基于启发式算法的计算机异构大数据跨源调度方法

为了提高计算机异构大数据跨源调度性能,设计了一种基于启发式算法的计算机异构大数据跨源调度方法。将计算机异构大数据跨源调度任务划分为若干子任务,利用max-min思想和min-max思想,构建了跨源调度时间负载均衡模型。基于计算机异构大数据跨源调度顺序的灵活性,利用启发式算法的最优策略,选择最优调度任务。根据计算机异构大数据的状态,计算出异构大数据传输控制协议连接的吞吐量,将待调度异构大数据的质量都作为计算机数据层的子流权重,通过处理所有待调度的子流,实现计算机异构大数据跨源调度。实验结果表明,文中设计的方法可以将跨源操作的级别条件提高至10级,跨源调度计算机异构大数据的利用率超过97%,加速比大于85%,计算机异构大数据跨源调度性能明显提升。

基于启发式算法的机群飞行保障任务调配问题研究

针对机群飞行保障任务调配存在迭代次数过多、时间复杂度高、易收敛于局部解等问题,在运用多类顾客多服务器排队网络模型描述机群保障流程的基础上,将服务节点间的串行、并行和不确定次序串行关系作为约束条件,按照符合实际的先到先服务、最短等待时间、唯一性以及最长服务持续时间(LPT)规则,提出一种带约束的启发式调度算法。研究结果表明,相较于智能算法和混合算法,启发式算法在解算多机型大规模机群再次出动保障任务决策路径时,计算量小,求解速度快,容易得到满意解甚至近优的调度解,可为人工组织指挥机群保障调度提供参考。

电子侦察卫星动态调度问题的快速启发式算法

卫星电子侦察中针对动态突发事件重新制定侦察计划是侦察任务规划所要解决的基本问题.分析导致动态调度的扰动因素,把不同扰动下的动态调度问题归结为一类复杂约束下的任务插入问题.建立混合整数规划模型,提出快速启发式任务插入算法(含三个基本算法——直接插入任务算法、移位插入任务算法和替换插入任务算法);基于初始调度方案的优良特性,极大降低动态调度复杂性.仿真实验表明:该算法能有效解决电子侦察卫星动态调度问题.

基于禁忌搜索的启发式任务路径规划算法

基于启发式搜索和禁忌搜索技术 ,提出一种用于解决有限资源、不同重要性要求的任务路径规划问题的有效算法 ,通过对不同重要程度的任务进行分层调度 ,得到较为满意的决策结果。该算法具有搜索空间小、求解速度快的优点。

独立任务调度的启发式算法

任务调度是一个NP-hard问题,而且是并行与分布式计算中一个必不可少的组成部分,特别是在网格计算环境下任务调度更加复杂。该文提出了满足负载均衡的一个启发式任务调度算法。给出了选择处理机和任务的方法,以提高算法的效率。实验表明该算法是一个高效率的调度算法,并且几乎总是找到了最优调度方案。

基于超启发式的多星协同任务规划算法研究

针对多星协同任务调度问题,分析了问题实际约束和问题调度目标,提出了多星协同任务规划调度模型。提出了一种新的基于超启发式算法应用框架对多种算法的管理和调度,研究超启发式多星对地观测任务规划求解方法。最后实验数据证明了算法的有效性和适用性。

对地观测卫星任务规划的启发式动态调整算法

针对对地观测卫星任务规划,分析了单个资源失效与多个高优先级任务动态插入情况下已有任务规划方案的动态调整问题。以最大化规划方案任务权值总和为优化目标,提出了基于任务替换的启发式动态调整算法,包括选择替换任务的五种启发式策略:最大灵活度、最小冲突集、最小争议部分、区间剪枝以及任务剪枝策略。分析了影响动态调整算法运行效率的两个关键因素:冲突任务集与动态搜索深度。采用任务重规划率、规划权值变化率与算法运行时间三项指标考察算法效果,通过仿真实验验证了算法的可行性和有效性。

快速求解大规模机组组合问题的启发式算法

根据机组组合问题的特点,制定了确定机组开停机优先权、基荷机组、开机台数、调整开停机计划以满足最小开停机时间约束条件等启发式专家规则。这些启发式规则的应用大大减少了求解问题的规模,缩短了计算时间。仿真计算表明,这些规则应用到求解大规模机组组合问题时,取得了比较满意的效果。

一种异构多核处理器启发式综合任务调度算法

针对现有异构多核处理器(CMP)任务调度算法中存在的优先级排序机制不健全、任务调度效率不高的问题,提出一种基于启发式的综合任务调度算法。该算法以表调度为基础,面向平台异构性和依赖任务特性,给出一种按照加权优先级构造任务调度列表的方式。在此基础上,采用多任务复制技术减少核间依赖任务的通信时延,提早任务的最早开始时间,并在任务分配阶段采取区间插入的方式将任务分配到合适的处理器内核上执行,以提高处理器资源利用率。设计模拟实验对该算法性能和已有的2个较为高效的启发式任务调度算法进行对比实验,结果证明该算法能有效提升任务调度性能。

一种改进的启发式任务分配算法

文中首先分析了分布式任务分配中启发式算法的基本思想、特点、不足和算法复杂度，以及可进一步改进之处．然后给出了一种启发式算法的改进算法，并简单讨论了其特点和性能．最后指出了分布式任务分配的发展方向．

