基于遗传退火算法的网格工作流调度研究

合集下载

基于遗传算法的网格工作流调度综述_孙如祥

网格计算随着并行与分布式计算技的发展趋势应运而生，它是以资源共享为目的，用高速的网络连接分布各地的可计算资源，组成一个具有单一系统映像的高性能计算和信息服务环境，支持对资源的远程并发访问。

其本质是在动态的、多机构的虚拟组织中协调资源共享和协同解决问题。

根据一系列的过程规则，将运行在网格环境下的各种网格服务有机的结合在一起即网格工作流，它是指一个网格服务自动化处理的过程，而关键在于在动态的，多机构的虚拟组织中协调与解决。

根据OGSA 架构的定义，网格下所有的资源均可表示成服务，通过工作流技术，能将已有的网格服务或网络服务组合成新的服务。

在网格工作流中，网格服务的调度往往是NP 完全问题。

在调度时不仅仅要考虑任务的最佳资源，还要考虑各个任务之间的时序与因果的约束条件。

网格工作流中的关键问题之一是网格工作流调度问题。

它是网格高效工作的基础，它对网格工作流执行成功与否和效率高低有着直接的影响。

网格调度时根据当前网格系统负载情况来对系统内作业进行合理的调度，遗传算法具有并行性和全局解空间搜索的能力，因此采用遗传算法解决网格工作流问题。

1遗传算法及网格工作流调度的相关知识1.1遗传算法遗传算法是Holland 于1975年提出的，它是一种以达尔文自然进化论和孟德尔遗传变异论为基础的全局随机搜索技术，其过程是模拟达尔文的遗传选择和自然淘汰的生物进化过程，遗传算法具有全局搜索能力，适用于离散和连续变量问题，它的两个最显著的特点就是隐含并行性和全局解空间搜索。

