截止日期约束的云中资源调度成本优化算法

随着越来越多的工作流应用程序部署在云端,如何在满足工作流截止期限约束的前提下优化资源调度成本成为一个热门研究领域。本文提出了一种截止日期约束的成本优化(CODC)算法。首先,合并工作流任务以减少不同实例之间的数据传输开销。其次,关注父任务和子任务对当前任务优先级的影响,并考虑任务的子截止日期未被满足的情况,以选择最早完成任务执行的实例。最后,在5种工作流上与现有算法进行对比。与3种对照算法相比,CODC算法具有更低的工作流执行成本。

一种基于改进人工鱼群的云计算任务调度算法

为提高云计算任务调度的效率,减少系统执行任务的最大完工时间以及成本,本文提出一种改进的人工鱼群任务调度算法(improved artificial fish swarm algorithm,IAFSA).首先,将反向学习策略应用于种群初始化和鱼群的行为选择中,以提高改进人工鱼群算法在迭代中的收敛速度和种群多样性.其次,将自适应全局-局部记忆机制引入到标准AFSA算法的觅食行为中,以进一步提高勘探能力.最后,增加了基于平均适应度的行为选择机制,以提供更合理的行为选择,减少算法的复杂性.通过使用CloudSim平台进行实验验证,分别测试在不同任务规模下IAFSA的算法效能.实验结果表明,改进人工鱼群算法在降低系统任务最大完工时间和成本上均表现出了显著的优势.

面向台区通信网的边缘通算资源联合优化算法

随着越来越多电力终端设备接入台区配电网,如何合理调配有限的云边资源成为配电网能量管理的关键。文章提出了一种基于等级划分的边缘通算资源联合优化算法。首先通过层次分析法对任务进行等级划分,其次建立端侧和边侧的任务执行时延和能耗模型,并利用粒子群优化算法设计了一种联合通信和计算资源的分配算法,确定最优卸载策略、发射功率和计算资源分配方案;仿真结果表明其在降低系统总执行成本的同时,能有效提高任务响应度。

任务转换影响词对记忆:提取练习的补偿作用

移动智能终端的应用提高了个体学习过程中的任务转换频率,重复练习可缓解判断类任务转换对速度和准确性的损害,但其对记忆任务的影响尚未明确。研究采用2(练习方式:重学,提取练习)×2(任务转换:是,否)×2(测试时间:初始,延迟)混合设计,考察不同练习方式的记忆类任务转换是否存在类似促进效应。结果发现,不同练习方式下任务转换均损害记忆准确性;初始和延迟测试(48h)中提取练习的记忆准确性均高于重学。研究表明,任务转换对记忆的损害源于任务集切换,但提取在记忆建构和搜索上的优势加强了记忆痕迹,对任务转换中的重复任务具有补偿作用。

双任务对后循环缺血性脑卒中伴前庭症状患者步行能力的影响研究

背景后循环缺血性脑卒中伴前庭症状患者常无明显的肢体瘫痪,眩晕、头晕症状改善后具备一定的行走能力,但跌倒风险高,临床缺乏对其步行能力的关注。双任务模式的功能评估能更好地发现患者潜在的步态异常,为早期康复干预提供依据。目的探究双任务对后循环缺血性脑卒中伴前庭症状患者步行能力的影响。方法选取2021—2022年在天津市环湖医院神经内科住院治疗的后循环缺血性脑卒中伴前庭症状患者40例为研究对象。采用单任务步行、运动-运动双任务步行、认知-运动双任务步行模式,采集患者步态参数,包括步速、步频、步幅、双支撑相时间占比、步长时间、躯干冠状面、矢状面摆动角度,比较3种任务条件下患者的步态参数差异,同时比较两种双任务步行下双任务成本差异。结果与单任务步行比较,患者进行运动-运动双任务步行时,躯干冠状面、矢状面摆动角度减小(P<0.05);在进行认知-运动双任务步行时,步速降低、双支撑相时间占比延长,躯干冠状面摆动角度增加(P<0.05)。与运动-运动双任务步行相比,认知-运动双任务步行的步速双任务成本、步幅双任务成本、双支撑相时间占比双任务成本增加(P<0.05)。结论双任务导致后循环缺血性脑卒中伴前庭症状患者步态稳定性下降,且认知-运动双任务比运动-运动双任务需要消耗更多的注意力资源,更容易出现步态障碍。

