云计算多目标任务调度的优化粒子群算法研究

针对传统粒子群算法求解云计算多目标任务调度的收敛速度慢、精度低的缺陷,提出一种优化多目标任务调度粒子群算法(MOTS-PSO)。首先,引入非线性自适应惯性权重,改变粒子的寻优能力,避免算法陷入局部最优;其次引入花朵授粉算法概率更新机制,平衡粒子的全局搜索和局部寻优,并对粒子的全局搜索位置更新公式进行改进;最后引入萤火虫算法,产生"精英解"对局部搜索位置更新公式进行改进;同时利用"精英解"对粒子的位置进行扰动,跳出局部最优状态。实验表明,MOTS-PSO算法在收敛速度和收敛精度上,比PSO算法提高了27.1%、19.9%,比FA算法提高了22.09%、5.2%。进一步实验表明,MOTS-PSO算法在解决不同规模数量的任务调度时,比PSO、FA算法效果更优。

云环境下改进SOS的多目标任务调度算法

为有效获取云计算中多目标任务调度求解算法的全局最优解,提出一种云环境下基于改进期望服务质量(Qo S)的多目标任务调度算法。设计多目标任务调度框架,提出相应的目标函数与约束条件。利用准反射学习构建初始种群以改进共生生物搜索(SOS)算法,加入自适应变异率以提高全局搜索能力。通过设定坐标进行任务分配,利用改进后SOS算法实现多目标任务优化调度。云计算仿真结果表明,所提算法相比于其它算法,有效改善了能源利用率、能耗和时间成本,具有较好的Qo S传输性能。

对等网络环境下多目标任务容错调度方法研究

为了加强网络环境的可靠性、强化系统运算性能,提出对等网络环境下多目标任务容错调度方法。使用PB算法对处理器进行容错处理,划分任务主、副版本,通过分析任务相应版本与所在处理器的运行时间,构建任务模型与故障模型。拟定多目标任务不同开始时间与时限,通过自适应策略拟定启发式多目标任务容错分配策略,将多目标任务转换为回路任务。设定回路任务的数量与主版、副版本在普通处理器内的运行时间,判断调度序列内任务,计算其在处理器内需要消耗的时间,将结果对比之前拟定的时间判断是否调度成功,成功则启动副版本迭代计算。实验结果表明,所提方法不会因为网络节点数量不同,出现大量任务调度失败的问题,提高了系统性能和网络环境安全。

改进松鼠搜索算法的云计算多目标任务调度

为解决现有方法在任务调度过程中由于非确定性、多项式完全性和大规模等因素导致无法有效获得全局最优解的问题,提出一种改进松鼠搜索算法(SSA)的云计算多目标任务调度方法。构建基础设施即服务(IaaS)的云模型,设计多目标任务调度算法框架以及相应的多目标函数,实现成本和执行时间的最小化;引入空间变异与扩散机制对传统的SSA进行改进,实现快速收敛,利用改进型SSA求解多目标任务调度问题。在CloudSim模拟器工具包中,使用标准工作负载和合成工作负载对所提方法进行实验论证,其结果表明,所提方法的成本、执行时间以及收敛速速度均优于其它方法,实现了显著的最优权衡。

多目标任务下配网调度问题与对策分析

在电网调度过程中常常会出现多目标任务模型的应用,电网调度实现自动化后,多目标任务模型在操作的过程中也具有了更多的可控性,同时调度人员在进行配网调度时也常常会出现一系列的问题。本文通过对多目标任务下配网调度问题的分析,来详细说明当前条件下解决存在问题的相关措施,以供参考。

基于云边缘的智能生产线多目标任务调度方法

在现代制造系统中,高效且有效的任务调度至关重要。基于云边缘的智能生产线多目标任务调度方法提出了一种新的优化生产过程的方法,它可以利用云计算和边缘计算资源的优势,并考虑最小化完工期、能耗和成本等多个目标。首先,概述了一种综合的技术框架和实现算法,包括数据收集和预处理、多目标优化建模、云边资源分配、使用非支配排序遗传算法II(NSGA-II)的任务调度,及其性能评估和可视化;其次,通过解决各种实际问题展示了其在当代制造环境中的重要性。该方法为实现高效、可持续和有竞争力的生产系统提供了一种前景广阔的解决方案。

WSN的多目标优化任务分配建模与改进算法分析

针对无线传感器网络(Wireless Sensor Network,WSN)监控区域内的入侵者选择节点进行协同攻击的任务分配问题,本文建立以节点移动距离和节点能耗为主的任务分配问题数学模型,利用约束条件将任务分配算法转化为含约束条件的多目标优化(Multi-Objective Optimization,MOO)问题;在已有离散二进制粒子群优化(Binary Particle Swarm Optimization,BPSO)算法的基础上,提出基于惯性权值幂律策略的离散二进制粒子群优化(Power-law Distribution Binary Particle Swarm Optimization,PLD-BPSO)算法,对其惯性权值进行改进,增强了算法的寻优能力;最后使用线性加权法将基于模型的多目标问题转化为单目标寻优问题,通过仿真验证了该任务分配模型和任务分配方法的理论可行性,该算法具有比标准BPSO算法更强的寻优能力.

