下载文档原格式
自适应粒子群算法求解资源受限多项目调度问题王海鑫;王祖和;温国锋;李海霞【摘要】With the continuons development of social economy,the scale of modem enterprises is expanding,and the scope of business is becoming more and more diversified,the traditional single project management mode has been not suitable for the development requirements of modern enterprises,so the need of multi-project management theory in the practice of multi project management become more and more urgent.Due to the need to deal with a number of constraints at the same time,the optimal allocation of project resources in a single project environment has been a NP-hard problem.In the multi-project environment,such problems are further complicated.In this paper,we study the problem of resource constrained project scheduling,extend the research object to multi-project environment,and construct multi-project schedule model aiming at the minimization of multi-project weighted duration on the base of multi-project priority evaluation.Under the condition of limited resources,we can provide the decision basis for the project manager to allocate resources rationally by making reasonable scheduling of the multiple parallel projects.In order to solve the problem of the standard particle swarm optimization algorithm is easy to premature which can affect the optimization results,this paper will adopt an adaptive particle swarm optimization algorithm with dynamic inertia weight.This algorithm will improve the seeking ability and effect of particle swarm optimizationalgorithm through the dynamic change of inertia weight to solve the resource constrained multi-project scheduling problem model more effectively.The test results of standard test functions show that the final fitness values obtained by the particle swarm optimization algorithm with adaptive variable weights strategy are the smallest,and the convergence speed has some advantages.To further verify the effectiveness of the DCWPSO algorithm used in this paper for solving the resource constrained multi-project scheduling problem,we can solve the same problem model by using the GA algorithm and basic PSO algorithm.Through the analysis of the calculated results and the computational performance,the results show that the DCWPSO algorithm has an advantage in solving the resource constrained multi-project scheduling problem model.Among them,in terms of the time spent on the algorithm,DCWPSO algorithm with variable inertia weight can search for the optimal scheduling scheme for the first time in a shorter time,so the seeking speed of DCWPSO algorithm is faster.In the algorithm iteration,the change of the objective function value is very large,and the