面向?qū)嶒炘O備資源管理的調(diào)度算法設計與系統(tǒng)實現(xiàn)
發(fā)布時間:2021-12-17 12:45
隨著“新工科”概念的提出與發(fā)展,在深化工程教育改革的過程中,對學生的實踐能力提出了更高的要求。為了響應國家發(fā)展對學生素質(zhì)的要求,高校加大對自身的實驗設施建設。隨著高校實驗室設備種類、數(shù)量的增長,實驗課程所需實驗設備的耦合度的提高,遠程教育和成人教育蓬勃發(fā)展帶來的實驗教學需求的增加,實驗設備的管理更加復雜化。面對實驗設備的管理需求,如何實現(xiàn)合理地向校內(nèi)用戶分配有限實驗設備資源,并向遠程用戶共享使用高校實驗設備資源等問題。文章開展面向最優(yōu)資源調(diào)度的算法研究,并設計實驗設備的調(diào)度管理系統(tǒng),具體研究內(nèi)容如下:(1)面向校內(nèi)用戶的靜態(tài)調(diào)度,針對設備的負載均衡以及教學中課程、設備和時間等元素的合理規(guī)劃,建立對多目標的最優(yōu)調(diào)度模型,并使用基于父代種群精英選擇策略的改進遺傳算法對最優(yōu)調(diào)度模型進行求解。通過實驗驗證,改進型遺傳算法在運算速度和算法結(jié)果上均優(yōu)于傳統(tǒng)遺傳算法,能夠?qū)崿F(xiàn)針對校內(nèi)用戶的實驗設備靜態(tài)調(diào)度的需求。(2)面向遠程用戶的設備共享使用的動態(tài)調(diào)度,描述了共享設備的條件約束、任務分配和系統(tǒng)模型,提出了調(diào)度任務的數(shù)學描述和優(yōu)化模型。使用消息中間件技術實現(xiàn)實驗設備的任務調(diào)度,并設計了設備調(diào)度的系統(tǒng)...
【文章來源】:杭州電子科技大學浙江省
【文章頁數(shù)】:63 頁
【學位級別】:碩士
【部分圖文】:
實驗設備調(diào)度示意圖
杭州電子科技大學碩士學位論文15遺傳算法的應用范圍廣泛,應用模式也多種多樣,但各種遺傳算法的變形都與上述八個屬性相關。3.2.3遺傳算法的基本操作(1)選擇:遺傳算法的第一步就是選擇合適的個體來參與種群的繁衍。為了使適應度更高的個體有更高的概率被擇選,個體的選擇概率應該與個體的適應度大小呈正相關。在選擇繁衍個體的的方法中,常用的方式是采用輪盤賭算法。將種群中各個個體的選擇概率分布在一個輪盤之上,如圖3.1所示。輪盤中,所有個體也就是種群總的選擇概率為1。系統(tǒng)隨機產(chǎn)生一個0到1百分比數(shù),該數(shù)字處于那個區(qū)間內(nèi),就代表該個體的被選中。在這個算法中,選擇概率高的個體有著更高的概率選中進入繁衍操作,而且個體的適應度直接影響個體的選擇概率。從整體看,非完全最優(yōu)選擇的選擇算子策略,給適應度高的個體更大的機會繁衍后代,也保留了較低個體有機會將自身的優(yōu)勢基因傳給下一代的機會。這樣的操作,既保障了進化的快速、高效,同樣也保證了基因的多樣化。圖3.1輪盤賭選擇法(2)交叉:自然界中對于生物性狀的改變的內(nèi)在原因就是基因的重組。同樣的,在遺傳算法中最核心的操作就是染色體的交叉。交叉就是從父代種群中選擇的一對個體稱之為父代個體,將兩個父代個體中的染色體中的部分基因進行交換,從而產(chǎn)生新的染色體,對父代所有染色體進行交叉操作,就產(chǎn)生了新的子代個體。在交叉操作之前,需要判斷計算機產(chǎn)生的隨機數(shù)與交叉概率之間的大小關系,判斷是否進行交叉。以多點交叉為例,如果父代個體的染色體長度為H,將兩條染色體中的某幾個位置的基因進行互換,而其他位置的基因保持不變,如圖3.2所示。