遗传算法中个体代表优化问题的解，因此遗传算法搜索最优解的过程就是通过一代代遗传选择，最后寻找到适应度最高的个体的过程，适应度最高的个体即问题的最优解。

遗传算法是一种适应性方法，能用于解决如工作流调度这类的优化问题。

文献[1]中应用遗传算法试图寻求一个发现最优调度的解决空间，该方法是首先产生一系列初始的调度，接着对这些调度进行评估以获得一个适当的度量，最后选出最合适的。

基于遗传算法和模拟退火算法的任务调度优化研究

基于遗传算法和模拟退火算法的任务调度优化研究任务调度是指对系统中的任务进行合理的分配和调度，以最大限度地提高系统的性能和效率。

随着计算机技术的不断发展和应用规模的不断扩大，任务调度优化成为了一个非常重要的研究领域。

基于遗传算法和模拟退火算法的任务调度优化，是一种常见的优化方法。

遗传算法是通过模拟生物进化的过程来优化求解问题，而模拟退火算法则是模拟金属退火过程来寻找问题最优解。

这两种算法都具有全局搜索能力，适用于复杂的优化问题。

在任务调度优化中，遗传算法可以用来对任务的调度顺序进行优化。

首先，需要将任务映射到染色体上，每个染色体代表一个任务调度方案。

然后，通过遗传操作（选择、交叉和变异）来生成新的调度方案。

通过不断迭代和进化，可以找到最优的任务调度方案，使得系统性能最佳。

模拟退火算法则可以用来对任务的执行时间进行优化。

首先，需要定义一个初始温度，并随机生成一个初始解。

然后，在每一轮迭代中，通过改变解的状态（任务执行时间），以一定的概率接受更优的解，直到温度下降到一个较低的阈值。

通过不断降温和选择更优的解，最终可以找到问题的最优解，使得任务执行时间最短。

基于遗传算法和模拟退火算法的任务调度优化研究已经取得了一定的成果。

通过这两种优化方法，可以在考虑多个约束条件的情况下得到较好的调度结果。

例如，可以考虑任务的优先级、任务之间的依赖关系、任务的执行时间等因素，来制定综合性的任务调度策略。

此外，基于遗传算法和模拟退火算法的任务调度优化也存在一些挑战和待解决的问题。

首先，调度问题的复杂性导致搜索空间很大，在搜索过程中容易陷入局部最优解。

因此，如何设计高效的遗传操作和退火策略，以加快搜索的过程，是一个重要的研究方向。

其次，如何建立合理的优化模型，将实际任务调度问题转化为数学描述，也是一个关键的问题。

总之，基于遗传算法和模拟退火算法的任务调度优化研究在实际应用中具有重要的意义。

通过这些优化方法，可以有效提高任务调度的效率和性能，实现资源的合理利用。

基于遗传模拟退火算法的配电网重构研究

１０
基于遗传模拟退火算法的配电网重构研究
基于遗传模拟退火算法的配电网重构研究
ＳｕｙｏｓｒｂｔｏｔｒｃｎｇｒｔｏｓｄｏｎｔｃＳｍｕａｅｎｅｌｎｇｒｔｍｔｄｎＤｉｔｉｕｉｎＮｅｗｏｋＲｅｏｆｕａｉｎＢａｅｎＧｅｅｉｉｌｔｄａｎａｉｇＡｌｏｉｉｈ
准则的复制策略进行分析，将网络损耗最小作为目标函数，研究了遗传模拟退火算法在配电网络重构中的应用。对于重构过程中不满足负荷约束条件的个体，构造惩罚函数将其引入到目标函数中。最后通过标准算例验证了本算法的可行性和有
效性。
ＡｂｔａｔＢａｅｎｔｅｃａａｔｒｓｃｆｄｓｉｂｔｎｎｔｒ，ｍｐｏｅｅｔｎｆｎｓｍｃｉｎｃｏｓｖｒｎｔｔｎｏｅｓｒｃ：ｓｄｏｈｒｃｅｔｓｏｉｔｕｉｅｗｏｋｉｒｖｍｎｔｅｓｆｔ，ｒｓｏｅｄｍｕａｉｆｈｈｉｉｌｏｏｉｉｏａｏｔｇｎｔｌｏｉｍｓｄ．ｈｐｉａｉｎｓｒｔｇｆｉｌｔｄａｎａｉｇＭｅｒｐｌｓｒｅａｉａｃｕｔｄ．ａｉｇｔｅｍｉｉｍｓｅｅｉａｇｒｔｉｍａｅＴｅｒｌｔｔａｅｙｏｍｕａｅｎｅｌｔｏｉｃｉｒｃｏｎｅＴｋｎｎｍｕｌｓｃｈｅｃｏｓｎｏｔｉｓｈｏ
中图分类号：Ｔ４Ｍ７

基于遗传模拟退火算法的路径规划研究

基于遗传模拟退火算法的路径规划研究路径规划是人工智能领域中的一个重要问题，在许多实际应用中都具有重要价值。

本文将探讨基于遗传模拟退火算法的路径规划研究，介绍其原理、应用和优势。

一、引言路径规划是指在给定的起点和终点之间，找到一条最佳路径以满足具体的优化条件。

对于传统的路径规划问题，常常使用启发式搜索算法，如A*算法、Dijkstra算法等。

然而，这些算法在处理复杂的路径规划问题时，常常存在局限性。

因此，研究者们引入了遗传模拟退火算法来解决这一问题。

二、遗传模拟退火算法简介遗传模拟退火算法是一种基于生物进化和物理学退火原理的优化算法。

其主要思想是通过迭代演化来搜索最优解。

算法模拟了基因的自然选择、交叉和变异过程，并使用物理学中的退火原理来避免陷入局部最优解。

三、基于遗传模拟退火算法的路径规划模型1. 问题描述在路径规划问题中，给定起点、终点和障碍物的位置，需要找到一条从起点到终点的最佳路径，使得路径的总成本最小。

2. 模型建立基于遗传模拟退火算法的路径规划模型主要包括以下几个部分：a) 编码方案：将路径表示为一个染色体，染色体上的基因表示路径上的节点；b) 初始解生成：随机生成初始解，即一条从起点到终点的路径；c) 目标函数：定义路径的成本函数，如路径长度、时间等；d) 退火策略：利用物理学中的退火原理，接受劣解以避免陷入局部最优解；e) 交叉和变异操作：模拟基因的交叉和突变过程，产生新的解。

四、基于遗传模拟退火算法的路径规划应用案例1. 自动驾驶遗传模拟退火算法在自动驾驶领域中具有广泛应用。

通过该算法，可以找到最佳路径来规划车辆的行驶路线，使得行程安全、高效。

2. 机器人导航在机器人导航领域，通过遗传模拟退火算法可以找到机器人的最佳路径，完成各类任务，如清扫、巡逻等。

3. 物流配送在物流配送领域，通过该算法可以找到货物的最佳路径，最大限度地减少时间和成本。

五、基于遗传模拟退火算法的路径规划优势1. 全局搜索能力强：遗传模拟退火算法具有全局搜索能力，能够找到全局最优解；2. 可适应性强：该算法对问题的特征不敏感，适用于不同规模和复杂度的路径规划问题；3. 算法可解释性强：算法的步骤和原理较为清晰，易于理解和实现。

