基于价值密度和截止期的网格作业调度算法

对商业网格中的作业调度问题进行研究,采用作业的到达时间、计算量、预算和截止期4个参数定义作业的优先级。在此基础上提出基于价值密度和相对截止期的网格作业调度算法,并对其进行仿真。仿真结果表明,该算法在实现价值率、按时完成作业数和加权作业按时完成率3个性能指标上优于现有算法,兼顾了消费者和服务者的利益。

价值密度—截止期—回填的网格作业调度算法

在商业网格和云计算环境中,作业有到达时间、计算量、预算、截止期等属性,区分作业的重要性和紧迫性是调度系统的关键问题之一。现有的作业优先级只考虑作业的单个或部分属性。综合考虑以上提及的四个属性,定义了基于价值密度和相对截止期的作业优先级,提出了基于价值密度和相对截止期的网格作业调度算法,并结合回填算法(EASY backfilling)来提高资源的利用率。仿真结果显示,基于价值密度和相对截止期的作业优先级很好地体现了作业的重要性和紧迫性;而回填算法在提高资源利用率上对某些优先级策略效果显著,有些则效果不明显。

结合价值密度和截止期的网格实时作业调度

在商业网格和云计算环境中,作业有到达时间、计算量、预算、截止期等参数,其中,预算是时间的函数。准确区分作业的重要性和紧迫性是作业调度系统的一个关键问题。综合利用这四个参数来定义作业的优先级,并提出基于价值密度和相对截止期的网格作业调度算法。分别对弱实时和强实时网格作业的调度进行仿真。仿真结果显示,所提出的调度算法的性能在两种情况下都优于所有对比算法的性能,且在强实时作业情况下优势更明显。

基于价值密度的替代与事务优先级分派策略

针对基于替代/补偿的实时事务模型中的优先级分派问题,提出基于价值密度的替代与事务优先级分派策略PBAC。在PBAC中,替代优先级基于替代的价值密度,并与替代的执行时间和紧迫性相关,事务优先级继承自替代的优先级,并受事务执行度的影响。仿真实验结果证明,该策略使系统可以更好地对基于替代/补偿的事务模型进行调度。

电力大数据的价值密度评价及结合改进k-means的提升方法研究

针对目前电力大数据价值密度的研究存在缺乏定义和量化指标、提升手段单一导致效果有限的问题,提出了相关定义及评价指标,从空间上内存占用、时间上运行速率2个维度计算价值密度评价指标;并提出了基于多初始聚类中心的改进k-means算法,弥补其太过依赖于初始聚类中心的不足。结合该算法,分别从"脏数据"、记录、字段等不同维度,研究如何提升价值密度。以日负荷预测为算例进行仿真测试,结果表明评价指标能较好地反映价值密度,改进聚类算法有较好的的聚类效果和速率优势,可以有效提升数据价值密度。

基于价值密度的相控阵雷达事件调度算法

针对相控阵雷达事件调度问题中求解目标综合优先级时未考虑事件驻留时间的问题,提出一种基于"价值密度"的相控阵雷达事件调度算法。通过引入作业车间调度领域"价值密度"概念,根据目标属性、运动状态、雷达硬件条件、事件截止期等参数,共同计算雷达完成该事件时单位时间内所能具有的价值,即该事件的价值密度;并基于价值密度进行调度。仿真实验表明,基于价值密度的调度算法与传统基于综合优先级排序调度算法相比,能有效提高调度成功率和实现价值率。

基于价值密度的汽车零部件入厂物流管理模式优化

阐述了价值密度的概念,并简要说明了基于价值密度的汽车零部件的分类原则,应用价值密度的思想将汽车零部件分为四大类,根据不同的零部件类别分别设计了相应的零部件入厂物流管理模式,通过优化,在满足主机厂生产的同时,也降低了库存水平与物流成本。

地铁施工安全信息价值密度评价方法研究

通过分析数据采集、数据存储和数据加工三个阶段抽取影响信息价值密度的指标,建立了基于质量特性、业务特性和时效特性等的地铁施工安全信息价值密度评价指标体系。基于模糊综合评价法对主观因素实现定性与定量相结合的精准评价,依据专家经验和样本数据确定贝叶斯网络拓扑结构,建立相应价值密度评价模型,填补了研究空白,实现了对各类地铁施工安全数据集信息价值密度的定量评价,为高效率、低成本的地铁施工安全信息管理提供了支持。

