摘要：针对弹性光网络中业务的选路、频谱分配进行了研究,考虑到物理节点对业务安全性的影响,建立了以满足业务最低安全级别要求为约束、以最小化网络中最大占用频隙号为优化目标的全局约束优化模型。为有效求解该约束优化模型,设计了全局优化算法。将疏导后的业务按照某种排序策略进行排序,为每个业务选择K条满足业务最低安全级别要求的路径。利用改进的遗传算法为每个业务选择合适的路径并确定最优的频谱分配方案,使得网络中最大占用频谱号最小。为验证该算法的有效性,在不同的网络拓扑中进行了仿真,结果表明,所设计的算法可实现高效的频谱分配。

摘要：针对多纤芯弹性光网络中业务的路径选择、纤芯选择和频谱分配问题进行了研究。建立了全局约束优化模型,设计了基于纤芯轮换选择的启发式算法及其改进算法。在改进算法中,根据不同的排序策略将业务排序;然后根据业务的源宿结点以及所选取的路径将业务划分到不同的业务集合中,在同一类业务集合中采用基于纤芯轮换的选择机制进行纤芯的选择;在选中的纤芯上采用首次命中法进行频谱分配。在两个网络中进行了仿真以验证所提出的算法的性能,仿真结果表明,所提出的算法以及改进的算法能够得到比对比算法更优的路径选择与纤芯选择方案。

摘要：随着科学应用逐渐趋于数据密集型计算,为并行与分布式系统寻求高效的任务调度策略成了研究的热点问题。已有的可分任务调度模型均假设所有处理机都能100%的完成子任务的计算,即处理机在完成任务计算之前一直保持在线状态。实际上,并行与分布式系统中不同处理机的在线时间可能不同。若忽略处理机的在线时间,为其分配的任务量过大,则任务的完成时间可能超出处理机的下线时间,从而造成任务的计算无法按时完成。因此,为处理机分配任务时应充分考虑处理机下线时间的限制。为解决上述问题,该文提出了一种新的考虑处理机下线时间的可分任务调度优化模型,并设计了全局优化遗传算法求解该模型。最后,通过仿真实验结果验证了模型和算法的有效性。

摘要：针对已有单趟任务调度模型因无法充分利用分布式平台的并行特性导致系统利用率和任务完成效率较低的问题,提出了一种新的周期性多趟任务调度优化模型。在给定处理机调度顺序的情况下,推导得到了分布式系统最优任务分配方案的解析解;通过分析任务完成时间关于调度趟数和服务器数的变化曲线,设计了一种启发式算法寻求最优的调度趟数和参与计算的服务器数;为了获得最优的服务器调度顺序,提出了一种高效的全局优化进化算法。实验结果表明:与已有调度算法相比,所提算法能够在分布式平台下最小化任务的完成时间,对于小规模和大规模任务,任务完成时间分别降低了至少25%和43%。

摘要：在基于分解技术求解高维多目标优化问题的思想启发下,为了提高多目标优化问题非支配解集合的分布性和收敛性,提出新的基于个体支配关系的混合分解高维多目标进化算法.该算法采用分子种群的进化模式,设计新的基于有效阶的个体支配关系用于个体的比较和更新操作,以便在增加个体选择压力的同时提高解集分布的多样性.为了改善该算法的局部搜索性能,将Powell搜索作为局部搜索算子,采用传统优化与进化算法相融合的混合进化策略.为了检验提出算法的性能,将提出算法用于求解5~20个目标的6类标准测试问题,与同类算法相比,该算法在收敛性和分布性方面均具有较大的改进和提高.

摘要：针对处理机具有任意释放时间的异构并行与分布式系统,通过寻找最优的处理机调度顺序和任务分配方案,使得任务的完成时间达到最短.首先,在给定处理机调度顺序的情况下,分析了处理机释放时间对任务完成时间的影响,得到了任务分配方案关于处理机调度顺序和时序约束条件的解析解;然后,以调度顺序和时序约束条件为变量,以任务的最短完成时间为目标,建立了一种新的可分任务调度模型;最后,设计了高效的全局优化遗传算法求解该模型.仿真结果表明所提算法比已有算法完成任务的时间更短.

摘要：可分任务调度是近年来信息技术领域研究的热点课题.已有的可分任务调度模型大多假设所有处理机在任务分配之初全部处于空闲状态,而实际上,当新的任务到来时很多处理机可能尚处于忙碌状态.每台处理机从忙碌状态转到空闲状态的时间不同,即处理机可能具有不同的释放时间.在充分考虑处理机释放时间不同的基础上,建立了一种新的混合时序约束的可分任务调度模型,并设计了高效的全局优化遗传算法求解该模型.实验结果表明了模型的合理性和算法的有效性.

摘要：针对异构分布式系统下带数据结果收集的可分任务调度问题,通过设计一种新的遗传算法,包括编码与解码方案、交叉和变异操作,有效地解决了3个难点:(1)计算所需的处理机数目及最优的处理机选择;(2)给出最优的任务分配顺序;(3)计算每个处理机需要处理的任务大小.为了验证新算法的有效性,本文进行了一系列对比实验.结果表明任务分配序列对完成时间具有显著的影响,且新算法能够显著降低任务的完成时间.