基于遗传与模拟退火算法的分批作业调度

ｓｚｎｇａｅａｌｚｄｂａｅｏｅｅｐｒｍｅｓｉｉｒｎａｙｅｓｄｏｎｓｍｘｅｉｎｔ．
Ｊ表示第Ｘ种工件（ｚ一１２３ … ，，为零，，，Ｘ）Ｘ件总数；表示Ｊ的第Ｙ个子批（，１２３ … ，Ｌ３一，，，Ｙ）Ｍｒｘ；表示第ｒ台机器（＝１２３ … ，；ｒ，，，Ｒ）Ｎ为工件Ｊ的工序总数。基于前述的假设约束，然这显里有：一Ｒ，中（Ｎ其ｚ一１２３ … ，。Ｊ表示工，，，Ｘ）件Ｊ的第Ｐ道工序（一１２３ … ，；Ｊ）Ｐ，，，Ｐ）Ｑ（表
２阶段算法，并详细研究了２阶段之间的集成策略。最后，根据一些实验的计算结果，分析了影响分批问度；作分批调度；遗传算法；模
拟退火中图分类号：２３Ｔ１２０２；Ｐ８
ＨＵＡＮＧｎＰＡＮＧｈ —ｇｏＨＵｈｎ—ｈａＬＩＪｎ—ｌｎＺＨＡＮＧＧａｇ。Ｚｉｕ。Ｚｅｕ。Ｕｕｉｇ。ａＹｕ
（ｃｏｌｆＭｅｈｎｃｌＳｉｎｅａｄＥｇｎｅｉｇＨｕｚｏｇＵｎｖｒｉｆＳｉｎｅａｄＴｅｈｏｏｙ。ｕａ３０４，ｉａＳｈｏｃａｉａｃｅｃｎｎｉｅｒｎ。ａｈｎｉｅｓｔｏｃｅｃｎｃｎｌｇＷｈｎ４０７Ｃｈｎ）ｏｙ
１１变量定义．
ｉｔｇａｉｇｓｒｔｇｆｔｅｔｔｇｓｉｉｃｓｅ．ｎｅｒｔｔａｅｙｏｈｗｏｓａｅｓｄｓｕｓｄｎＡｔｌｓ，ｅｅａａｔｒｈｔａｆｃｈｅｕｔｏｏａｔｓｖｒｌｆｃｏｓｔａｆｅｔｔｅｒｓｌｆｌｔ

基于遗传模拟退火算法的制造网格资源调度策略

２Ｈｕａｃａｉａ．ｎｎＭｅｈｎｃｌ＆ＥｌｃｒｃｌＰｌｔｃｎｃ，ｈｎｓａ４０５，ｈｎｅｔａｏｙｅｈｉＣａｇｈ１１１Ｃｉａｉ
Ｅ－ｍａｌｗｍｌｈ８＠ｙｈｏ．ｏ．ｎｉ：ｌｘ８６６ａｏｃｒｃｎ
ＬＩＨａ — ｉＬＩＵｉｘａ，Ｒｅｗａｇ，Ｘｕ，ｔａ・ｓｕｃｓｈｄｌｇｓｒｔｇｉｎ— ｎＬＩｅｅｌＲｅｏｒｅｃｅｕｉｔａｅｙｎｍａｕａｔｒｇｉｂｓｄｎｇｎｔａｇｒｔｍｓｎｎｆｃｕｅｒｄａｅｏｅｅｃｌｏｈｉｉ
２’南机电职业技术学院，－湖长沙４０５１１１
１ｅａｍｎｆＩｄｓａＥｇｅｒｇＺ＠ａｇＳｉＴｃｎｖｒｔ，ａｇｈｕ３０１，ｈｎ．ｐｒｅｔｎｕｔｌｎｉｅｎ，ｈｎｃ— ｅｈＵｉｓｙＨｎｚｏ１０８Ｃｉ来自Ｄｔｏｉｒｎｉｅｉ
摘
要：有效解决制造网格中资源调度问题，出了多目标调度优化模型。根据用户的要求，用ＡＰ算法确定各目标权重；为提并采Ｈ
联系到资源调度问题的特性，设计了基于遗传模拟退火算法的调度策略，最后给出一个典型实例，验证方法的有效性。
维普资讯
２４２０，４６３０８４（）
ＣｍｕｅｎｔｅｉｎｐｌａｉｓｏｐｔＥｇｎｒｇａｄＡｐｉｔｎ计算机工程与应用ｒｅｎｃｏ