杭州電子科技大學碩士學位論文16圖3.2交叉操作(3)變異:選擇保證了進化方向的一致性,交叉操作實現(xiàn)了在整個解空間中的搜索,但兩種操作之后存在遺漏重要遺傳信息的可能,此時就需要變異操作來防止這些漏洞。變異操作就是從已經(jīng)經(jīng)過選擇交叉之后的種群,對每個個體通過判斷計算機產(chǎn)生的隨機數(shù)和變異概率的大小,對需要變異的個體中某個染色體的基因進行改變的操作。如果該個體的染色體是使用二進制編碼的,即是將隨機某個位置上的數(shù)字0和1進行交換,如圖3.3所示。圖3.3變異操作自然界中的種群繁衍,生物個體的可能會因為某些原因而出現(xiàn)基因突變,這些現(xiàn)象產(chǎn)生后,基因表達產(chǎn)生的新形狀可能會使個體的更加適應自然環(huán)境,也可能會加速被自然界淘汰,但是都會增加種群的基因多樣性。而遺傳算法中的基因變異操作,同樣也存在使個體適應度增強或者降低的可能,但都會增加解空間的廣度,從而降低了遺傳算法早熟的可能性。遺傳算法通過對染色體一系列的選擇、交叉和變異操作,不但提高了算法的搜索效率,而且增加了最終結(jié)果的合理性。
【參考文獻】:
期刊論文
[1]新工科背景下高校實驗室設備智能化管理研究[J]. 杜飛龍,黃海松,唐世灝. 設備管理與維修. 2019(07)
[2]一種面向消息的中間件的設計與實現(xiàn)[J]. 孫弋,溫迅. 物聯(lián)網(wǎng)技術. 2019(03)
[3]“新工科”視角下“程序設計”課程體系重構(gòu)研究[J]. 李鑫,許建秋. 工業(yè)和信息化教育. 2018(09)
[4]對大學物理實驗教學的思考、改革與實踐[J]. 陳佶,霍劍青. 物理. 2018(06)
[5]從專業(yè)建設供給側(cè)結(jié)構(gòu)性改革看新工科建設[J]. 沈毅,寧永臣. 高等工程教育研究. 2018(03)
[6]從大國邁向強國:改革開放40年中國工程教育[J]. 林健,鄭麗娜. 清華大學教育研究. 2018(02)
[7]高校實驗室設備智能化管理模式探析[J]. 張衛(wèi)明,王紅梅. 實驗室研究與探索. 2018(01)
[8]“雙一流”背景下的一流實驗室建設研究[J]. 張海峰. 實驗技術與管理. 2017(12)
[9]引領高等教育改革的新工科建設[J]. 林健. 中國高等教育. 2017(Z2)
[10]新工科建設的內(nèi)涵與行動[J]. 鐘登華. 高等工程教育研究. 2017(03)
碩士論文
[1]考慮工人負荷的流水車間多目標優(yōu)化調(diào)度問題研究[D]. 鄭再思.吉林大學 2019
[2]基于蟻群算法對實驗室預約的優(yōu)化[D]. 劉欣桐.遼寧科技大學 2016
[3]高校實驗中心實驗教學管理系統(tǒng)的設計與實現(xiàn)[D]. 王軍.電子科技大學 2014
[4]基于.NET技術的實驗教學管理系統(tǒng)設計與實現(xiàn)[D]. 劉靜.吉林大學 2013
[5]基于遺傳算法的高校排課問題的研究[D]. 許琦.華南理工大學 2012
[6]多階段性能調(diào)優(yōu)中間件系統(tǒng)管理和分配算法的設計與實現(xiàn)[D]. 張艷.電子科技大學 2008
[7]設備共享環(huán)境下的作業(yè)調(diào)度問題研究[D]. 邵科峰.清華大學 2005
本文編號:3540149
【文章來源】:杭州電子科技大學浙江省
【文章頁數(shù)】:63 頁
【學位級別】:碩士
【部分圖文】:
實驗設備調(diào)度示意圖
杭州電子科技大學碩士學位論文15遺傳算法的應用范圍廣泛,應用模式也多種多樣,但各種遺傳算法的變形都與上述八個屬性相關。3.2.3遺傳算法的基本操作(1)選擇:遺傳算法的第一步就是選擇合適的個體來參與種群的繁衍。為了使適應度更高的個體有更高的概率被擇選,個體的選擇概率應該與個體的適應度大小呈正相關。在選擇繁衍個體的的方法中,常用的方式是采用輪盤賭算法。將種群中各個個體的選擇概率分布在一個輪盤之上,如圖3.1所示。輪盤中,所有個體也就是種群總的選擇概率為1。系統(tǒng)隨機產(chǎn)生一個0到1百分比數(shù),該數(shù)字處于那個區(qū)間內(nèi),就代表該個體的被選中。在這個算法中,選擇概率高的個體有著更高的概率選中進入繁衍操作,而且個體的適應度直接影響個體的選擇概率。從整體看,非完全最優(yōu)選擇的選擇算子策略,給適應度高的個體更大的機會繁衍后代,也保留了較低個體有機會將自身的優(yōu)勢基因傳給下一代的機會。這樣的操作,既保障了進化的快速、高效,同樣也保證了基因的多樣化。圖3.1輪盤賭選擇法(2)交叉:自然界中對于生物性狀的改變的內(nèi)在原因就是基因的重組。同樣的,在遺傳算法中最核心的操作就是染色體的交叉。交叉就是從父代種群中選擇的一對個體稱之為父代個體,將兩個父代個體中的染色體中的部分基因進行交換,從而產(chǎn)生新的染色體,對父代所有染色體進行交叉操作,就產(chǎn)生了新的子代個體。在交叉操作之前,需要判斷計算機產(chǎn)生的隨機數(shù)與交叉概率之間的大小關系,判斷是否進行交叉。以多點交叉為例,如果父代個體的染色體長度為H,將兩條染色體中的某幾個位置的基因進行互換,而其他位置的基因保持不變,如圖3.2所示。