THE THEORETICAL COST OF SEQUENTIAL AND PARALLEL ALGORITHMS FOR SOLVING LINEAR SYSTEMS OF EQUATIONS

In this paper two parallel algorithms for solving dense linear equations arediscussed. The algorithms are based on LU-decomposition followed by forward andbackward substitutions. The algorithms are numerically stable and have been testedon the Sequent Balance Machine with efficient utilization of all processors.

边缘计算中利用改进型遗传算法的任务卸载策略

提出一种基于改进遗传算法(Improved Genetic Algorithm,IGA)的边缘计算任务卸载策略。针对边缘计算系统包含大量ECN(Edge Computing Node)和用户且任务具备结构化的特性,构建系统模型,并且详细分析用户延迟与能耗成本。将系统中的任务卸载决策转化成以成本最小化为优化目标的完全多项式非确定性(NP)问题。使用IGA求解NP问题,实现任务的高效卸载,其中使用整数编码、基于知识的交叉、种群分割的变异等操作提高算法的寻优能力。基于Python平台对所提策略进行实验论证,结果表明,种群数量设为35、迭代次数为350时,IGA的性能表现最好,且所提策略在用户设备总成本、ECN资源利用效率、执行时间等方面均优于其他对比方法。

理解任务中转换代价不对称性和语言优势效应的元分析

作为语言控制标记,转换代价不对称性和语言优势效应所呈现的实验研究结果颇具争议。已有元分析指出,这两种效应在产出任务中缺乏稳健性。本研究使用软件CMA(3.0)和R的metafor包,对理解任务文献进行元分析,合并20篇文献的31个独立样本中提取的62个效应量,评估两种效应大小及其潜在调节变量。结果显示,转换代价不对称性效应和语言优势效应均不显著;语言熟练度能调节转换代价不对称性,但不影响语言优势效应;准备时间不产生显著调节效应。研究结果进一步证明,这两大效应在理解任务中也不具有普遍性,其调节变量亦不明确。

基于费效分析的岛礁海上运输任务分配评估研究

针对岛礁海上运输工作实际,在对岛礁海上运输效能费用影响因素分析的基础上,建立了岛礁海上运输效能评估指标体系,开展了军地海上运力的运输费用单元分析,构建了岛礁海上运输ADC效能评估基本模型和不同运力运输费用单元汇总模型。最后,以某次岛礁海上运输任务为背景,按照岛礁海上运输费效分析的基本流程,开展相关实证研究,验证所提理论方法的实用性与可操作性。

政府补贴和第三方回收下的产品回收合作策略

为探讨第三方回收模式下供应链成员的回收合作策略问题,构建由制造商、零售商及第三方回收商组成的供应链系统,以成本分担和任务分担两种主要的回收合作模式为基础,研究政府给予制造商补贴时,制造商和回收商的回收合作策略,对比不合作及两种合作模式下供应链成员的最优决策及利润,并结合制造商与回收商的回收成本系数分析政府补贴对供应链各成员利润的影响.研究表明:政府补贴对供应链成员利润有正向影响,无论政府补贴怎样变化,制造商与回收商合作时的产品回收率、供应链成员利润及其随补贴的增长幅度总是高于不合作时;当政府补贴、制造商回收成本系数等满足一定条件时,在成本分担模式下有更大回收率,且供应链成员能够获得更大利润.