基于价值密度的Job-shop车间生产计划控制

针对离散型生产中工艺路线不确定,工时不准确,加工中变化快,物流速度快的生产现状,提出计划期内生产的价值作为追求目标,排产不必追求任务完成的时间节点,而应制定投产的顺序,以保证企业在单位时间内实现的价值最高,即价值密度作为排产依据.确定车间的瓶颈设备之后,通过排产保证该设备前面有足够的零部件等待加工,将人力资源和设备混合排产,在动态中实现任务计划的改变、时间窗口的锁定或拒绝,兼顾了订单的重要性和交货时间,发挥出了车间设备的最大能力.每个任务的计算量仅有一次,特别适合动态中的快速排产.

当下主义与价值密度

有人将21世纪定义为“当下主义”(Presentism)时代。所谓“当下主义”是指:人们会将重心转到当下这个时刻、现场体验以及当下最值得关注的东西上来。人人都在试图抓住流逝瞬间的嘈杂状态。海尔斯也有类似观点:信息技术哺育的“媒体一代”具有全新的认知方式,其特点体现在这代人特有的“超级注意力”(hyper attention)。“超级注意力”的特征是在不同作业中迅速转换焦点,偏爱多样化信息流,寻找高度刺激性的东西,对单调状态的容忍度较低。

工业时序数据质量分析系统设计

一、引言当前,国内的工业生产活动正在积累着越来越多的数据,尤其是现代化的工业生产线上的传感器与监测设备,它们能够对生产过程和运行参数进行高效的监控和记录。时间序列数据作为最基本且普遍的数据形式,对推进工业大数据的分析研究发挥着至关重要的作用。为了实现工业大数据分析的有效性,建模过程必须依托于高质量的数据。但是,工业时间序列数据的复杂性,例如它们的广泛来源、庞大的数据量、来源的多样性、持续的采样特征、低价值密度以及高度动态性,使得数据质量问题变得普遍。

大数据对企业会计信息质量的影响探究

一、大数据概述。(一)大数据概念。大数据是指规模庞大、复杂多样且高速增长的数据集合,无法使用传统的数据处理工具和方法进行处理、管理和分析。大数据的特点包括数据量大、速度快、种类多、价值密度低。大数据具备广泛的应用领域,包括商业、科学研究、医疗健康、金融、交通等。

土地生态服务价值分区及其土地利用对策——以广西融水苗族自治县为例

以广西融水县为研究对象,以207个行政村为研究单元,根据各类土地利用面积计算得各个村的土地生态服务价值密度,根据土地生态服务价值密度,把融水县分为高生态服务价值区、较高生态服务价值区、一般生态服务价值区、低生态服务价值区。分析了各类土地生态服务价值区的特点,提出了土地利用方向和对策,为融水县土地可持续利用提供科学依据。

江汉平原生态系统服务价值变化解析

以湖北省江汉平原为例,采用基于专家知识的AHP方法、LMDI分解模型等重点考察该区域土地利用特征及生态系统服务价值变化的影响因素分解问题。研究结果表明:(1)1995年以来该地区耕地、林地、草地和自然保留地面积减少,水域和建设用地面积增加,以耕地和水域为主的用地结构变化相对平稳;(2)采用基于专家知识的AHP方法确定不同时期的价值密度修正系数,发现各地类修正系数均以2007年为基准呈现随时间增长的趋势;(3)利用改进的生态服务价值计算方法,发现各地类生态服务价值均有所增加,不同时期各地类价值贡献基本呈现耕地、水域最多,林地、自然保留地次之,建设用地与草地最少的特征;(4)利用LMDI模型考察生态服务价值变化的分解效应,研究显示人口增加、土地结构变化与价值密度提高具有增值效应,对价值变化的效应比重分别为13.12%、9.23%、90.70%;人均土地面积降低对价值变化具有减量效应,所占比重为-13.06%,在一定程度上抵消了三类因素的增值效应。

