合遗传算法与蚁群算法的混合调度算法。在该求解方法中,遗传算法采用任务-资源的间接编码方式,每条染色体代表一种具体调度方案;选取任务平均完成时间作为适应度函数,再利用遗传算法生成的优化解,初始化蚁群信息素分布。既克服了蚁群算法初期信息素缺乏,导致求解速度慢的问题,又充分利用遗传算法的快速随机全局搜索能力和蚁群算法能模拟资源负载情况的优势。通过仿真实验将该算法和遗传算法进行比较,实验结果表明,该算法是一种云计算环境下有效的任务调度算法。     

求解独立任务调度的离散粒子群优化算法

针对独立任务调度问题,提出一种改进的离散粒子群算法,采用基于任务的编码方式,对粒子的位置和速度更新方法进行重新定义。为防止粒子群算法的早熟收敛,给出利用模拟退火算法的局部搜索能力在最优解附近进行精细搜索,以改善解的质量。仿真结果表明,与遗传算法和基本粒子群算法相比,该混合算法具有较好的优化性能。     

基于DNA算法的硬实时系统预调度的研究

针对传统遗传算法在解决硬实时系统任务预调度问题时,存在早熟收敛现象,提出了一种基于DNA遗传算法的任务预调度序列搜索方法.该方法将复杂的任务调度问题转化为解决离散优化问题,利用任务的时间延迟作为目标函数,通过改进DNA遗传算法的变异算子时任务调度序列进行求解,并最终找到了具有可行性调度的最优解.仿真结果表明,所给出的搜索方法同传统遗传算法相比,具有更快的收敛速度.在初始群体规模相同的条件下,该方法的迭代次数仅为遗传算法的21.5%.     

基于改进遗传算法的网格任务调度算法

网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用的调度算法能够具有高效性.遗传算法被证明是解决这类小规模问题的有效算法,随着任务数和资源数的增加,遗传算法表现出慢速收敛的缺点.为了克服其缺点,提出将Min-min算法与遗传算法相结合的改进遗传算法,从而设计出很好的选择和交叉算子,提高了算法搜索能力和收敛速度.仿真结果表明该算法能更有效解决网格任务调度问题.     

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。     

面向星地协同观测规划问题的改进人工蜂群算法

卫星和地面观测资源利用各自搭载的载荷可以完成灾害预报、环境监测、目标发现等任务,地面观测资源可以与卫星配合共同完成观测任务,提升任务观测效果.通过规划将众多的观测任务分配给有限的卫星、地面观测资源来执行可以让协同观测发挥作用,同时得出卫星和地面观测资源的协同任务执行方案,对任务规划提出了很高的要求.基于此,对星地协同观...     

基于冲突的卫星地面站系统资源调度与能力分析

研究卫星—地面站系统资源调度和能力分析问题.首先定义了几种描述地面站资源冲突的概念,它们能够合理描述卫星对地面站资源使用需求的冲突程度以及地面站的负荷情况.在此基础上,提出一种基于冲突消解的地面站资源调度启发式算法,实例分析表明该算法能够提高卫星任务满足率和地面设备利用率.     

面向多星任务规划问题的改进遗传算法

卫星数量的快速增加为管控卫星的工作增加了很大的难度,如何有效地进行任务规划,有效管理卫星资源,成为了卫星领域的一个重要问题.针对此问题,本文构建了多星任务规划的数学模型,将最大化任务收益作为优化目标.本文分析了问题的难点并提出了一种包含两种优化策略的改进遗传算法,包括全局优化和局部优化两部分.全局优化和局部优化根据种群改进情况进行自适应切换.通过两种优化方法的结合可以提升任务规划的效果.本文还提出了一种任务规划算法,用于为改进遗传算法得到的任务序列选择合适的任务执行时间.仿真实验证明本文提出的改进遗传算法可以很好地解决多星任务规划问题,与对比算法相比可以得到更优的规划结果.改进遗传算法有很好的工程应用前景.     

基于GA-PSO的天基预警系统资源调度方法

为解决天基预警系统中的卫星资源调度问题,从预警任务特点出发,在对预警任务进行分解的基础上,建立了资源调度模型．结合传统遗传算法（GA）和粒子群算法（PSO）的优点,采用一种混合遗传粒子群（GA-PSO）算法来求解资源调度问题．该算法在解决粒子编解码问题的前提下,将遗传算法的遗传算子应用于粒子群算法,改善了粒子群算法的寻优能力．实验结果表明,提出的算法能有效解决多目标探测时天基预警系统的资源调度问题,调度结果优于传统粒子群算法和遗传算法．     

动态报表的打印对象的控制设计

每个信息系统的功能大多不相同,但一般都要把表或视图的联接集作为数据集进行报表打印。由于数据库不同,表结构不同,因此每个报表数据集的字段类型、宽度都不可能完全相同,这导致报表的多样性与复杂性,给报表设计带来诸多不便,通过控制报表的打印对象实现动态报表是一个有效解决该问题的方法。在水晶报表中先创建若干个打印对象,程序运行时对SQL语句获取的动态打印数据集的元素进行枚举,使每个元素与水晶报表上已存在的打印对象进行逐一匹配绑定,进而对绑定的打印对象进行控制,从而实现动态报表的目的。     

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.     

基于统一资源编码的成像卫星联合任务规划算法框架

对于大量的卫星和地面站资源,随着观测任务与日俱增,如何高效安排对应的一体化成像数传活动成为提升卫星管控效能的关键.在综合考虑实际约束的基础上,建立数学模型详细描述成像卫星联合任务规划问题,通过采用统一资源编码的思想设计一种简单且易于理解的个体表示方法,并利用任务有效执行期的潜在冲突关系提出相互冲突任务集的概念以降低问题...     

置换表示方法求解多卫星多地面站调度问题

针对多卫星成像和多地面站数传并存的对地成像调度问题,从置换空间到调度解空间的映射方法和置换空间的搜索算法两方面进行了研究.提出了一种数传时间窗优先的置换序列映射算法,并证明该映射算法可以将置换序列映射到调度解空间上的最优解.提出了一种遗传随机搜索算法,基于有记忆随机邻域搜索,在置换空间上进行搜索.仿真计算表明,随机邻域搜索可以增强遗传算法的局部搜索能力,搜索结果平均获得了4.64%的改进.     

基于禁忌搜索算法测地卫星任务调度研究

研究测地卫星调度问题,它是一个复杂的组合优化问题,涉及多个卫星,大量的任务与约束限制,何时和如何执行每项任务。分析了问题的主要约束,在合理的假设基础上建立了带有时间窗口多资源调度问题模型,提出一种改进的禁忌搜索算法求解该模型。用实例对模型和算法进行了验证,并将结果与动态规划方法求解结果比较分析,结果表明模型和算法是有效的。     

基于改进蚁群算法的成像卫星调度方法

成像卫星调度问题中约束条件数量众多且复杂,战场环境中,快速决策的要求增加了成像卫星任务调度的难度。针对这个问题,提出了一种加入精英策略的改进蚁群算法的多卫星成像调度方法,对算法的状态转移规则、信息素更新规则做了详细描述;并提出了基于启发式规则的任务路径处理流程,以此产生调度方案,评价路径优劣,反馈给蚂蚁路径搜索阶段。通过实例计算,并与贪婪算法和遗传算法结果对比,说明本方法能够获得更高质量的求解结果。