基于CHC遗传算法的Hadoop作业调度研究

作业调度是影响Hadoop平台性能的重要因素。基于基本遗传算法(SGA)的作业调度进化代数大、收敛速度慢,且其编码与解码、遗传操作过程中存在过多冗余计算,增加了作业总完成时间。为此,提出一种基于CHC遗传算法的作业调度算法。采用双目标函数的控制方式和最优解保留策略,优化作业总完成时间与平均完成时间,从而加快最优解的收敛速度。实验结果表明,与SGA算法相比,CHC算法在作业调度效率、资源利用率等方面有较大的性能提升。

导弹突防的最佳航迹规划

提出一种基于改进的遗传算法的导弹最佳航迹规划模型。首先，不考虑地形、导弹操作性能等因素，只考虑敌方威胁和导弹航程因素的影响，建立二维空间的单目标航迹规划模型，并以燃料和威胁点两个目标代价给出了导弹最佳航迹的规划方法和代价表达式。然后，对二维空间模型进行改进，综合考虑地形、导弹的操作性能等因素，采用CHC算法并利用可扩展点图从发射点开始按一定概率一步步随机扩展下去，直到扩展到目标点，扩展完成后，也就生成了一条航线，因为CHC算法具有强调优良个体保留的特性，保证了导弹整个飞行过程的全局最优特性。最后，用Manab仿真证明该模型典型性强，实用性较好，具有一定的理论和使用价值。