M1十M2／M／I/k系统输入队列调度算法性能比较

排队系统中优先级的划分方法主要有空间优先和时间优先两种类型。本文针对时间优先系统进行了分析，通过对缓冲器安全共享，缓冲器部分共享和分离缓冲器等三种缓冲器调度控制算法的分析比较，我们可以看出，分离缓冲器调度算法能够有效地减少实时顾客的失效概率，获得满意的控制效果，并且其实现的复杂度也较低。     

动态规划-粒子群算法在水库优化调度中的应用

水库优化调度是一个典型的具有多约束条件的、动态的、非线性的优化问题。针对这些问题,利用动态规划-粒子群(DP-PSO)算法加以求解。利用动态规划中的多阶段最优策略原理,将水库优化调度问题转化为多阶段决策子问题,各个子问题采用粒子群算法优化求解。数值实验表明,在计算时段较多时,DP-PSO算法计算的可靠性明显优于一般的动态规划(DP)算法,在计算时间上,DP-PSO算法用时较动态规划-遗传算法(DP-GA)少。     

动态负载调度算法在分布式系统中的应用

本文探讨了一种新的负载平衡调度算法,达到高效、合理地进行任务调度和处理机分配。     

文化算法在越库作业调度中的应用

研究只有一个入库门和一个出库门的带有限暂存区的越库中心的作业调度问题。以额外搬运成本、暂存成本和换车成本总和最小化为目标,建立动态规划模型。构建了具有两层进化机制的文化算法对问题进行求解。算法的种群空间采用遗传算法作为进化模式,信度空间接收种群空间的优良个体形成知识并指导遗传算法的选择操作。通过在大、小规模情形下进行数值实验,验证了文化算法的有效性。     

蚁群算法在资源受限项目调度中的应用

本文描述了在应用蚁群算法求解资源受限项目调度问题时,蚂蚁如何在项目网络图上巡游并动态生成最优解,以及蚁群信息素的更新方式和多种启发式信息的定义方法,验算了算法在不同的参数组合下对测试案例的求解效果。     

一种自适应粒子群算法在云资源调度中的应用

通过资源调度优化提升云计算的效率并降低数据中心能耗是云计算领域的主要研究内容之一。粒子群算法常用于解决资源调度问题,然而粒子群算法在云计算资源调度应用中算法初期收敛速度快,后期收敛速度缓慢,易陷入局部寻优。本文提出了一种自适应改进的粒子群算法用于云计算资源调度问题的研究,该算法通过自适应改进粒子的个体学习因子和社会学习因子,以提高算法的全局探索能力,使得粒子逼近更优解。实验结果表明：本文提出的自适应粒子群算法不仅具备良好的收敛性和全局寻优能力,同时能够大幅度降低云资源调度中任务队列的总完成时间。     

混合遗传算法在柔性系统动态调度中的应用研究

本文研究了柔性制造系统实时生产环境下的动态调度问题.提出了基于动态数据库技术的动态调 度系统的框架结构.动态数据库中存储着问题的数据结构,包含工件相关类与机器相关类信息.动态数据库能 够随着生产的进行及时进行更新.扰动发生后,遗传算法根据动态数据库所提供的更新后的调度任务数据,快 速产生新的优化调度方案.通过在遗传算法中嵌入约束解决机制确保遗传算法适应约束的能力,从而提高算 法的收敛速度与精度.仿真实验证实了方案的有效性.     

蚁群算法在资源受限项目调度问题中的应用

资源受限的项目调度问题(RCPSP,Resource-ConstrainedProjectSchedulingProblems)已经被证明是一种NP-hard的组合优化问题,随着问题规模的增大,使用经典的数学方法如数学规划等方法,已经很难解决问题。论文提出了一种用于求解资源受限的项目调度问题的蚁群算法。针对资源受限的项目调度问题的具体特点,提出了蚂蚁巡游网络图的动态生成方式,信息素的表示及更新方式,以及启发信息的计算方法。针对PSPLIB中的测试集对算法中的主要参数进行了优化,最后,使用PSPLIB中的四种测试集对算法进行了测试,计算结果表明了算法的有效性。     

三峡工程船舶智能调度系统的动态规划建模与算法

本文讨论了多个并联船闸的智能调度问题，并使用动态规划理论建立了该问题的数学模型，提出了一种基于滑动窗口方法的算法。实践证明，该算法能快速得出较优解，很好地满足了自动编制船闸调度计划的需求。     

基于蚁群算法的航天器观测动态调度研究

为了处理航天器实际运行过程中的不确定性扰动因素,解决航天器观测动态调度问题,首先结合航天器运行的实际背景,建立了航天器观测动态调度问题的数学模型;由于该问题的NP完全性,以及航天观测活动中扰动因素种类繁多的原因,使用现有方法进行求解效率不高;针对这一问题,基于蚁群算法设计了一种具有普适能力的动态调度方法,能够有效处理多种不确定性干扰因素;采用该方法求解某型地球观测卫星的观测任务动态调度问题,能够得到满足实际要求的动态调度方案,验证了该方法的有效性。     