无线传感器/执行器网络多目标任务调度策略

针对多任务在多执行器节点的协作问题,提出一种多目标任务调度策略.该策略以执行任务的最大完成时间、能耗均衡指标和存储成本为目标,将任务调度建模成多目标优化问题,并运用理想点法解决不同目标量纲的差异性,进而转化为单目标优化问题求解,从而得到各任务在执行器节点上的局部最优执行方案.仿真结果表明,3个优化指标均得到一定程度的改善.

多目标多任务深空探测技术初探

在火星上探测水的存在与否,以及在彗星和小行星等小天体中寻找太阳系最早的起源信息是目前国际上深空探测的两个热点。该文分析了我国开展火星水探测和小天体探测研究的必要性,提出了适合同时探测火星及彗星/小行星的多目标多任务深空探测器的初步设想,并对其关键技术进行了初步分析。根据我国的国力和科学探测需要,结合我国未来20年内的主要深空探测发展方向,实施多目标多任务的深空探测任务不仅可以节省发射费用,而且实施结合新技术验证的多目标深空探测活动,可以获得较高的效益。

基于多目标多任务进化算法的含可再生能源混合发电系统优化调度

可再生能源发电的快速发展为电力系统的安全和经济运行带来了新的挑战。在此背景下,构建了能够计及火电阀点效应非线性,风电、光伏发电系统出力不确定性和水电一次能源浪费的多目标优化调度模型。假设风速服从Weibull分布、光照服从Beta分布的前提下,含可再生能源混合发电系统优化模型综合考虑了能源利用、环境保护、成本以及损耗等限制因素。在此基础上,创新的引入了多目标多任务进化算法,同时优化多个任务的多个目标,并行处理多个发电系统的优化调度问题,从而大幅提高了搜索速度。仿真算例采用标准IEEE30节点和IEEE118节点系统,验证了该算法在解决多目标多任务多电源发电系统优化问题时的优越性。

基于协方差矩阵调整的多目标多任务优化算法

多任务进化(EMT)是进化计算领域的一个新兴研究方向,区别于传统的单任务搜索算法,EMT通过在任务间传递有用知识,对多个任务同时实施进化搜索,以提升多个任务的收敛性能。目前,大多数进化算法只考虑了知识迁移而忽略了任务间的联系。提出一种多目标多任务优化算法,结合迁移学习的思想,采用任务间种群的协方差矩阵差异表示任务间种群分布特征差异,使用任务间种群均值的距离表示任务间种群的分布距离,并通过任务间种群的分布特征差异和分布距离表示任务间的相似度。对于某个目标任务,将其最相似任务中的解集实施K最近邻分类,以筛选出对目标任务有价值的解,并使其迁移到目标任务中。实验结果表明,与EMTSD、MaTEA、MO-MFEA-II等多目标多任务优化算法相比,所提算法具有较佳的收敛性能,平均运行效率约提高了66.62%。

自适应迁移的分解多目标多任务进化算法

多目标多任务进化优化是多目标优化的一个重要研究方向,通过跨任务共享有益信息以同时解决多个相关任务的优化问题。然而,现有多目标多任务进化优化研究存在相似任务匹配准确度低、缺少对知识迁移的动态控制等问题。为提高多目标多任务进化优化算法的优化效果,引入相似性动态指标和迁移概率动态调整机制,提出自适应迁移的分解多目标多任务进化算法。为了给目标任务子问题匹配关联度最高的迁移源,同时考虑种群的当前分布以及种群的进化方向2个指标,设计一种基于种群静态和动态特征相结合的迁移源匹配策略。为了合理地控制任务间的信息传递,提出基于种群进化状态的知识迁移概率自适应调整策略,在优化过程中根据优化任务的进化状态自适应地调整任务间的知识迁移概率,以满足优化任务在不同进化阶段对外部知识的需求。实验结果表明,相比MOEA/D、MO-MFEA、MO-MFEA-Ⅱ等算法,该算法具有较优的稳定性和收敛性,在常用的9组(18个独立任务)多目标多任务测试问题中有15个表现较优,优化率为83%。

基于多目标追踪任务的飞行员心理运动能力测评方法

目的为飞行员心理运动能力评估及个性化训练提供技术支撑,保障飞行安全。方法采用文献归纳法制定飞行员心理运动能力测评指标,招募54名飞行学员开展现场测试,设计飞行员心理运动能力测量量表,采用重复测量方差分析进行信度效度检验。结果(1)分析飞行职业特性以及飞行操作特征,提出基于多目标追踪任务的飞行员心理运动能力测评方法,包括四个维度,即眼手协调能力、双手协调能力、注意分配能力和速度判断能力;(2)研制飞行员心理运动能力测评系统;(3)飞行员心理运动能力测评4个能力测试项目的内部一致性信度克伦巴赫α系数为0.67~0.89之间,分半信度系数在介于0.82~0.95之间,效度检验达到统计学显著水平;(4)采用鉴别指数法分析测量项目关联度均置于0.32-0.40之间,具备较好鉴别效果。结论基于多目标追踪任务的飞行员心理运动能力测评系统能够满足心理测量学要求,可以作为飞行员心理运动能力评估的有效工具。

