机器学习在智能车间调度系统中的应用

基于规则和仿真的车间调度系统与专家系统的结合,使智能调度系统得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个具有机器学习能力的车间调度系统证明:机器学习是解决知识贫乏的一个有效途径,且在众多的机器学习算法中,Quinlian的ID3算法成为适用于智能调度系统的机器学习算法。     

机器学习在智能车间高度系统中的应用

基于规则和信真的车间高芳系统与专家系统的结合，使智能能调度得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个有机器学习能力的车间调度系统证明：机器间解决知识分管的一个有效途径，用在众多的机器学习算法中，Ｑｕｉｎｌｉａｎ的ＩＤ３算法成为适用于智能调度系统的机器学习算法。     

基于机器学习的复杂网络数据流均衡调度算法研究

为解决传统网络数据流调度算法的均衡性、冗余和噪音数据造成的存储消耗和学习算法运行效率低下的问题,提出了基于机器学习的复杂网络数据均衡调度算法研究。基于机器学习的数据流特征选取,确定PSH数量标志位,进行数据包大小变换,实现复杂网络的数据流均衡算法。实验数据表明,与传统数据流调度相比,基于机器学习的复杂网络数据流调度均衡性提高,学习算法运行效率提升。     

基于GA和机器学习的启发式规则调度方法

采用基于遗传算法的启发式规则的新型调度方法来处理可变工艺路径的调度问题,同时建立起启发式调度规则库和用于选择规则的知识库,并利用机器学习和模糊推理机制进行样本与知识库的匹配,实现高效实用的调度。计算实例表明了该算法的优越性能。     

车间调度中的数据挖掘技术研究

基于Multi-Agent System（MAS）的人机合作技术适合于解决复杂调度问题。为了使人与机能够更好地合作来完成高效、准确的车间调度,引入C4.5算法,建立并实现了基于机器学习和MAS的人机合作车间调度系统仿真模型。在Java环境下,以Weka、JADE为开发平台,以Eclipse为开发工具,Access为后台数据库,完成了系统的开发。通过实例仿真和结果分析,运用机器学习算法动态调度的结果稍优于最佳的静态调度结果,证明了系统的正确性和优越性。     

基于机器学习的云计算资源分配算法研究

云计算是当前流行的计算模式,而云计算资源分配是云计算系统的关键。文章基于机器学习的云计算资源分配算法研究,通过机器学习算法来识别工作负载,评估资源分配,从而调度资源。实验结果表明,基于机器学习的云计算资源分配算法不仅保证了各节点负载均衡,还提高了云计算集群的稳定性。     

基于机器学习的异构多核处理器系统在线映射方法

异构多核处理器（HMPs）平台已成为现代嵌入式系统的主流解决方案，其中在线映射或调度对充分发挥其高性能和低功耗的优势起着至关重要的作用。针对HMPs的应用任务动态映射问题，提出了一种基于机器学习预测模型的在线映射调度解决方案。一方面，构建了一个可以快速高效地预测和评估不同映射方案性能的机器学习模型，为在线调度提供支持；另一方面，将该机器学习模型整合到遗传算法中以高效地找到（接近）最优的资源分配方案。最后，通过一个M-JPEG解码器验证了所提方法的有效性。实验结果表明，该方法的平均执行时间相较于常见的轮询调度和抽样调度方法分别降低了28%和19%左右。     

免疫克隆选择算法求解柔性生产调度问题

为减少计算复杂度,将具有解决复杂组合优化问题的免疫克隆选择算法应用于求解柔性生产调度问题.首先设计一种有效的抗原和抗体的数据结构,用抗原表示待调度的生产计划,抗体表示高效的柔性生产调度结果;然后着重设计了用于产生高效的柔性生产调度结果的克隆免疫算子;最后运用该模型对一个实际生产系统进行仿真调度决策,实验评估结果验证了算法的正确性和有效性.     

基于深度学习的调度自动化报文合规性研究与实现

本文基于大数据及机器学习,通过分析调度自动化系统特定规约的下行控制报文,找出自动控制及人工控制的报文合规性,形成合规专家库;对海量的典型调度自动化系统主站和厂站间的交互控制报文进行关联性识别,基于大数据及深度机器学习,分析101、104等调度自动化系统规约报文在时间、控制频率、电网状态关联性、控制范围等方面的规律,形成调度自动化系统控制功能的报文合规专家库,并通过模拟试验并且同时对CIM模型、操作票进行解释,对异常报文进行告警。     

基于 OpenStack 的虚拟资源调度技术研究

传统的高能物理计算系统基于物理机集群,主要通过 Torque、Condor、LSF 等资源管理和作业调度系统将作业调度到物理机器上运行,缺少对虚拟化计算的接口支持。我们选取 OpenStack 作为底层虚拟化平台,设计并实现上层调度系统与 OpenStack 之间的桥梁,采用推拉结合的作业运行方式,构建虚拟计算集群。