基于Q-学习的动态单机调度

针对当前基于Q-学习的Agent生产调度优化研究甚少的现状,利用Q-学习对动态单机调度问题在3种不同系统目标下的调度规则动态选择问题进行了研究.在建立Q-学习与动态单机调度问题映射机制的基础上,通过MATLAB实验仿真,对算法性能进行了评价.仿真结果表明,对于不同的系统调度目标,Q-学习能提高Agent的适应能力,达到单一调度规则无法达到的性能,适合基于Agent的动态生产调度环境.

资源受限单机动态调度的并行GA算法研究

研究资源受限系统动态调度问题,针对时序约束问题提出一种并行遗传算法(PGA)。给出满足排序优先次序约束的一种基因编码方法;采用不破坏优先级可行性的交叉操作,并予以证明;建立一种并行处理机制,使搜索避免出现局优现象。在技术允许情况下,单机动态调度引入抢占式加工方式,会一定程度上提高系统的性能。通过仿真试验验证,并行GA算法可兼顾优化效果和计算效率,解决单机动态调度问题。