一种用于网格任务调度的退火进化算法

Ａｎｅｌｎｖｌｔｏｌｏｉｍｏｒｄｔｓｃｅｕｉｇｎａｉｇｅｏｕｉｎａｇｒｔｈｆｒｇｉａｋｓｈｄｌｎ
ＸＥＳｅｇｕ，ＵＪｎｌｉＸＮｕ — ｅＵｈｎ－ｎＸｕ — ，ＩＧＧｏｗｎｊｅ
薛胜军，徐钧磊，国稳邢
（南京信息工程大学计算机与软件学院，南京２０４）１０４
摘
要：针对网格环境下具有约束关系的任务调度问题，于有向无环图ＤＧｄｅｔｃｃｃｇｐ）计了调基Ａ（ｉｃｄａｙｌｒｈ设ｒｅｉａ
第２８卷第１期１
２１年１Ｏ１１月
计算机应用研究
ＡｐｌｃｔｎＲｅｅｒｈｏｏｕｅｓｐｉａｉｓａｃｆＣｍｐｔｒｏ
Ｖ０＿８Ｎｏ１Ｉ２．１
ＮＯ．２ｌＶ０１
一
种用于网格任务调度火化算法术的退进
度模型；出了一种改进的退火进化算法，务的执行次序和资源的具体分配分离编码，出适应度函数计算提对任给方法和算法步骤。最后将算法和传统的遗传算法比较，实验结果显示该算法能获得更好的调度结果。关键词：网格计算；务调度；火进化算法；Ａ任退ＤＧ调度；应度函数适
中图分类号：Ｔ３３Ｔ３１６Ｐ９；Ｐ０．文献标志码：Ａ文章编号：１０ — ６５２１）１４４ —４０１３９（０１ｌ— ０９０

基于遗传算法的网格密码资源调度策略

ａｌｇｏｒｉｔｈｍｗａｓｕｓｅｄｔｏｓｃｈｅｄｕｌｅｔｏｍａｋｅｍｏｒｅｅｆｆｉｃｉｅｎｔａｎｄｒｅａｓｏｎａｂｌｅｕｓｅｏｆｒｅｓｏｕｒｃｅｓ，ＳＯｔｈａｔｕｓｅｒｓｃａｎｇｅｔｔｈｅｒｅｓｏｕｒｃｅｓｉｍｍｅ —
Ｇｒｉｄｃｉｐｈｅｒｒｅｓｏｕｒｃｅｓｓｃｈｅｄｕｌｉｎｇｓｔｒａｔｅｇｙｂａｓｅｄｏｎｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ
ＹＥＷｅｉ — ｗｅｉ。ＯＵＱｉｎｇ — ｙｕ
ｐｒｏｖｅｄ．
Ｋｅｙｗｏｒｄｓ：ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ；ｉｎｆｏｒｍａｔｉｏｎｇｒｉｄ；ｃｉｐｈｅｒｉｎｄｅｍｎｉｆｉｃａｔｉｏｎ；ｒｅｓｏｕｒｃｅｓｓｃｈｅｄｕｌｉｎｇ；ｕｓｅｒ ’ Ｓｓａｔｉｓｆａｃｔｉｏｎ；ｓｙｓｔｅｍｂａｌａｎｃｅ
（海军工程大学信息安全系，湖北武汉４３００３３）
摘要：针对网格资源调度算法中不考虑服务请求实际需要的问题，按照用户对响应时间的实际需要，将服务请求划分成不同等级，以用户满意度为衡量指标，考虑系统的服务能力，兼顾系统负载平衡，利用遗传算法按需调度，更加高效合理地利用系统，使用户能够即时、高效、安全、灵活地获取资源。实验结果表明，该方法能够结合用户请求的实际需求，合理调度，更加充分利用系统资源，在性能上比传统算法有较大提高。

