单机分批排序问题的变异蚁群算法

文章考虑了求解单机分批排序问题的蚁群算法,首先设计了求解单机分批排序问题的蚁群算法,然后给出该蚁群算法的关于信息素的内变异算子和外变异算子,最后给出了计算结果比较分析。     

一类分批排序问题的复杂性分析及近似算法

探讨了分批排序问题,分析了极小化加权总完工时间问题1｜B,rj=∈{0,r}｜∑ωjCj 的复杂性,证明了此问题的NP-完备性,并对一类特定问题进行了研究。给出了解决问题的近似算法。证明了其可行性,进而对算法的性能进行了分析,结果表明算法有效地降低了计算复杂度。     

基于动态规划和流形排序的知识库问答未登录词处理

为解决知识库问答中较多实体未被纳入到词库中以及新词层出不穷旧词库无法及时更新的问题,提出一种基于动态规划和流形排序的知识库问答模型DPQA来为未登录词选择最优表征,缓解知识库未登录词描述信息不足的问题。该方法通过动态规划获取未登录词的子词序列;使用一种基于流形排序的子词排序方法得到最优子词;使用最优子词的向量表示未登录词。实验结果表明,基于动态规划的方法在多个数据集上的问答结果表现最佳。     

一种基于的统计的排序算法

本文提出了一种基于统计的快速排序算法，并对该算法的时间复杂度和空间复杂度进行了分析，该算法要求排序关键字满足一定的约束条件，其时间复杂度为O(n)，对该算法做一些简单的修改，还可以将其推广到一般关键字的排序问题。     

基于Petri网的工作流时间动态预测及验证

目前,工作流管理系统不能有效的处理时间管理问题,为了动态预测活动发生的时间间隔,验证时间的一致性,预知潜在的时间冲突,首先建立基于时间Petri网的扩展工作流网(XTWF-net),然后根据工作流管理联盟规定的几种基本结构推导出时间预测规则,并采用面向对象技术实现了预测算法,最后给出了动态验证的方法和决策策略.     

排序算法的选择

影响排序效率的首要因素是算法，但算法时间复杂性的“O”表示法仅反映了渐近特性，不能作为依据来选择排序算法。本文指出了影响排序效率的一些其它因素，在实际中还需要根据这些因素选择不同的算法；文章还给出了几种排序程序的实验数据，这些数据表明当待排序数据较多时，分配排序的程序在执行时间上具有明显的优势。     

机器故障的柔性加工与装配作业车间分批联合调度算法

针对传统的加工与装配分阶段独立调度中资源利用率不高的问题,将加工与装配联合同时进行调度。在考虑工件批量和批次的前提下提出一种改进遗传算法求解该问题,以最小化最大完工时间为优化目标建立数学模型,根据问题特性提出一种工件末工序前移的邻域结构,提升了算法的局部搜索能力进而改善整体求解质量。设计了一种基于装配设备负载均衡的混合贪婪解码方法,完成了装配设备选择。考虑到实际车间中机器故障的特点,提出了相应的响应策略和染色体更改规则,解决了动态调度问题。最后通过算例分析验证了所提算法和策略求解该问题的可行性和有效性。     

数据结构实验教学中排序算法的动态演示

从算法与数据结构这门课程的实验教学实际出发,利用Java语言开发排序算法动态演示系统,实现了八种不同基本排序算法的动态排序演示。教学实践证明,直观生动的将排序算法的执行过程进行演示,有利于学生更好的理解掌握各种排序算法的基本思想,有效地提高了实验课程的教学效果。     

基于Vanet的无人驾驶动态路径规划算法研究

随着智能交通的发展,无人驾驶成为未来颠覆传统出行的又一重要交通工具,为适应无人驾驶大规模复杂的交通环境,为无人驾驶导航规划提出了动态双向A~*算法。车载自组网是未来无人驾驶的一个重要发展方向,为检验算法在车载自组网环境下的性能表现,采用OMNeT++与SUMO双向耦合,在开源框架Veins基础上进行联合仿真实验,证明在不同交通密度的交通状态中,在Vanet环境下动态双向A~*算法相比在无Vanet环境下传统双向A~*算法,能更有效地缩短行程时间,提高出行效率。     

基于遗传规划的作业车间调度算法研究

遗传规划很少应用于解决调度问题,对此,研究一种进化算法--遗传规划算法在作业车间调度中的应用,并对其做了改进.结合Read线性编码和基于工序的编码设计了新的编码策略,使编码后的个体更容易进行遗传操作,大大提高了运算效率;同时对交叉算子进行了改进,以防子代中非法解的产生.通过对作业车间调度问题标准测试集的求解.所得结果验证了该算法求解作业车间调度问题的有效性.     

