修正的IPA算法的建立及在不等式约束凸优化问题中的应用

本文首先对IPA算法进行了修正,并证明了修正IPA算法的收敛性,然后将修正后的IPA应用到不等式约束凸优化问题中得到新的内点算法,并与传统的障碍函数法作了比较,从理论上体现了新算法的优势,并给出了其工程解求解法以及收敛性的证明.

改进贪心算法求解扩展简化折扣{0-1}背包问题

扩展简化折扣{0-1}背包问题(ESD{0-1}KP)是折扣{0-1}背包问题(D{0-1}KP)的拓展.ESD{0-1}KP增加了D{0-1}KP中单个项集中的物品数量,导致其求解难度增加,并且现有贪心策略算子(GSOR)算法效果不理想.基于ESD{0-1}KP模型,在每个项集中增加一个价值为0,质量为0的虚拟物品,同时对ESD{0-1}KP模型中的约束进行松弛,从理论上证明了ESD{0-1}KP与多选择背包问题(MCKP)等价.结合改进帕累托算法(IPA),提出新的贪心策略算子(NGSOR).NGSOR首先将同一项集多个物品的选择情况通过在项集内增加物品来表示,按从价值密度从高到低顺序选择物品,若被选择物品的价值比物品所在项集已选择物品的价值更大,则对该项集进行迭代.仿真实验结果表明:NGSOR相比于GSOR,求解精度平均提升24.56%,求解速度平均提升44.95%.

优先级有限时的单处理器静态优先级调度

静态优先级调度在实际应用中经常受到系统支持的优先级个数的影响,当任务个数多于系统优先级个数时,需要将几个任务优先级映射成一个系统优先级.这可能引起优先级映射问题,使映射前可调度的系统(任务集合)在映射后变得不可调度.解决这一问题需要减少时间复杂度的映射算法和判定映射后任务可调度性的充分必要条件主要存在3种映射算法:(1)按照任务优先级递减顺序进行映射的DPA(decreasingpriorityassignment)算法;(2)按照优先级递增顺序进行映射的IPA(Increasingpriorityassignment)算法;(3)阈值段间映射法(thresholdsegmentmapping,简称TSM).描述了3种算法的实现和判定条件,论述并证明了算法特性,分析并通过仿真实验比较了算法的性能,最后总结了3种算法各自的适用场合.比较结果和结论对实时嵌入式系统的设计和实现具有一定的参考价值.