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。     

基于改进迭代算法的动态调度优化模型

笔者针对当前智能加工系统中的动态作业调度问题,考虑作业工序、等待时间等实际情况中产生的约束条件,在3大原则的前提下,应用改进迭代算法建立了一道工序的工作调度模型和两道工序的调度模型,通过验证模型的时间空间复杂度,得出此模型具有较好的实用性。最后,在模型的推广中加入1%的工作故障概率,得到故障概率分布,进而得到更加稳定的模型。     

改进差分进化算法在动态经济调度中的应用

针对动态经济调度(DED)存在的不可微、非凸性、非线性以及不连续性等特点,提出多策略异维变异差分进化(MDMDE)算法.一方面,从变异维数入手,提出了一种异维变异策略;另一方面,在算法的整个迭代周期内采用了多策略变异.此外,还提出了一种修改的交叉率以及动态变异因子来跳出局部最优.最后,将MDMDE应用于6种动态经济调度...     

提高海鸥优化算法寻优能力的改进策略及其应用

针对海鸥优化算法(SOA)收敛速度慢、容易陷入局部最优等问题,提出3种提高SOA算法寻优能力的改进策略：对非线性收敛因子与螺旋系数进行改进,以改善全局与局部搜索的协调能力,加快收敛速度;通过拓展攻击行为与攻击角度,以并行搜索的方式提升局部寻优性能;引入动态反向学习,使算法快速跳出局部最优,优化全局搜索。基于马尔可夫过程分析了改进海鸥优化算法(ISOA)的收敛性。通过16个基准函数测试了ISOA算法的寻优性能,并将其应用于PID(proportional-integral-derivative)参数整定中,结果表明,提出的改进策略能显著提高SOA算法的收敛速度与求解精度,ISOA算法在参数优化领域具有较好的应用效果。     

基于动态分组的M2M上行优先级调度算法

以延迟容忍剩余时长为度量依据,提出一种对业务进行动态分组的上行优先级调度算法。采用资源块(RB)大小可变的分配方式满足RB的邻接约束,引入混合自动轮询机制解决算法对低优先级业务调度不公平的问题。仿真结果表明,相比PF算法、RR算法,该算法的系统吞吐量分别提升约15%、41%,且在业务时延、业务区分度方面具有较好性能。     

F1ow—shop调度问题的自适应模拟退火算法

为求得一个强NP-难问题——flow-shop调度问题的最优解或近优解，提出一种自适应模拟退火算法．本算法采用一种基于区段特性的特殊邻域结构、简便的目标函数计算方法和自适应退火策略．通过Flow-shop调度问题的基准测试问题的实验，数值结果证实了该方法的有效性．     

基于动态关键路径的仿真网格资源调度算法

从仿真系统工作流的关键路径分析，确定关键路径上的联邦成员节点，使网格资源调度方面优先获得保证。簦于仿真网格系统运行的复杂性和不确定性，引入了随机规划理论，提出了仿真网格的动态关键路径概念以及基于动态关键路径的资源调度算法，共同解决当资源有限以及任务相关情况下仿真网格的资源调度问题。具体实现，主要使用遗传算法以及MCP算法。仿真实验结果表明，基于动态关键路径的资源调度算法能够优化仿真网格资源的调度。     

网络化运动控制系统的经典调度算法应用研究

网络化运动控制系统作为一类特殊的实时系统,其系统的性能与资源（处理器、网络）的调度密切相关,将实时调度理论应用于网络化运动控制系统非常必要。在对用于单处理器的经典实时调度算法（RM和EDF）以及网络调度的研究现状进行综述的基础上,对网络调度和任务调度的异同点及网络调度的实现方法和应用技术进行了研究。最后,对RM和EDF两类调度算法在网络化运动控制系统中的应用及调度优化问题进行了仿真研究。     

基于混合粒子群算法的梯级泵站优化调度

针对大型梯级泵站工况复杂多变、安全性要求高的运行特点,基于流量平衡的理论,建立梯级泵站运行费用最小的优化目标,同时把系统一次运行周期内泵站机组的启停次数作为衡量维护费用的指标,建立泵站启停次数最小的优化模型,运用线性加权法将两个优化目标组合成一个泵站系统综合运行费用最少的优化调度模型,最终运用动态规划法和粒子群算法进行研究分析,并尝试采用免疫思想通过克隆免疫算子和疫苗接种算子优化粒子群算法,达到提高搜索范围和精度的目的。将其应用于山西某梯级泵站工程实例,仿真研究分析表明免疫粒子群算法(IAPSO)在优化泵站系统综合运行费用上更加节省成本而且提高了搜索精度和收敛速度。