融合模拟退火的遗传算法在车辆调度中的应用

1 引言
遗传算法属于随机搜索算法，其来源于生物界自然选择和自然遗传机制，在各类工程优化问题中得到了广泛应用。在车辆调度领域，遗传算法应用已经很多，但多采用标准遗传算法［1］。遗传算法是以点集到点集的方式进行搜索，相对于点到点的搜索方法能以更大的概率搜索到全局最优解，但在实践应用过程中遗传算法往往容易产生早熟［2］，而得不到全局最优解，因此需要对其进行改进。模拟退
摘要论文在遗传算法搜索过程中融入了模拟退火算法，针对选择运算、交叉运算和变异运算产生的新种群，使用模拟退货算法逐一进行优化。由于模拟退火算法不仅接收使目标函数变好的解，还在一定程度上接收使目标函数变差的解，有效避免陷入局部最优，克服了遗传算法局部搜索能力较差、易出现早熟现象的缺点，提高了遗传算法的性能，扩大了遗传算法的使用范围。仿真结果表明融合了模拟退火思想的改进遗传算法性能更优更稳定。
为车辆的容积。 gi 表示第 i 个客户的需求量。
[aibi] 为客户 i 的时间窗，即送货时间不能早于 ai ，
且不能晚于 bi ，否则就要追加一定的时间窗惩罚
值。 ti 为车辆到达客户 i 的时间。此外，对于客户
i j(i ¹ j) 、车辆 k 定义如下两个变量：xijk 和 yik
723000）
Abstract In this paper，the simulated annealing algorithm is integrated into the search process of genetic algorithm. The new species group，which is generated by selection operation，crossover operation and mutation operation，is optimized by using the sim⁃ ulated annealing algorithm. The simulated annealing algorithm not only receives the solution making objective function better，but to some extent receives the solution making objective function worse. It can effectively avoid the local optimum，and can overcome the defects that genetic algorithm has poor local search ability and is prone to premature. It improves the performance of genetic algo⁃ rithm and expands the scope of the use of genetic algorithm. The simulation results show that the improved genetic algorithm，which combines the simulated annealing thought，is better and more stable.

基于改进遗传进化算法的复杂作业流程调度

2017年软件2017, V ol. 38, No. 12基金项目: 国家自然科学基金(61300149)，江苏高校品牌专业建设工程资助项目(Top-notch Academic Programs Project of Jiangsu Higher Education Institutions ，TAPP)，江苏省教育厅高校哲学社会科学研究指导项目(2016SJD880064)作者简介: 张春燕(1982-)，女，江苏南通人，讲师，硕士，主要研究方向为人工智能算法与模式识别，计算机控制系统等方面。

基于改进遗传进化算法的复杂作业流程调度张春燕（无锡科技职业学院，江苏无锡 214028）摘要: 为了提高车间或者工业生产速度和质量，需要对生产中复杂作业流程调度进行研究。

当前算法利用调度静态求解法和动态优化法实现复杂作业流程的调度。

该算法没有相关策略的制定，也没有高效的理论作为支撑，导致该算法存在调度效率低，资源的利用率和环境适应能力较差等问题。

为此，提出基于改进遗传进化算法的复杂作业流程调度。

该算法先对复杂作业流程调度问题进行描述，针对调度问题描述，利用改进遗传进化算法对车间作业调度问题进行解决，将问题描述中的数学规划模型建立在规定的定义上。

然后构建合适的编码实现改进遗传进化算法正常运行，过程中按一定要求对JSSP 染色体进行编码，选择初始种群，并对适应度函数进行计算，引入交叉算子和变异算子扩大寻优范围。

最后利用无延迟作业计划解决死锁状况，并通过调度过程流程图和作业调度整体结构流程图实现调度。

实验结果表明，本文所提算法充分利用了现有资源实现了复杂作业流程的高效调度，同时也具有比较好的适应能力和灵活性。

关键词: 遗传进化算法；复杂作业流程；调度中图分类号: TP18 文献标识码: A DOI ：10.3969/j.issn.1003-6970.2017.12.019本文著录格式：张春燕. 基于改进遗传进化算法的复杂作业流程调度[J]. 软件，2017，38（12）：98-103Complex Job Scheduling Based on Improved Genetic Evolution AlgorithmZHANG Chun-yan(Wuxi Professional College of Science and Technology, Wuxi 214028)【Abstract 】: In order to improve the production speed and quality of the workshop or industry, it is necessary to study the complicated operation process in production. The current algorithm USES the scheduling static solution method and the dynamic optimization method to implement the scheduling of complex job processes. The algorithm is not related to strategy formulation and no effective theory as the support, leading to low efficiency of the algo-rithm exists scheduling, resource utilization and environmental adaptation ability is poor. In this paper, the complex operation process scheduling based on improving genetic evolutionary algorithm is proposed. The algorithm for complex process scheduling problem is described first, in view of the scheduling problem description, using the im-proved genetic algorithm for solving job shop scheduling problem, described the problem of mathematical pro-gramming model based on the definition of the rules. And then build a suitable encoding to achieve improved ge-netic evolutionary algorithm run normally, process according to certain requirements for JSSP chromosome coding, choose the initial population, and the fitness function calculation, the introduction of crossover operator and muta-tion operator for expanding the scope of the optimization. Finally, the problem of deadlock condition was solved by using the non-delayed operation plan, and the scheduling of the whole structure flowchart was implemented by scheduling process flowchart and operation scheduling. The experimental results show that the proposed algorithm made full use of existing resources to achieve the efficient scheduling of complex process, at the same time also has a good adaptability and flexibility.【Key words 】: Genetic evolutionary algorithm; Complex operation process; Scheduling张春燕：基于改进遗传进化算法的复杂作业流程调度99《软件》杂志欢迎推荐投稿：cosoft@0 引言车间复杂作业流程的调度，是完成车间资源优化配置比较有效的手段[1]。

