运输能力受限下分段建造的时空调度问题

分段建造作为船舶整个建造流程的关键环节之一,其空间资源和时间资源的动态协调性严重影响着船舶建造周期和订单交付。针对分段建造船体车间空间有限、时间组织和空间组织不协调,以及以往分段建造时空调度相关研究忽略运输能力限制等问题,以最大完工时间最小、总提前与延期惩罚值最小为优化目标,以空间大小、加工小组的异质性、运输设备的差异性与运输限制为约束条件,构建多目标时空调度模型,并基于交付期优先规则、空间定位规则和关键阻碍规则提出混合粒子群算法进行求解,最终以某船厂分段建造为例进行实例验证,结果表明:所提出的模型与算法有效降低了分段完工时间,提高了分段建造的准时化水平。研究结可为船舶智能制造以及分段制造执行系统(MES)的实际应用提供一种方法基础。

毕赣电影的“冲突律”悖反及其时空调度

毕赣作品目前仅有三部长片与四部短片,但已经显示出了游刃有余的驾驭影像能力和在时空设置上的惊人才华。相比于以外显、激烈的戏剧冲突来愉悦观众,毕赣更愿意对人物心灵冲突予以深切关怀,并通过多元复杂的时空设置与调度让观众走入人物内心世界,真诚地探讨人物的生存状态与命运出路。无论从诗性技法抑或人文主义内涵而言,毕赣电影为当下电影人带来的启迪都是可贵的。

黄河中下游水沙的时空调度理论与实践

利用小浪底水库不同泄水建筑物的组合,塑造一定历时、流量、含沙量及泥沙颗粒级配的下泄水流与下游伊洛河、沁河的"清水"对接,在花园口站形成协调的水沙关系,实现既排出小浪底水库的库区泥沙,又不淤积下游河道的目标。2003年9月6～18日,黄河水利委员会就该理论开展了原型试验,试验结果表明:①利用异重流排沙和浑水水库排沙的特点,达到了小浪底水库拦沙初期"拦粗排细"、减缓库区淤积的目的;②利用小浪底-花园口区间的洪水资源,将小浪底水库排出的细泥沙输送入海,并且不增加下游河道淤积,提高了水流的输沙效率;③实现了下游河道减淤与减灾的统一。

基于LSM-OCTree的时空流分布式调度和存储方案

时空流的高效管理要求顾及数据的时空相关性,支持时空流的高速插入、实时索引和低延迟时空范围查询,而现有的基于HBase等的存储方案,因索引更新开销过大,无法满足高效管理要求。针对时空流的应用特性,提出了一种面向时间分片的时空流分布式调度和存储方法。利用时空流的紧耦合性进行数据划分与调度,以减少查询时数据复制的开销。将采用预分区方式构建的基于日志结构合并树的八叉树(octree based on the log-structured merge-tree,LSM-OCTree)索引作为存储结构,保证时空流的索引更新,实现索引的高效批量合并计算,提高查询性能。实验结果表明,时空动态调度策略优于通用的调度方法,LSM-OCTree索引的合并与更新性能优于常规索引结构。与HBase方案相比,基于LSM-OCTree的时空流分布式调度和存储方案的查询效率提升了20%以上。

计及电动汽车时空可调度特性的配电系统可靠性评估

随着物联网技术与新一代移动通信技术的快速发展,电动汽车与配电系统间的交互由单一时间维度扩展为时间-空间多维度协同,显著影响新型配电系统的供电可靠性。基于这一背景,分析了大规模电动汽车集群化管理策略,揭示了配电系统中电动汽车时空可调度特性的数学表征方法,提出了计及电动汽车时空可调度特性的配电系统可靠性评估方法。为验证所提出方法的有效性,基于改进后的IEEE-RBTS BUS6的主馈线F4系统,对计及时空可调度特性电动汽车接入前、接入后及电动汽车不同放电能力下的配电系统可靠性进行了相应的计算分析,揭示了新形势下电动汽车接入对配电网供电可靠性的影响规律,可为电动汽车接入下配电系统的可靠性提升提供有效的理论支撑。

电动汽车充电负荷的时空双层优化调度策略

大规模电动汽车的无序充电行为将给电网带来强烈的冲击,威胁电网安全经济运行。本文针对电动汽车快充背景下的充电负荷优化调度问题,提出了电动汽车充电负荷的时空双层优化调度策略。在上层模型中,利用电网分时电价以充电站运营商购电成本最小为目标,确定电动汽车充电负荷在时间维度上的最优分配。下层模型中,提出根据充电站拥挤程度制定动态分时分区充电电价,以用户充电费用与充电用时最少为优化目标,使用采取非线性递减分组率的改进猫群算法求解各时段电动汽车空间维度下的充电选择。最后通过算例验证了所提策略的有效性,能够满足电网、充电站运营商与电动汽车用户三方的利益,适用于大规模电动汽车快充的友好接入。

面向机器学习的分布式并行计算关键技术及应用

当前机器学习等算法的计算、迭代过程日趋复杂,充足的算力是保障人工智能应用落地效果的关键。本文首先提出一种适应倾斜数据的分布式异构环境下的任务时空调度算法,有效提升机器学习模型训练等任务的平均效率;其次,提出分布式异构环境下高效的资源管理系统与节能调度算法,实现分布式异构环境下基于动态预测的跨域计算资源迁移及电压/频率的动态调节,节省了系统的整体能耗;然后构建了适应于机器学习/深度学习算法迭代的分布式异构优化环境,提出了面向机器学习/图迭代算法的分布式并行优化基本方法。最后,本文研发了面向领域应用的智能分析系统,并在制造、交通、教育、医疗等领域推广应用,解决了在高效数据采集、存储、清洗、融合与智能分析等过程中普遍存在的性能瓶颈问题。