无意识思维结果浮现的事序目标依赖性

为考察个体多目标任务决策过程中无意识思维结果浮现的事序目标依赖性,以室友、手机和公寓选择为复杂决策目标任务,考察了被试(110人)在"不同事态紧急度""任务完成顺序"条件下无意识思维效应。结果发现:(1)在多目标任务条件下,"最紧急"组无意识思维成绩显著优于"一般紧急"和"最不紧急"组,"一般紧急"组显著优于"最不紧急"组,显示当同时拥有多个加工目标任务时,个体无意识思维能根据事序目标按序完成任务;(2)完成目标任务的顺序(即呈现无意识思维结果的实验顺序)不影响事态紧急度顺序对无意识思维结果浮现顺序的引导作用。上述结果支持无意识思维结果浮现的灵活性和自主控制性假设。

不确定条件下基于烟花算法的无人机任务分配

无人机任务分配问题是近几年的研究热点,但同时考虑不确定性和多目标的研究尚处于起步阶段。基于不确定性理论,建立了一种目标函数和约束条件均包含不确定变量的不确定多目标任务分配模型,并分别引入期望值准则和机会约束将其转化为确定型优化模型。针对传统烟花算法只能解决单目标问题和在收敛速度方面的不足,引入幂律分布函数和Levy变异算子,结合多目标优化理论和两阶段搜索策略设计了一种两阶段搜索的多目标烟花算法。通过实例仿真验证所提模型及算法的可行性和有效性。

基于子空间对齐和反向学习的进化多任务优化算法

与传统的单任务进化算法不同,进化多任务优化(EMT)利用任务之间的信息共享,同时对多个任务实施进化搜索,进而提升多个任务的收敛性能,但这些任务可能拥有不同的特征。为实现任务之间信息的有效传递,提出了一种基于子空间对齐和反向学习的进化多任务优化算法(EMT-SOL)。该算法首先通过历史支配关系选择合适的迁移个体;然后,通过迁移学习中的子空间对齐学习策略,建立任务之间的映射关系,利用映射关系减小迁移个体与目标任务种群个体之间的差异;同时,利用目标任务的个体对映射后的迁移个体进行反向学习,提高目标任务种群的多样性;最后,通过9个标准测试函数对该算法进行测试,并与6个现有算法对比分析。研究结果表明,本文所提出的算法在收敛性能和个体正迁移比例方面均优于对比算法。

云环境下调度算法综述

对任务调度在云计算中的地位作了分析,并由任务调度出发,对云计算任务调度算法的研究现状进行分类、梳理和总结。根据调度目标的不同,介绍了多目标的任务调度算法:人工蜂群算法,帝国竞争算法,蝙蝠算法,猫群算法等。对每类方法的代表性算法进行了分析介绍,并详细总结了每类方法的基本思想、优缺点做了分析、对比和改进方式的归纳,对相关实验平台进行了分析对比。

《高分子材料与工程课程设计》的教学改革实践

《高分子材料与工程课程设计》是高分子材料与工程专业的专业实践课程。根据工程教育专业认证标准对教学提出的新要求,结合多年来《高分子材料与工程课程设计》教学实践的实际情况,对已有的教学模式进行改革,在课程设计过程中增加多种过程考核形式,形成教学效果闭环反馈机制,经过三年来课程设计开展的具体教学实践,取得了较好的教学效果。

深空探测与我国深空探测展望

对人类已经开展的深空探测活动进行了回顾,简介了近期已开展和未来5年内将要开展的深空探测任务,以及未来主要航天国家的深空探测规划,提出了未来我国开展深空探测应掌握和突破的关键技术;介绍了我国深空探测的现状,对绕月探测工程和嫦娥1号进行了简介,重点介绍了探月工程二、三期的思路和二期工程的立项论证情况和初步总体方案,同时简要叙述了正在论证中的中俄联合火星探测、夸父计划、硬X射线天文望远镜和空间太阳望远镜等项目的概况;给出了对我国未来深空探测发展方向的思考和展望。

基于遗传算法的审计项目选择及资源均衡配置优化模型

大型审计组织常面临资源约束条件下的审计任务选择问题,为了在有限资源条件下最大化完成审计任务,本文利用matlab进行仿真模拟,建立了基于遗传算法的审计项目选择及资源均衡配置优化模型。结果证明:利用遗传算法可以解决有限审计时间资源约束下的审计资源均衡配置问题,与按审计项目重要性进行人工配置方法相比,优化模型能够更好地配置整个审计机构的资源,解决多项目审计资源配置问题,速度更快、效果更优。