基于混合遗传算法的网格任务调度改进研究的开题报告

基于混合遗传算法的网格任务调度改进研究的开题报告一、选题背景与研究意义网格计算是目前计算科学领域中的一个热点研究方向，其应用范围广泛，如天气预报、分子生物学、高能物理学等。

然而，网格计算中存在许多复杂的问题，其中之一是任务调度问题。

网格任务调度是指将用户提交的任务分配给不同的计算节点，以实现最小化任务完成时间、最大化资源利用率等目标的过程。

同时，在实现最优解的同时，还需要考虑实际的执行效率、时间等限制，这使得任务调度问题变得非常困难。

传统的网格任务调度算法采用启发式算法、贪心算法等，但在处理大规模任务时效率较低，且容易陷入局部最优解。

因此，近年来国内外学者提出了一些新的算法，如混合遗传算法、模拟退火算法等，这些算法能够更加有效地处理任务调度问题。

本文将基于混合遗传算法，对网格任务调度问题进行研究，旨在通过提出一种新的任务调度算法，实现更高效、更优化的任务调度方式，进一步提高网格计算的性能和应用范围，具有重要的理论和实际意义。

二、研究内容1. 网格计算与任务调度的基本概念和理论2. 混合遗传算法的原理、特点及算法实现3. 提出基于混合遗传算法的任务调度算法，并进行实验分析4. 提出算法的改进方案，并进行实验验证三、研究方法1. 文献调研法：对网格计算和任务调度相关领域进行文献翻阅和整理，了解国内外研究进展和方法，为本文研究提供基础支撑。

2. 理论分析法：根据混合遗传算法的原理和实现方法，结合任务调度问题的特点，构建基于混合遗传算法的任务调度模型，并进行解析和理论分析。

3. 实验分析法：通过进行一系列实验，对算法进行性能评价和效果验证，检验任务调度算法的优化效果。

四、研究计划第一年：1. 就网格计算和任务调度问题进行文献调研，确定研究方向和内容。

2. 学习混合遗传算法的原理和实现方法，并进行算法实现。

3. 提出基于混合遗传算法的任务调度算法，并进行实验验证。

第二年：1. 在前一年实验的基础上，分析算法的优缺点，提出改进方案。

基于改进遗传进化算法的复杂作业流程调度

基于改进遗传进化算法的复杂作业流程调度张春燕【摘要】为了提高车间或者工业生产速度和质量,需要对生产中复杂作业流程调度进行研究.当前算法利用调度静态求解法和动态优化法实现复杂作业流程的调度.该算法没有相关策略的制定,也没有高效的理论作为支撑,导致该算法存在调度效率低,资源的利用率和环境适应能力较差等问题.为此,提出基于改进遗传进化算法的复杂作业流程调度.该算法先对复杂作业流程调度问题进行描述,针对调度问题描述,利用改进遗传进化算法对车间作业调度问题进行解决,将问题描述中的数学规划模型建立在规定的定义上.然后构建合适的编码实现改进遗传进化算法正常运行,过程中按一定要求对JSSP染色体进行编码,选择初始种群,并对适应度函数进行计算,引入交叉算子和变异算子扩大寻优范围.最后利用无延迟作业计划解决死锁状况,并通过调度过程流程图和作业调度整体结构流程图实现调度.实验结果表明,本文所提算法充分利用了现有资源实现了复杂作业流程的高效调度,同时也具有比较好的适应能力和灵活性.【期刊名称】《软件》【年(卷),期】2017(038)012【总页数】6页(P98-103)【关键词】遗传进化算法;复杂作业流程;调度【作者】张春燕【作者单位】无锡科技职业学院,江苏无锡 214028【正文语种】中文【中图分类】TP18车间复杂作业流程的调度，是完成车间资源优化配置比较有效的手段[1]。

制造业作为国家实体经济重要的组成部分，当前面临着市场的残酷竞争，制造型企业发展中出现了严峻考验，比如资源濒临枯竭、劳动力成本的不断增加、客户对产品质量的要求陆续提升等[2]。