slope of the curve shows that the convergence rate of the algorithm is higher.Thus,compared to the other two algorithms,the DCWPSO algorithm is more stable and effective in solving the resource constrained multi-project scheduling problem model,then it can guide the multi-project optimization scheduling effectively,so it provides a reference for the task scheduling and resource allocation of the project implementation process.%研究资源约束条件下的项目调度问题,并将研究对象扩展到多项目环境,在多项目优先级评价基础上以多项目加权工期最小化为目标,构建多项目进度计划模型.通过在资源限定条件下,对共享资源的多个并行项目进行合理调度安排,为项目管理者在资源限制条件下合理配置资源以满足各项目的工期要求并尽量缩短多项目加权总工期提供决策依据.针对标准粒子群容易早熟从而影响优化结果的问题,采用一种具有动态变惯性权重的自适应粒子群算法(DCWPSO)对模型进行求解.采用标准测试函数和具体算例进行检验,结果表明DCWPSO算法可以较好地解决RCMPSP问题.【期刊名称】《管理工程学报》【年(卷),期】2017(031)004【总页数】6页(P220-225)【关键词】粒子群算法;惯性权重;自适应;多项目调度【作者】王海鑫;王祖和;温国锋;李海霞【作者单位】山东科技大学经济管理学院,山东青岛266510;山东科技大学经济管理学院,山东青岛266510;山东工商学院管理科学与工程学院,山东烟台264000;山东工商学院管理科学与工程学院,山东烟台264000【正文语种】中文【中图分类】F424.6资源约束条件下的多项目调度问题(Resource constrained multi-project scheduling problem, RCMPSP)是以达到工期最短、成本最低或收益最大等为目标，针对多项目、项目的任务集和有限资源集，考虑项目间的资源共享关系、任务间的时序关系和资源能力限制等，寻找理想的项目调度与资源优化方案的一类问题。
项目综合管理：基于优先级的关键链多项目管理研究关键链技术主要基于“项目必须遵守整体优化而非局部优化”的思想,以50%概率完工时间作为工序估计时间,同时考虑了工序间紧前关系约束和工序间的资源约束,确定关键链。
然后通过为关键链和非关键链分别设置项目缓冲和输送缓冲,来消除项目中不确定因素对项目执行计划的影响,保证整个项目按时完成。
作为约束理论在项目管理领域应用产生的新方法,关键链技术在其诞生之初便引起了广泛关注。
国内外的专家学者分别从不同角度对关键链项目管理进行了研究,主要集中在:关键链理论基础研究与分析[3,4],关键链在单项目调度中的关键链识别和缓冲区设置研究[5-8],关键链在项目风险、成本管理中的应用及关键链在多项目管理领域的应用[2,9-11]。
随着越来越多的企业面临多项目管理的挑战,多项目管理成为阻碍企业管理发展的瓶颈。
关键链在多项目环境下的应用目前还没有较为成熟的方法。
本文主要分析关键链在单项目与多项目环境下应用的区别,探讨多项目环境下基于工序优先级的关键链方法,并通过两个项目的调度案例来验证所提出的方法。
1资源受限多项目调度的方法及关键链在单项目与多项目中应用的区别高达90%的项目是在多项目环境下执行的,在多个项目并行实施过程中,项目之间在资金、时间、人力等资源方面往往存在争夺关系,进而增加了企业管理难度,影响项目的进度和完工质量。
资源约束下的多项目调度问题是一类重要的问题,要求在满足项目内部各任务的时序约束和所有项目的资源约束的同时,优化所有项目任务的进度安排以实现项目总工期的小化。
资源受限管理是项目管理领域复杂的问题之一,而由于多项目调度问题的复杂性(NP-Hard问题),引发了对很多算法的研究,如整数规划、分支定界法、枚举法、两层决策、遗传算法等。
这些多项目调度方法大都基于CPM/PERT等传统项目管理方法,对多项目所需的全部资源进行配置。
而本文所介绍的关键链多项目管理方法则更关注于对瓶颈资源的配置,这也是由关键链的理论基础―――TOC的基本原理所决定的。
云计算环境下基于改进粒子群算法的任务调度张照胜;李蜀瑜【摘要】为了优化云计算环境下任务调度，考虑调度过程中任务的最短完成时间、系统的负载均衡和经济成本3个目标约束，然而3个目标约束之间存在冲突，因此提出了一种使用改进粒子群优化算法来解决云计算任务调度中多目标优化问题，达到同时兼顾3个目标约束的目的。
选择惯性权重的模糊自适应策略对粒子群算法进行改进，从而能很好的平衡粒子的全局搜索能力和局部搜索能力，尽量避免过早收敛和陷入局部极值，并且引入移动子和负载因子的概念，用于实现算法对云计算环境下的任务调度。
仿真结果表明，该算法对多目标优化问题，具有较好的寻优能力。
%For optimizing the task scheduling of cloud computing environment,it processes to consider the shortest completion time, load balancing, system constraints and economic costs of the three objectives, however, there is still have a conflict between these three objectives of constraints, thus we propose a method of using improved Particle swarm optimization (PSO) algorithms to solve the purpose of cloud computing task scheduling for