考虑动态任务耗时与播种墙容量的移动机器人拣货系统任务分配优化

任务分配是影响移动机器人拣货系统效率的关键决策问题。针对具有差异化客户评级特征的业务场景,考虑系统的动态任务耗时特性和拣选站播种墙容量约束,提出了一种基于混合启发式算法的集中式任务分配方法。首先,在客户订单优先级约束下构建以最大完工时间最小为目标的任务分配优化模型。其次,考虑机器人在任务执行中因加减速、转弯、升降货架、排队等待导致的动态任务耗时以及播种墙容量限制,设计最大完工时间生成方案。随后,开发基于记忆精英种群的灾变自适应大邻域搜索算法(MEPCALNS)对模型进行求解,提高了传统自适应大邻域搜索算法的搜索深度和搜索效率。最后,通过数值实验证明了算法的有效性和稳定性。研究成果有利于提高移动机器人拣货系统的分拣效率。

不同任务干扰对儿童早期步态特征和任务成本的影响

目的 研究不同干扰任务和年龄对3~8岁儿童步态特征和任务成本的影响。方法 2021年4月至8月,于河北沧州市第二幼儿园和沧州市回民小学招募200例儿童,分别于自然行走(标准步态)、回答问题时行走(认知步态)和跨越障碍物行走(越障步态)时,采用红外动作捕捉系统采集步态参数,Kistler测力台采集地面反作用力;采用Anybody 7.0软件仿真建模。结果 182例完成测试。任务对步态的时空参数主效应显著(F> 5.167,P <0.01),年龄对除步宽、步速之外的时空参数主效应显著(F> 2.321,P <0.05),任务和年龄对双支撑期百分比、单支撑期百分比、步长的交互效应显著(F> 3.040,P <0.01)。任务对步态的运动学参数主效应显著(F> 83.019,P <0.001),年龄对除膝关节活动度、踝关节最大角速度之外的运动学参数主效应显著(F> 2.359,P <0.05),任务和年龄对除髋关节活动度外的运动学参数交互效应显著(F> 2.066,P <0.05)。任务和年龄对步态的动力学参数主效应显著(F> 4.032,P <0.05),任务和年龄对除内侧比目鱼肌、外侧腓肠肌、内侧腓肠肌、胫骨前肌肌力外的动力学参数交互效应显著(F> 2.189,P <0.05)。步速和步幅的变异系数认知步态>越障步态>标准步态;任务和年龄对步速和步幅任务成本的主效应显著(F> 3.368,P <0.01),交互效应均不显著。结论 儿童早期步态受干扰任务和年龄的双重影响。干扰任务下,儿童步态周期增加,单支撑期百分比减小,步幅、步频和步速减小,任务成本增加,步态稳定性下降。认知任务对步态的影响大于越障任务,可能由于认知任务成本更大。步态特征在年龄方面呈现非线性发展趋势。

移动边缘计算中隐私感知的在线任务卸载机制

移动边缘计算是一种新型的计算范式,它将云计算能力从集中式云分布到网络边缘,可有效解决云计算实时性低及移动终端计算能力不足等问题。但由于用户移动的不确定性以及边缘服务器的覆盖范围的有限性,使得实现高效率的任务卸载面临挑战,并且现有可用性优先的任务卸载算法容易造成用户轨迹隐私泄露。针对上述问题,本文考虑了迁移成本、轨迹隐私与可用性三者之间的矛盾关系,基于信息论提出一种高可用性的在线隐私感知任务卸载机制。首先,基于真实轨迹与发布轨迹之间的互信息量化轨迹隐私泄露程度,并将该任务卸载问题转换为多目标优化问题;然后,进一步提出一种基于马尔可夫链的任务卸载方案来求解该优化问题;最后,在多约束场景下设计了面向设备端的轻量级在线任务卸载算法,解决了在迁移成本约束下轨迹隐私与感知时延的加权平衡问题,以及迁移成本与感知时延双重约束下的轨迹隐私泄露最小化问题。实验结果表明,本文提出的隐私感知任务卸载方案在不同约束场景下的安全性均优于其他方案,能以较低的感知时延实现轨迹隐私保护,适用于资源受限的移动设备进行快速决策与卸载。