如何考虑产品质量、服务、时间以及成本等因素，提高品牌声誉，得到客户的青睐，成为了制造型企业着重考虑的方面[3]。

近些年来，中国的制造业平均水平有了很大的提高，不过在生产的效率以及生产现代化的水平上，与发达国家相比还有一定差距。

由于复杂作业的调度是提升产品加工效率和实现制造型企业现代化发展的前提与基础，怎样实现实用又高效的复杂作业调度，成为了先进生产模式的首要问题之一[4]。

基于遗传模拟退火算法的布局优化研究

基于遗传模拟退火算法的布局优化研究周家智;尹令;张素敏【摘要】为提高矩形件排样算法的利用率与时间效率,提出将遗传算法和模拟退火算法融合优化的矩形排样算法.采用带符号的十进制编码,依据矩形件长宽比和面积而生成基因序列用于建立初始种群,以随机产生若干排样顺序与排样尺寸不一的个体,并以利用率为适应度函数,修改后的最低水平线搜索算法作为排样策略,保证较优个体得以保留,减少闲置区域的产生.采用10组随机产生的矩形数据将本算法与现有文献提出的GA算法进行对比实验,实验结果显示:该算法有效地提升了排样结果的利用率与时间效率.【期刊名称】《图学学报》【年(卷),期】2018(039)003【总页数】6页(P567-572)【关键词】矩形件排样;遗传算法;模拟退火算法;最低水平线改进算法【作者】周家智;尹令;张素敏【作者单位】华南农业大学数学与信息学院,广东广州 510642;华南农业大学数学与信息学院,广东广州 510642;华南农业大学数学与信息学院,广东广州 510642【正文语种】中文【中图分类】TP301.6矩形件排样问题即给定某单一尺寸的库存板材和一组毛坯需求，要求从板材中切割出毛坯，并满足所有毛坯的尺寸及数量需求，使消耗的板材数量或板材价值最小。

矩形件排样问题广泛存在于布匹裁剪、金属锻造、木材切割等加工业领域，具有一定的计算复杂性，属于NP问题。

对矩形件排样问题的算法优化具有一定的理论价值与现实价值。

对矩形件排样问题的研究通常建立在特定的前提条件下：无限原材料或有限原材料。

矩形件排样问题作为经典的NP问题，与生产需求存在密切联系。

对于矩形件排样的研究多数分为两个方面：排样策略的研究与排样顺序的研究。

排样策略通过设计矩形件排样过程所遵循的准则规范，以达到增加板材利用率的目的，如CUI等[1]提出的顺序启发式算法以及SILVA等[2]基于实际工业问题提出的启发式方法与整数规划模型均是从排样策略出发设计或优化提出的；排样顺序地研究证实了矩形件的排放顺序对板材利用率的影响，寻找能达到最优解的排样顺序。

采用遗传-退火算法的网格依赖任务可信调度

采用遗传-退火算法的网格依赖任务可信调度
王洪峰;朱海
【期刊名称】《计算机科学》
【年(卷),期】2015(042)006
【摘要】针对异构网格环境下的依赖任务调度问题面临的安全性挑战,综合考虑网格资源节点的固有安全性和行为安全性,构建一个网格资源节点身份可靠性度量函数和行为表现信誉度评估策略;同时为了确立任务安全需求与资源节点安全属性之间的隶属关系,定义了安全效益隶属度函数,从而建立了一个网格任务调度的安全可信模型.以此为基础,定义任务需求表示模型和网格资源拓扑模型,提出一种安全可信的网格任务调度新模型.为求解该模型,在遗传算法的基础上,设计新的进化算子即改进的交叉算子、内部交叉算子及作为变异的迁移算子,同时引入模拟退火算法增加搜索精度,从而提出了一种新的遗传-退火算法.仿真实验表明,在相同条件下,该算法比同类算法在调度长度、安全可信值及收敛性等方面具有更好的综合性能.
【总页数】8页(P268-275)
【作者】王洪峰;朱海
【作者单位】周口师范学院计算机科学与技术学院周口466000;周口师范学院计算机科学与技术学院周口466000;西安电子科技大学计算机学院西安710071【正文语种】中文
【中图分类】TP393
【相关文献】
1.融合遗传算法和蚁群算法动态网格任务调度算法研究 [J], 孙玉涛;毕殿杰
2.可信禁忌粒子群优化网格任务调度算法 [J], 刘瑶;陈志刚;曾志文
3.基于最小可信代价的网格任务调度算法 [J], 林希
4.采用遗传-谐振算法求解网格依赖任务安全调度问题 [J], 王洪峰;朱海
5.一种基于遗传和模拟退火算法的云计算任务调度算法 [J], 杨亚乐;金同标;殷进勇因版权原因，仅展示原文概要，查看原文内容请购买。