求解多维背包问题的双决策交互差异算法

针对传统多维背包问题的求解算法存在的修复方式单一、种群动态适应性差等问题,提出一种双决策交互差异算法(DDEA)。融合自主学习思想,设计多维加权价值密度和相对价值概率指标,双重决策确定物品选择顺序,制定相应解的修复优化策略。采用双种群交互差异进化算法,设置主群和辅助群2个种群,种群间进行信息交互,提高种群多样性,避免陷入局部最优,提高算法寻优能力。主群实施差异进化机制,依照个体优劣依次划分为3个子群,分别按照特定方式进化,并在进化过程中完成与辅助群的交互,增强算法群智能性。引入刺激-响应机制,平衡算法的全局和局部搜索能力,并加入精英库协同寻优,加快算法收敛速度。仿真结果表明,DDEA算法可求出全部最优解,平均相对误差率为3.04×10-5,相比于同类算法降低2个数量级,有效提升了多维背包问题的求解精度、效率和稳定性。

广义多粒度粗糙集特征选择算法研究

随着信息技术的迅猛发展,产生了大量的数据,这些数据体量巨大、形式多样、产生迅速、价值密度低、商业价值高。如何使这些数据对人类社会的进步产生积极影响是一个难题。粗糙集理论可以直接对数据进行降维处理,发现数据中的隐含知识,促进社会进步。经典粗糙集理论基于单个二元关系,缺乏灵活性和普遍性,基于多个二元关系的粗糙集理论可以解决上述难题,因此,本文主要针对广义多粒度粗糙集进行了研究,引入元启发式算法,提出通过元启发式算法(蚁群算法)实现广义多粒度粗糙集特征选择算法。通过实验结果看出本文所提算法可以对数据集起到降维效果且得到的特征子集的分类精度和原数据集基本保持一致。

一种动态优先级实时任务调度算法

现有实时任务调度算法往往根据任务的时间属性或者价值确定任务优先级,较少同时兼顾任务的价值和执行紧迫性.文中根据任务的价值和剩余执行时间讨论任务的剩余价值密度,根据任务的截止期和空余执行时间分析任务的紧迫性;然后综合任务的剩余价值密度和执行紧迫性,提出了动态分派任务优先级的DPA策略;最后提出了基于DPA的抢占调度算法DRTP.DRTP算法分析了任务抢占调度的各种可能条件,分析了系统中可能出现的颠簸调度,并给出避免颠簸的条件.仿真实验结果显示,与其它同类算法相比,DRTP算法能够提高系统价值收益,降低任务截止期错失率,并大大减少任务抢占的次数.

一种基于优先级的网格调度算法

容错机制中基于任务数量的平均调度策略在处理跨度和服务质量方面存在不足,为此,提出一种基于优先级的网格调度算法,进而给出层次式集群系统的设计方案。在任务调度过程中引入任务剩余执行时间、任务价值密度、费用预算以及处理跨度的概念,以缩短任务处理跨度,提高服务质量。实验结果表明,与原机制调度策略和Max-Min算法相比,该算法在任务完成率、价值实现率和处理速率方面具有优势。利用该算法对原机制进行改进,能够有效提高系统的任务执行效率。

基于贪婪策略整体分布优化算法的0-1背包问题求解

提出了一种思想简单且可用于0-1背包问题求解的基于贪婪策略整体分布优化算法.该算法首先随机产生一个初始种群,经贪婪策略将种群变成价值相对较高的可行解,保留本次最优解;然后以最优解为中心,用柯西分布产生新的种群,经贪婪策略将新种群变成相对价值较高的可行解,再保留本次最优解,重复以上过程,达到最大迭代次数,求出问题的全局最优解;最后,对不同规模的问题进行了实验.结果表明:该算法在求解0-1背包问题上是有效的,比遗传算法、贪婪算法具有更强的寻优能力.

一类难解0/1背包问题的有效搜索算法

针对一类难解0/1背包问题,给出背包最大价值与物品集中元素的组合特性,在价值密度比贪心策略的基础上,采用组合交叉搜索策略设计一个快速搜索算法——ZHKnap。实验表明,在多项式时间复杂度内得到的解的质量优于目前算法的结果,证明最优解与元素的重量和价值参数的大小分布无关,而只与元素的重量及背包零头的组合相关。