杭州電子科技大學碩士學位論文16圖3.2交叉操作(3)變異:選擇保證了進化方向的一致性,交叉操作實現(xiàn)了在整個解空間中的搜索,但兩種操作之后存在遺漏重要遺傳信息的可能,此時就需要變異操作來防止這些漏洞。變異操作就是從已經(jīng)經(jīng)過選擇交叉之后的種群,對每個個體通過判斷計算機產(chǎn)生的隨機數(shù)和變異概率的大小,對需要變異的個體中某個染色體的基因進行改變的操作。如果該個體的染色體是使用二進制編碼的,即是將隨機某個位置上的數(shù)字0和1進行交換,如圖3.3所示。圖3.3變異操作自然界中的種群繁衍,生物個體的可能會因為某些原因而出現(xiàn)基因突變,這些現(xiàn)象產(chǎn)生后,基因表達產(chǎn)生的新形狀可能會使個體的更加適應自然環(huán)境,也可能會加速被自然界淘汰,但是都會增加種群的基因多樣性。而遺傳算法中的基因變異操作,同樣也存在使個體適應度增強或者降低的可能,但都會增加解空間的廣度,從而降低了遺傳算法早熟的可能性。遺傳算法通過對染色體一系列的選擇、交叉和變異操作,不但提高了算法的搜索效率,而且增加了最終結(jié)果的合理性。
【參考文獻】:
期刊論文
[1]新工科背景下高校實驗室設備智能化管理研究[J]. 杜飛龍,黃海松,唐世灝. 設備管理與維修. 2019(07)
[2]一種面向消息的中間件的設計與實現(xiàn)[J]. 孫弋,溫迅. 物聯(lián)網(wǎng)技術. 2019(03)
[3]“新工科”視角下“程序設計”課程體系重構(gòu)研究[J]. 李鑫,許建秋. 工業(yè)和信息化教育. 2018(09)
[4]對大學物理實驗教學的思考、改革與實踐[J]. 陳佶,霍劍青. 物理. 2018(06)
[5]從專業(yè)建設供給側(cè)結(jié)構(gòu)性改革看新工科建設[J]. 沈毅,寧永臣. 高等工程教育研究. 2018(03)
[6]從大國邁向強國:改革開放40年中國工程教育[J]. 林健,鄭麗娜. 清華大學教育研究. 2018(02)
[7]高校實驗室設備智能化管理模式探析[J]. 張衛(wèi)明,王紅梅. 實驗室研究與探索. 2018(01)
[8]“雙一流”背景下的一流實驗室建設研究[J]. 張海峰. 實驗技術與管理. 2017(12)
[9]引領高等教育改革的新工科建設[J]. 林健. 中國高等教育. 2017(Z2)
[10]新工科建設的內(nèi)涵與行動[J]. 鐘登華. 高等工程教育研究. 2017(03)
碩士論文
[1]考慮工人負荷的流水車間多目標優(yōu)化調(diào)度問題研究[D]. 鄭再思.吉林大學 2019
[2]基于蟻群算法對實驗室預約的優(yōu)化[D]. 劉欣桐.遼寧科技大學 2016
[3]高校實驗中心實驗教學管理系統(tǒng)的設計與實現(xiàn)[D]. 王軍.電子科技大學 2014
[4]基于.NET技術的實驗教學管理系統(tǒng)設計與實現(xiàn)[D]. 劉靜.吉林大學 2013
[5]基于遺傳算法的高校排課問題的研究[D]. 許琦.華南理工大學 2012
[6]多階段性能調(diào)優(yōu)中間件系統(tǒng)管理和分配算法的設計與實現(xiàn)[D]. 張艷.電子科技大學 2008
[7]設備共享環(huán)境下的作業(yè)調(diào)度問題研究[D]. 邵科峰.清華大學 2005
本文編號:3540149
本文鏈接:http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3540149.html
最近更新
教材專著