基于工作负荷均衡的车辆拯救设施选址

交通事故车辆的拯救设施选址是车辆拯救服务的重要问题,选址不当易造成车辆拯救行业服务效率低下、市场行业的不规范、利益不均等一系列问题。针对这类问题,分析了俱乐部和政府引导两种服务模式下的拯救设施选址特点,并提出了针对车辆拯救的工作负荷概念。在不确定性救援路径行程时间条件下,建立以负荷均衡为目标的车辆拯救设施选址模型,以提高设施站点的运营效率和实现车辆拯救企业间的利益平衡。采用三种染色体形式的混合编码和随机模拟方法,设计基于遗传优化的求解算法。最后,通过仿真实例验证了算法的有效性。

混合云用户计算工作量分解的博弈分析研究

在混合云计算环境下,如何合理地划分工作量是每个理性的用户所需要考虑的问题。构建了混合云计算工作量分解博弈模型,在用户通常考虑响应时间的情况下把花费也纳入考虑,即将以响应时间和花费为变量的函数作为效用函数,通过求解纳什均衡的方法分析用户的策略行为,从而决定用户的最优策略。通过仿真给出了不同响应时间和花费比率对用户均衡策略的影响并做出了比较分析。

基于禁忌搜索算法的乘务调度优化

合理的乘务调度方案能有效缩减日常公交运营成本,增强公交公司的竞争力。考虑到驾驶员在一天内的用餐需求以及工作强度的均衡性,文中以驾驶员的规模和总的空闲时间为目标建立优化模型。通过考虑双用餐时间窗的约束,新建模型更加贴合实际;而以单日内的工作量均衡为目标,新模型提高了轮班的灵活性和稳定性。针对模型特征,设计了有效的禁忌搜索算法。利用实际的发车时刻表测试模型和算法,结果表明:模型和算法能有效解决乘务调度问题,得到的调度方案既可以满足驾驶员的用餐需求又可以实现单日内的工作量均衡。

混合云用户工作量分解最优策略纳什均衡分析研究

在混合云环境下,任务处理的响应时间是云用户关注的一个性能指标,而每个云用户在选择策略时不仅要考虑自身情况,还要考虑其他云用户使用混合云的策略.构建了混合云环境下用户工作量分解模型,把最小化响应时间作为每一个用户追求的效用目标,通过求解纳什均衡的方法分析用户的最优策略行为,然后提出一个时间复杂度是O(n^2)的求解纳什均衡算法,并基于云计算仿真软件cloudsim进行了数据仿真分析.