共享单车再平衡问题及其容差插入启发式算法

共享单车再平衡问题是一类NP-难问题,已有启发式求解算法随着问题规模扩大求解速度显著变慢。本文先讨论了该问题的线路可行变换性质,推导证明了插入构造可行解时,被插入位置允许插入客户点的容量区间。在此基础上,提出容差概念,设计了容差插入启发式算法,对该算法应用标准算例测试表明,算法速度快,参数设置简单;算法找到11个测试算例的当前最好解,其中1个为新的当前最好解;算法求解大容量问题的质量优于中、小容量问题。

元计算系统的批模式启发式任务调度算法研究

元计算系统是通过网络连接的地理上分散的主机、数据库和文件等资源。使用这些资源,可以运行用户的应用程序。研究元计算环境下的批模式启发式任务调度算法,论述Wade系统的应用任务的调度模型,比较4种调度算法的性能。

异构系统中的综合性启发式任务调度算法

任务的单个属性常作为基于优先驱动的表调度算法的优先级,针对这种方法常出现优先级相同的情况,提出一个综合性启发式算法HCPFS。算法分三个优先级选择任务进行调度,从高到低依次为:关键路径上的任务、就绪任务到出口任务的路径长度和后继任务数。调度过程中,算法采用任务复制和空闲时间区段任务插入的方法。采用随机生成图法和任务图集进行了算法模拟和比较,实验数据表明HCPFS算法具有更好的调度性能。

优先规则的启发式军事任务计划求解算法

首先对军事任务计划问题进行分析,基于合理假设建立了军事任务计划问题描述模型;随后针对问题模型特点设计了一种基于非支配排序思想的任务优先规则和以任务完成时间最短为目标的任务执行模式优先规则,提出了一种基于优先规则的启发式求解算法;最后,通过仿真算例对该模型和算法的可行性和有效性进行验证,实验结果证明该方法能够快速、有效求得军事任务计划问题的可行解。

基于贪婪策略的灵巧卫星启发式任务规划算法

灵巧卫星具有姿态机动能力强、卫星载荷动作使用灵活的特点,使得灵巧卫星任务规划难度显著增加。针对任务规划高时效性要求,基于贪婪思想,建立了目标选择、成像时间选择、前瞻处理等贪婪规则,并将卫星使用约束抽象为规划规则,设计了灵巧卫星启发式任务规划算法。该算法能针对灵巧卫星不同工作模式,综合考虑成像目标序列、卫星动作序列与数据传输序列进行优化决策,快速生成卫星任务规划方案。仿真结果表明,该算法可以有效解决灵巧卫星任务规划问题。

分布式系统中任务分配的启发式算法

本文系统地介绍了分布式系统任务分配的几种启发式算法。其中包括Efe提出的启发式算法,Lo提出的基于网络流的算法,Shen和Tsai提出的基于A~*算法的图匹配方法,和本文作者提出的一种通用启发式算法。文中指出了Shen和Tsai的方法中存在的两个错误。对以上各种算法进行了分析和比较,所采用的标准是算法的适应性,即算法对于不同的网络构造的适应能力。

基于启发式算法的任务分解策略

任务分解是多Agent系统中合作问题求解的重要步骤之一。常用任务分解方法大多是基于任务本身的特征进行的,较少考虑任务执行体Agent的特征,这样可能导致分解的任务不能实现或带来过多的协调费用。针对该问题,本文利用基于Agent能力的形式化方法对任务分解问题进行描述,将该问题转化为可行操作集的求解问题。设计了一种基于启发式算法的分解策略,并对该算法进行了性能分析和示例。

一种用于作战任务分解的启发式算法研究

针对多CGF(Computer Generated Force,计算机生成兵力)协同仿真系统中面临的复杂作战任务描述和分解问题,首先对其进行了形式化描述,将任务分解问题转化为有约束条件下的最小开销问题,然后提出了一种启发式的任务分解算法,给出了算法的具体实现步骤。经过实际算例检验,该算法能较为有效地实现复杂任务的分解。

一种基于贪心策略的启发式云计算任务调度算法

提出了一种基于贪心策略的启发式任务调度算法,用于优化云计算环境下任务调度中执行时间。首先,给出了云计算环境下任务调度问题的形式化描述及其最早完成时间的启发式优先分配原则;接着,基于最早完成时间的优先分配原则,采用贪心策略难易交错地分配任务求得任务调度的初始解;进而,引入了任务对交换的收益值概念,采用贪心策略选择收益值大的任务对交换优化任务调度初始解的执行时间;最后,在Cloud Sim云计算仿真实验平台下进行了顺序调度算法、Min-Min算法、Max-Min算法和本文算法的对比实验,实验数据对比充分验证了本文算法既能减少任务执行时间,又能使资源负载相对平衡。

一个启发式任务团调度算法

基于任务聚类的启发式任务团调度是实现并行任务调度的有效方法。面向大型复杂武器系统的实时并行仿真，在研制自动并行化系统AFP的过程中，基于关键任务的聚类算法，设计并实现了一个启发式任务团调度算法。该算法以启发式调度函数最小为目标，综合考虑了各任务团的计算开销和相互之间的通信开销，降低了调度算法的复杂性和NPC问题而带来的回溯性，并可以获得满意的并行效率。