基于遗传算法的网格资源调度算法

基于遗传算法的网格资源调度算法
林剑柠;吴慧中
【期刊名称】《计算机研究与发展》
【年(卷),期】2004(41)12
【摘要】网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源.因此计算任务在各种资源之间的调度成为了一个关键的问题.简述了在异构资源之间调度任务的重要性,提出了一种基于遗传算法的任务调度算法.该算法采用资源- 任务的间接编码方式,通过DAG图获取子任务的层次关系,并将子任务按照层次深度排序,解决了种群中的非法问题.在单一资源上采用短任务优先和父节点优先两个原则来安排子任务的执行次序,以避免出现任务堵塞的现象.
【总页数】5页(P2195-2199)
【作者】林剑柠;吴慧中
【作者单位】南京理工大学计算机科学与技术系,南京,210094;南京理工大学计算机科学与技术系,南京,210094
【正文语种】中文
【中图分类】TP393
【相关文献】
1.基于协商模型的网格资源调度算法 [J], 杜丽
2.车联网中基于超级结点P2P的网格资源调度算法 [J], 井晶
3.基于商空间的层次式数据网格资源调度算法 [J], 夏纯中;宋顺林
4.车联网中基于超级结点P2P的网格资源调度算法 [J], 井晶
5.基于改进遗传算法的网格资源调度算法 [J], 吴雄奇;曾文华
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于遗传算法的网格任务调度算法

一种基于遗传算法的网格任务调度算法
肖青;杨长兴;杨炼
【期刊名称】《计算机技术与发展》
【年(卷),期】2008(018)008
【摘要】任务调度算法是网格计算研究的一个重要方向,已被证明是一个NP完全问题.提出了一种新的网格任务调度算法.该算法基于遗传算法,为加快算法的收敛速度,在生成初始种群时优先分配关键路径上的任务;由于资源间存在着通信延迟,引入任务复制方法,并结合遗传操作控制任务复制的深度,可以减少任务之间的通信开销,缩短整个调度的完成时间;最后进行优化操作,减少冗余的任务复制.模拟实验结果表明,该算法在收敛速度和调度完成时间均优于普通遗传算法.
【总页数】4页(P32-34,38)
【作者】肖青;杨长兴;杨炼
【作者单位】中南大学,信息科学与工程学院,湖南,长沙,410083;中南大学,信息科学与工程学院,湖南,长沙,410083;中南大学,信息科学与工程学院,湖南,长沙,410083【正文语种】中文
【中图分类】TP301.6
【相关文献】
1.一种基于改进遗传算法的网格调度算法 [J], 杨新年;刘锋;田铁刚;汤泰青;李晓艳
2.基于改进遗传算法的网格任务调度算法 [J], 吴德鹏;张建
3.一种基于遗传算法的网格任务调度算法 [J], 马学彬;温涛;郭权;王刚
4.基于改进自适应遗传算法的网格任务调度算法 [J], 肖莉萍
5.一种基于云遗传算法的网格任务调度算法 [J], 王春莲; 邱洪泽
因版权原因，仅展示原文概要，查看原文内容请购买。

基于遗传算法的网格任务调度方法分析

基于遗传算法的网格任务调度方法分析
金智
【期刊名称】《电脑与电信》
【年(卷),期】2017(000)011
【摘要】网格任务调度为多项式复杂程度的非确定性问题,其中所有非确定性多项式时间可解的判定问题,共同构成了NP类问题.如何快速地找到全局最优解是网格任务调度的难点所在.而遗传算法在验证猜测的正确性方面,具有自动获取和快速搜索的特性,是解决非线性问题的最优方案.本文主要对基于遗传算法的网格任务调度方法进行分析,通过网格任务调度模型构建、资源分配等操作,来完成遗传算法的仿真实验研究.
【总页数】3页(P9-11)
【作者】金智
【作者单位】长沙医学院,湖南长沙 410219
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于改进遗传算法的网格任务调度 [J], 常瑞生
2.基于改进遗传算法的网格任务调度模型构建 [J], 潘利强;张燕琴
3.基于自适应遗传算法的网格任务调度优化 [J], 肖海蓉;李惠先
4.基于改进遗传算法的QoS移动网格任务调度 [J], 张丽;吴楠;曲攀
5.基于改进遗传算法的网格任务调度模型构建 [J], 潘利强;张燕琴
因版权原因，仅展示原文概要，查看原文内容请购买。