改进的遗传算法在云资源调度上的应用

针对传统的遗传算法(GA)在解决云资源调度问题时容易过快收敛和陷入局部最优等问题,提出了一种联合进化的遗传算法(JCGA).该算法利用多优选保留技术将适应值大的个体放到优选子种群,通过与普通子种群进行联合交叉,使种群往更优的方向进行进化.实验结果表明,JCGA算法不仅可以保证种群的多样性,还可以避免种群陷入局部最优.     

近地空间航天员训练视景真实感渲染技术研究

载人航天任务中,地面模拟训练是培养提升航天员操作技能的重要手段。视景系统是航天飞行训练模拟的重要组成部分,高逼真度的仿真场景对提升航天员训练效果有重要的意义。针对空间视景仿真场景调度和渲染的特殊性,提出并设计实现视景仿真软件的总体架构。对影响空间场景真实感的地球纹理数据库的生成和调度技术、大气散射仿真技术、场景光照实时渲染等关键技术进行研究,融合各种方法,在视景仿真系统中基于GPU实现。试验验证表明,实现算法准确,模型设计合理,已经应用于航天员的训练中。     

面向应急条件的多星动态调度方法

 针对应急条件下多星动态调度问题,建立了多目标数学规划模型,提出了应急条件多星成像任务合成策略:建立多星多轨任务合成图(MSMOTMG)模型,提出任务合成算法CP-TM。为克服合成导致任务成像机会减少的缺陷,提出了基于合成任务分解的修复技术。此外,为进一步提高调度效率,考虑了任务在等待队列中的向后移位策略,提出了综合考虑任务合成、修复和向后移位的多星动态应急调度(TMRBS-DES)算法。通过大量模拟实验,将TMRBS-DES算法同RBHA算法,以及3个baseline算法(BS-DES、TMR-DES和TMBS-DES)进行了比较。实验结果表明TMRBS-DES算法提高了调度质量,适用于应急条件下多星动态调度问题。     

基于改进免疫粒子群算法的动态航班着陆调度

为改进机场终端区空中交通流量管理,对动态航班着陆次序进行适当调整,使机场和空域的可用容量达到最有效利用,减少航班延误造成的经济损失,提出一种新颖的动态免疫粒子群优化算法(DIPSO),重点针对待着陆航班的动态变化,结合滑动时间窗,多方面考虑现实约束,在确保航班延误成本最小的同时,兼顾航班着陆的公平性和管制员的工作负荷。仿真结果表明,在处理动态航班着陆问题上与先来先服务相比有效降低了延误成本。     

基于遗传算法的企业订单双边匹配调度研究

订单是企业生存的根本,是生产经营活动的源动力,因此,有效地对订单进行调度是企业生产管理工作的重要组成部分。在订单交货期模糊和加工时间随机分布的条件下,权衡订单成本和客户满意度,提出基于遗传算法的双边匹配调度模型,并利用算例对该模型进行检验。仿真结果显示:该模型对订单调度是有效的;与单目标优化相比,多目标优化是对多个目标的折中,从整个系统来看,多目标优化具有全局性的特点。