空间众包下面向任务需求的在线三类分配策略

目前,有关任务分配的研究主要集中于任务和工作者两种角色,通常假设任务都是同质的,忽略了任务需求和配送地点对任务分配的影响。为解决任务指定配送点附近工作者较少导致移动成本和执行时间过高的问题,提出一种基于贪心的延时匹配算法。一方面,利用任务等待时间获取更多优质工作者以提高分配效果;另一方面,通过自适应阈值和约束条件设置快速筛选匹配对以减小遍历规模并加快分配效率。最后,在不同参数分布下的模拟数据集和真实数据集上对所提出的算法开展实验分析,证明所该方法具有可行性和有效性。

装备开发过程中任务与费用资源优化分配研究

针对基于集成产品研发团队(integrated product team,IPT)群的并行开发管理模式分析其在开发过程中怎样兼顾任务与费用。在对装备系统开发过程中,制定关联任务分解原则,建立任务分解模型,并将任务与费用资源在不同IPT间进行优化分配。研究结果表明,该研究可提高装备系统开发的效费比和管理水平。

炼钢全流程硫含量的控制与优化

介绍了KR、BOF、LF炉、VD炉等工序的脱硫机理,分析了各工序的脱硫能力及脱硫效率。根据设备工艺特性,对炼钢过程各工序脱硫任务进行重新分配与优化,重点利用转炉脱硫和VD炉脱硫能力,降低KR和LF炉脱硫压力。KR工序的出站w(S)由0.001%增加至0.045%左右,VD脱硫率由63.3%提高至80.26%。炼钢工序补热剂降本1 800万元/a,折合每年减少CO_(2)排放量4万t,有效推动了绿色钢铁厂建设。

云计算任务调度的混合遗传蚁群算法研究

针对云计算任务调度效率与负载均衡问题,提出一种基于混合蚁群遗传算法的任务调度方法。该算法通过分析云计算任务调度特点,以最小任务调度完成时间为优化目标,通过任务分组、重新设计变异算子和信息素挥发系数,实现任务到资源调度的完成时间最小。通过CloudSim平台仿真,并与Max-Min、Min-Min、GA和AIGA算法对比,结果表明,所提出的算法有效缩短了任务调度的完成时间,降低了运营成本,具有优越的综合性能。

准备时间和预先信息对任务切换的影响

两个实验采用任务线索范式,考察了准备时间和预先信息对任务切换的影响。实验1的准备时间为可预测,实验2的为不可预测,以考察准备时间的可预测性对任务切换的影响。以被试执行重复任务、切到任务和切离任务的正确反应时为主要指标,结果:(1)在准备时间可预测和不可预测两种条件下,准备时间和预先信息之间存在显著交互作用。在可预测条件中,重复和切到任务的反应时随着准备时间的增加而减少,但切到代价无显著变化,切离任务的反应时不受准备时间的影响,切离代价表现出反准备效应;不可预测条件下,三种任务的反应时都随着准备时间的增加而减少,但是切到和切离代价表现出反准备效应;(2)切离任务的反应时和代价显著高于切到任务的反应时和代价;(3)在这两种条件下,都没有出现切换代价的准备效应。

一种多边缘协作的任务卸载策略

当前,多数任务卸载策略只考虑单边缘或者“物-边-云”的卸载方式,而没有对异地边缘服务器的资源进行充分利用。针对上述问题,提出了一种多边缘协作的网络架构,该架构中的任务可以选择在本地执行、本地服务器执行、异地服务器执行或者在云端执行。分别对4种执行方法的时延和能耗的加权求和建立数学模型。在传统的任务属性中引入新变量——终端所能承受的最大合作成本,以便吸引更多的异地边缘服务器积极协作完成终端任务的计算。针对传统的粒子群算法容易早熟和陷入局部最优的缺点,采用免疫粒子群优化算法(Immune Particle Optimization,IPSO)来对优化目标进行求解。仿真结果表明,与本地卸载策略、免疫算法(Immune Algorithm,IA)和粒子群(Particle Swarm Optimization,PSO)算法相比,所提任务卸载策略的总代价分别减少了66.7%,54%和45.5%,可以提高任务的执行效率,有效地减少系统的总代价。