-
Patent Agency Ranking
公开(公告)号：CN109522104B
公开(公告)日：2021-09-21
申请号：CN201811194822.2
申请日：2018-10-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种利用差分进化算法优化Iaas两目标任务调度的方法，该方法结合一种可应用于离散问题的差分进化算法和改进的多目标优化框架，来对云环境下两个目标任务调度问题进行优化，即最小化任务完工时间和最小化云服务成本。该方法同时结合了多目标整体优化和子问题优化。整体优化的两目标问题和子问题优化的多个单目标问题各自用一个集合保存进化过程中的解。通过设计一种自繁殖、交叉繁殖等机制，整体优化和子问题优化协同产生更好的优化结果。最后经过多次迭代后，整体优化的解集为优化最终得到的解。该方法在对IaaS任务调度优化时，展现出良好的收敛性，优化得到的解也具有很好的多样性。
-
公开(公告)号：CN113792996B
公开(公告)日：2023-10-03
申请号：CN202111001534.2
申请日：2021-08-30
Applicant: 华南理工大学
IPC: G06Q10/0631 , G06Q10/04 , G06N3/006 , G06Q50/30
Abstract: 本发明公开了一种基于多种群多目标蚁群算法的机组轮班方法。针对现有机组轮班问题模型的不足，本发明首先从机组成员的角度出发，同时考虑调度的公平性以及成员的满意度，提出双目标机组轮班模型，然后将蚁群算法和多种群多目标框架结合设计了一种高效的多目标蚁群算法。同时，本发明提出了一种新的混合互补的启发式策略，充分利用关于公平性目标和满意度目标的启发式信息以及整合的启发式信息，有利于全面探索帕累托前沿。此外，本发明也针对两个目标分别提出两种不同类型的局部搜索，有助于提高解的质量。本发明公开的多种群多目标蚁群算法在不同规模的实际机组轮班问题上表现稳定，均能在较短时间内得到一系列优质的可行解。
-
公开(公告)号：CN109522104A
公开(公告)日：2019-03-26
申请号：CN201811194822.2
申请日：2018-10-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种利用差分进化算法优化Iaas两目标任务调度的方法，该方法结合一种可应用于离散问题的差分进化算法和改进的多目标优化框架，来对云环境下两个目标任务调度问题进行优化，即最小化任务完工时间和最小化云服务成本。该方法同时结合了多目标整体优化和子问题优化。整体优化的两目标问题和子问题优化的多个单目标问题各自用一个集合保存进化过程中的解。通过设计一种自繁殖、交叉繁殖等机制，整体优化和子问题优化协同产生更好的优化结果。最后经过多次迭代后，整体优化的解集为优化最终得到的解。该方法在对IaaS任务调度优化时，展现出良好的收敛性，优化得到的解也具有很好的多样性。
-
公开(公告)号：CN109492872A
公开(公告)日：2019-03-19
申请号：CN201811194823.7
申请日：2018-10-15
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于遗传算法的动态工作流调度方法，该调度方法的目标是在满足用户所指定的最大执行周期约束和工作流一个周期的总执行时间约束下，优化工作流的每个周期的平均费用。由于工作流在云计算的实现环境下执行方式是动态多变的，所以本发明对动态工作流所有可能出现的流拓扑结果进行构造，通过建立一系列子图来对应每一种可能发生的流拓扑结果，并用概率模型进行整体建模，从而综合考虑了工作流的动态时变的特性，并采用遗传算法对工作流在动态环境中执行的周期费用进行优化，从而提高了工作流的执行效率。
-
公开(公告)号：CN113792996A
公开(公告)日：2021-12-14
申请号：CN202111001534.2
申请日：2021-08-30
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多种群多目标蚁群算法的机组轮班方法。针对现有机组轮班问题模型的不足，本发明首先从机组成员的角度出发，同时考虑调度的公平性以及成员的满意度，提出双目标机组轮班模型，然后将蚁群算法和多种群多目标框架结合设计了一种高效的多目标蚁群算法。同时，本发明提出了一种新的混合互补的启发式策略，充分利用关于公平性目标和满意度目标的启发式信息以及整合的启发式信息，有利于全面探索帕累托前沿。此外，本发明也针对两个目标分别提出两种不同类型的局部搜索，有助于提高解的质量。本发明公开的多种群多目标蚁群算法在不同规模的实际机组轮班问题上表现稳定，均能在较短时间内得到一系列优质的可行解。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
