-
公开(公告)号：CN113157381B
公开(公告)日：2022-07-05
申请号：CN202010407394.8
申请日：2020-05-14
申请人： 北京理工大学
摘要： 本发明公开了基于非支配排序和猫头鹰搜索的多工作流调度方法，通过同时引入非支配排序遗传算法及猫头鹰搜索算法来计算多工作流调度方案的方法，利用非支配排序遗传算法的多样性生成和保持优点，对种群的50％较优个体进行更新，以保证优良个体的多样性，降低了算法非支配解搜索陷入局部最优的可能性。
-
公开(公告)号：CN112328364A
公开(公告)日：2021-02-05
申请号：CN202011225867.9
申请日：2020-11-05
申请人： 北京理工大学
摘要： 本发明公开了一种基于农田肥力算法的计算密集型云工作流调度方法，通过将农田肥力算法应用于离散优化问题，解决了云环境下工作流的调度问题，为计算密集型云工作流调度提供了一条新的解决途径；同时，本发明通过采用动态目标寻优方式，当未找到可行解时，将工作流执行成本作为搜索优化目标；当找到可行解后，将工作流执行跨度时间作为搜索优化目标，以避免过多的无效搜索，使算法在更短的时间内找到满足预算约束的调度方案，提高了算法的寻优速度。
-
公开(公告)号：CN112905307B
公开(公告)日：2022-07-22
申请号：CN202110436876.0
申请日：2021-04-22
申请人： 北京理工大学
摘要： 本发明公开了一种基于贫富优化算法的多目标云工作流调度方法，通过将贫富优化算法应用于离散优化问题，为多目标云工作流调度提供了一条新的解决路径，引入了基于多种群的多目标优化框架，采用两个种群ΨT和ΨC，分别优化工作流的最大完工时间makespan和执行成本cost，即对ΨT和ΨC中的个体，使用贫富优化算法并侧重各自的优化目标进行更新，以同时、充分地优化两个目标，提高了算法迭代搜索的效率。
-
公开(公告)号：CN113935610A
公开(公告)日：2022-01-14
申请号：CN202111175163.X
申请日：2021-10-09
申请人： 北京理工大学
摘要： 本发明公开了一种柔性制造系统的多机器人联合调度方法，能够动态调节遗传算法的关键参数，控制遗传算法的迭代搜索过程，从而提高算法的求解效率，实现车间的高效联合调度。采用机器序列、工序序列和AGV序列相匹配的三层编码方式；首先进行算法初始化，计算当前种群中所有个体的适应值，记录目前已搜索到的最佳个体；计算当前代种群的状态数据，与上一代状态数据比较得到回报值R，更新Q‑Table，对当前代状态数据进行离散化；根据离散状态值、Q‑Table行元素和ε‑greedy策略选择动作值a，执行对应的遗传算法参数调整动作；根据调整后的参数执行遗传算法的选择算子、交叉算子和变异算子，形成新的种群；若种群迭代达到最大迭代次数则输出最佳个体及适应度值。
-
公开(公告)号：CN112905307A
公开(公告)日：2021-06-04
申请号：CN202110436876.0
申请日：2021-04-22
申请人： 北京理工大学
摘要： 本发明公开了一种基于贫富优化算法的多目标云工作流调度方法，通过将贫富优化算法应用于离散优化问题，为多目标云工作流调度提供了一条新的解决路径，引入了基于多种群的多目标优化框架，采用两个种群ΨT和ΨC，分别优化工作流的最大完工时间makespan和执行成本cost，即对ΨT和ΨC中的个体，使用贫富优化算法并侧重各自的优化目标进行更新，以同时、充分地优化两个目标，提高了算法迭代搜索的效率。
-
公开(公告)号：CN112685138A
公开(公告)日：2021-04-20
申请号：CN202110025979.8
申请日：2021-01-08
申请人： 北京理工大学
摘要： 本发明公开了云环境下基于多种群混合智能优化的多工作流调度方法，通过利用两个种群分别优化多工作流调度方案的总执行时间和成本两个目标，同时，采用第三个种群，对两个目标的优化进行适当平衡，通过三个种群侧重于搜索不同类型的非主导解，提高了精英解的多样性，有效克服了现有智能优化方法搜索随机性大的缺点，能够在满足用户截止期限条件下的情况下，找到较优的工作流调度方案集合。
-
公开(公告)号：CN115952968A
公开(公告)日：2023-04-11
申请号：CN202211422773.X
申请日：2022-11-14
申请人： 北京理工大学
IPC分类号： G06Q10/0631 , G06Q50/26 , G06F16/36 , G06F16/31 , G06F16/35
摘要： 本发明公开了一种求解拦截资源分配问题的知识库构建方法，能够解决拦截资源分配问题，尤其是动态拦截资源分配问题求解的技术问题。方法包括：建立待求解的分配问题的数学模型，并提取问题特征向量组；随机生成b个不同的拦截资源分配问题样本；构建求解所述问题的a种生成规则及目标的评价函数；采用a种策略生成规则分别求解问题样本并评价，选出适合本问题的规则以构建“特征向量组—适应规则”二元组；将得到的二元组通过分类和聚类操作划分为多个小类，将每个小类转化为一条知识并构建知识库；当出现新问题时，输入新问题的特征向量组在知识库中检索知识来进行求解；评价分配方案的优劣以判断是否重新分类，并更新完善知识库。
-
公开(公告)号：CN112231091B
公开(公告)日：2022-08-23
申请号：CN202011224499.6
申请日：2020-11-05
申请人： 北京理工大学
摘要： 本发明公开了一种基于强化学习策略的并行云工作流调度方法，通过在任务选择过程中引入指针网络，并将softmax概率分布作为“指针”来处理可变长度的输入，使工作流调度模型在工作流调度的不同阶段，能够感知待选任务的动态变化，学习更多的任务执行顺序知识，提高调度解的优化性能。
-
公开(公告)号：CN112328364B
公开(公告)日：2022-07-08
申请号：CN202011225867.9
申请日：2020-11-05
申请人： 北京理工大学
摘要： 本发明公开了一种基于农田肥力算法的计算密集型云工作流调度方法，通过将农田肥力算法应用于离散优化问题，解决了云环境下工作流的调度问题，为计算密集型云工作流调度提供了一条新的解决途径；同时，本发明通过采用动态目标寻优方式，当未找到可行解时，将工作流执行成本作为搜索优化目标；当找到可行解后，将工作流执行跨度时间作为搜索优化目标，以避免过多的无效搜索，使算法在更短的时间内找到满足预算约束的调度方案，提高了算法的寻优速度。
-
公开(公告)号：CN113157381A
公开(公告)日：2021-07-23
申请号：CN202010407394.8
申请日：2020-05-14
申请人： 北京理工大学
摘要： 本发明公开了基于非支配排序和猫头鹰搜索的多工作流调度方法，通过同时引入非支配排序遗传算法及猫头鹰搜索算法来计算多工作流调度方案的方法，利用非支配排序遗传算法的多样性生成和保持优点，对种群的50％较优个体进行更新，以保证优良个体的多样性，降低了算法非支配解搜索陷入局部最优的可能性。
-
-
-
-
-
-
-
-
-
搜索结果
14 条记录 (耗时 0.02 秒)