Hadoop平台下基于截止时间限制的动态调度算法的研究

为了满足有截止时间限制的MapReduce作业的需求,提出一种基于截止时间限制的动态调度算法（DCDS）。该算法实时监控作业运行状况,并对作业运行时间进行动态估算,从而确定作业优先级;对于时间紧迫的作业,可通过抢占策略来保证在用户要求的截止时间内完成。实验结果表明,与Hadoop平台现有的调度算法相比,该算法不仅能满足作业截止时间的要求,也提高了系统资源的利用率和吞吐量。     

基于单亲遗传算法混合动态规划的电动汽车充电调度优化策略

充电调度是电动汽车运营的一个重要内容,合理有效的充电策略在帮助运营商降低成本的同时还能减轻电网高峰时段的供电负担。从充电站运营商的角度出发,在实时电价和每个充电任务时间必须连续的假设下,建立了一个电动汽车充电成本最小模型,给出一个单亲遗传算法混合动态规划的两阶段常规充电调度算法。与电桩一旦闲置即刻分配车辆进行充电的策略以及传统单亲遗传算法相比较,该充电调度策略在电桩负载均衡的情况下有效降低了电费成本,说明了算法的有效性。此外,实验结果表现出了充电任务在多数相同时段聚集从而避开高电价时段的特征,说明充电策略对减轻高峰时段的电网压力也有一定帮助。     

A dynamic programming algorithm for days-off scheduling with sequence dependent labor costs

This paper presents a dynamic programming (DP) algorithm for solving a labor scheduling problem with several realistic days-off scheduling constraints and a cost structure that depends on the work sequence for each employee. The days-off scheduling constraints include the following: (1) each employee is assigned no more than three workdays per week, (2) each employee is assigned at least two consecutive off days per week, and (3) any work stretch cannot exceed four consecutive workdays. The sequence-dependent cost structure assumes that the daily wage of each employee depends on two factors: (1) whether the given workday is weekend or a regular workday, and (2) the sequence of work patterns assigned in previous days. A DP algorithm suited to instances of moderate size is used to determine the optimum work assignments that minimize the total labor cost, while satisfying the work demand under the stated constraints.     

云中截止时间动态分配的工作流调度成本优化算法

现如今,如何在满足截止时间约束的前提下降低工作流的执行成本,是云中工作流调度的主要问题之一。三步列表调度算法可以有效解决这一问题。但该算法在截止时间分配阶段只能形成静态的子截止时间。为方便用户部署工作流任务,云服务商为用户提供了的三种实例类型,其中竞价实例具有非常大的价格优势。为解决上述问题,提出了截止时间动态分配的工作流调度成本优化算法(S-DTDA)。该算法利用粒子群算法对截止时间进行动态分配,弥补了三步列表调度算法的缺陷。在虚拟机选择阶段,该算法在候选资源中增加了竞价实例,大大降低了执行成本。实验结果表明,相较于其他经典算法,该算法在实验成功率和执行成本上具有明显优势。综上所述,S-DTDA算法可以有效解决工作流调度中截止时间约束的成本优化问题。     

动态优先级作业调度算法与实现

介绍了作业调度几种基本算法及其优缺点,设计了综合几种作业调度基本算法优点的动态优先级作业调度算法,并给以方案实现,对基于微机集群的各种应用有很大的参考作用。     

基于动态适应度的独立任务调度算法

在分析现有启发式调度算法的优缺点的基础上,综合考虑负载平衡和使尽可能多的任务调度到更适合它的机器上,提出了基于动态适应度（DFD）的调度算法,任务的DFD描述了最早完成时间所在机器对任务的适应程度,本算法以任务的DFD为优先级,优先调度DFD高的任务。与参考文献中其他算法进行比较表明,本算法能产生更好的调度结果。     

基于负载预测的虚拟机动态调度算法研究与实现

在云计算系统中为了实现负载均衡和资源的高效利用,需要在虚拟机粒度上对云计算系统进行调度,通过热迁移技术将虚拟机从高负载物理节点迁移到低负载物理节点。把负载预测技术和虚拟机动态调度技术相结合,提出了LFS算法,通过虚拟机历史负载数据对虚拟机未来的负载变化情况进行预测,然后根据预测结果对虚拟机进行调度,能够有效地避免云计算系统中高负载物理节点出现,实现负载均衡,提高资源使用率。     

基于动态双向优先级的任务分配与调度算法

提出了一种基于动态双向优先级的任务分配与调度算法,称作动态双向优先级(DDDP)算法。该算法综合考虑了实时任务的优先级和子机的优先级,构造了动态双向优先级任务分配模型,实现了数据传输中主机/子机模式的任务动态分配与调度。在模拟实验中,通过使用正常负载和过载情况下的典型数据对算法进行仿真研究表明,这种算法比单纯考虑截止期的EDF算法在性能方面有明显的改进和提高。     

利用CPDH和动态规划算法的形状检索

用形状轮廓上点的坐标位置相对于形状重心位置的分布关系描述形状,提出一种极坐标下形状轮廓点分布直方图描述符(contour points distribution histogram),该描述符不仅符合人眼的视觉直观感受、计算简单,而且其本质上具有缩放和平移不变性。用动态规划算法(dynamic programming algorithm)来度量轮廓点分布直方图之间的距离,部分解决了轮廓点分布直方图对于旋转不变性的要求。在多个形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好效果。