multi-objective optimization problem to consider the three objectives constraints. Improving the global search ability and local search capability by using Fuzzy Adaptive Inertia Weight PSO strategy so that the particles can be well balanced to avoid premature convergence and local extremum, introducing the concept of the moving element and the load factor for the realization of task scheduling algorithm for cloud computing environments.Simulation results show that the algorithm for multi-objective optimization problem has better search capability.【期刊名称】《电子设计工程》【年(卷),期】2016(024)015【总页数】5页(P5-8,12)【关键词】云计算;任务调度;粒子群算法;最短完成时间;负载均衡;经济成本【作者】张照胜;李蜀瑜【作者单位】陕西师范大学计算机科学学院，陕西西安 710119;陕西师范大学计算机科学学院，陕西西安 710119【正文语种】中文【中图分类】TN602云计算[1]是分布式计算的一种，是网格计算[2]和并行计算的发展，是这些计算科学概念的商业实现。
云环境下结合改进粒子群优化与检查点技术的容错调度算法【摘要】在云环境下，容错调度算法对于提高任务调度的可靠性和效率至关重要。
本文结合改进的粒子群优化算法和检查点技术，提出了一种新的容错调度算法。
首先介绍了粒子群优化算法和检查点技术的基本原理，然后分析了云环境下容错调度问题的特点。
接着讨论了如何将粒子群优化算法与检查点技术相结合，实现容错调度算法的设计与实现。
最后通过实验结果分析，展示了该算法在提高调度效率和可靠性方面的优势，并展望未来在云环境下容错调度算法的潜力和发展方向。
本研究对于提升云计算环境下任务调度的性能和稳定性具有重要意义，具有一定的实践价值和应用前景。
【关键词】关键词：粒子群优化算法、检查点技术、容错调度算法、云环境、实验结果分析、算法优势、未来展望1. 引言1.1 研究背景当前云计算技术的快速发展和普及，使得大规模任务在云环境中得以高效运行。
由于云环境的复杂性和不可靠性，容错调度成为了云计算系统中一个重要的问题。
容错调度算法能够有效处理云环境中的故障，保障任务的顺利执行，提高系统的可靠性和稳定性。
本文旨在通过结合改进的粒子群优化算法与检查点技术，设计一种新的容错调度算法，以提高云计算系统的容错性能和任务执行效率。
1.2 研究意义研究意义：在当今信息化时代，云计算技术已被广泛应用于各个领域，大规模分布式系统中的容错调度问题变得尤为重要。
容错调度算法的设计直接影响到系统的效率和可靠性，因此研究如何在云环境下结合改进粒子群优化与检查点技术实现容错调度算法具有重要的理论意义和实际应用价值。
2. 正文2.1 粒子群优化算法介绍粒子群优化算法（Particle Swarm Optimization，PSO）是一种由Kennedy和Eberhart于1995年提出的启发式优化算法，灵感源自鸟群或鱼群的群体行为。
PSO算法模拟了鸟群中鸟类寻找食物的过程，每个个体（粒子）根据自身经验和群体经验进行搜索最优解。
基于动态多目标粒子群优化算法的资源受限研发项目进度曲红;吴娟
【期刊名称】《系统工程》
【年(卷),期】2007(25)9
【摘要】资源与进度优化调度已成为企业研发项目成功的关键。
引入粒子群算法来解决这一问题,将普通粒子群多目标算法进行了改进,提出动态的多目标粒子群算法,通过采用VC++编程语言对模型及其求解算法进行案例仿真,证实了模型及算法的有效性与优越性。
【总页数】5页(P98-102)
【关键词】资源受限;研发项目进度问题;多日标模型;动态多日标粒子群优化算法【作者】曲红;吴娟
【作者单位】湖南大学工商管理学院
【正文语种】中文
【中图分类】F270
【相关文献】
1.基于投影映射的动态多目标粒子群优化算法 [J], 陈兵华;尤嘉兴;陈基漓;董明刚
2.基于改进粒子群算法的资源受限项目进度研究 [J], 单汨源;吴娟;吴亮红;刘琼
3.基于动态调整的多目标粒子群优化算法 [J], 李克文;张永哲
4.基于自适应粒子群优化算法的有源配电网多目标动态无功优化 [J], 葛朝晖;王颖;
刘梦怡;齐晓光;林榕;徐正阳
5.基于动态平衡的多目标粒子群优化算法 [J], 张海波
因版权原因，仅展示原文概要，查看原文内容请购买。
基于改进粒子群算法的云计算调度策略
马钰;杨迪;王鹏
【期刊名称】《长春理工大学学报:自然科学版》
【年(卷),期】2022(45)5
【摘要】云计算调度策略是一种将海量计算任务分配到各个计算资源上的模型。
粒子群优化算法作为一种随机全局搜索算法在云计算中广泛应用,然而其仍存在参数依赖人为设定、前期全局搜索能力不足、后期收敛速度缓慢等问题。
针对上述问题,提出了基于模拟退火策略与自适应权重策略的优化方法,旨在提高粒子群调度算法的自我优化能力。
通过引入上述策略,对粒子群算法中的学习因子、速度增长等参数进行实时控制,完成算法迭代优化。
实验表明,在CloudSim平台中该优化策略增强粒子群中每个粒子的学习能力,与优化前相比执行速度更快,精确度更高。
【总页数】7页(P80-86)
【作者】马钰;杨迪;王鹏
【作者单位】长春理工大学计算机科学技术学院
【正文语种】中文
【中图分类】P315.69
【相关文献】
1.基于改进粒子群算法的云计算任务调度策略
2.基于粒子群算法的云计算联盟负载均衡调度策略
3.基于改进粒子群算法的云计算任务调度策略
4.基于改进粒子群算法的虚拟机调度策略研究
5.基于竞争粒子群算法的云计算资源调度策略
因版权原因，仅展示原文概要，查看原文内容请购买。
