基于遗传萤火虫混合算法的PC构件堆场空间利用优化研究

针对PC构件堆场空间利用不充分、构件堆放混乱、堆位分配不合理等问题,以PC构件堆场为研究背景,以PC构件堆场空间利用最大为目标函数,综合考虑PC构件堆场容量限制、PC构件堆存位置、集卡分配、PC构件类型及所属项目约束等诸多因素,构建PC构件堆场堆位动态分配模型。鉴于PC构件堆场空间利用优化研究问题的复杂性,为避免经典算法容易陷入局部最优和求解速度较慢等缺陷,设计遗传萤火虫混合算法对模型问题进行求解,既提高了初始解生成质量又提高了算法的收敛速度。最后,利用某中部地区PC构件堆场实际数据,对堆场堆位分配模型及遗传萤火虫混合算法的合理性进行验证。验证结果表明,所建立的PC构件堆场堆位动态分配模型相较于传统的静态堆位分配策略,堆场空间利用率提升了25.8%,从而为解决堆场空间利用优化问题提供了一种新思路。

基于混合萤火虫遗传算法的云计算中的任务调度优化

云计算被广泛应用于商业计算,将计算资源从大量资源池中优化分配给用户,因此在按需连接中分配资源的能力面临严重的挑战。任务调度是作业车间调度问题的一个变种,属于计算复杂性中的NP完全(NP-Complete)问题。对此提出了一种新的混合萤火虫遗传组合的元启发式调度算法任务,融合了萤火虫等数学优化算法和遗传算法等进化算法的优点,形成了一个强大的元启发式搜索算法。混合萤火虫遗传算法能够以所有任务的执行时间最小为目标,快速收敛到近似最佳方案来调度任务。该算法在云计算仿真软件CloudSim中进行了测试,实验结果表明,所提出的算法性能优于传统的FIFO算法和遗传算法。