针对物流云服务模式中调度任务多、信息量大、需求广的特点,提出了一种改进蝙蝠算法求解物流云服务调度问题的方案,其优化目标为最小化调度时间和最大化资源利用率。根据设计的算法流程,首先基于工件升序排列(ranked order value,ROV)...针对物流云服务模式中调度任务多、信息量大、需求广的特点,提出了一种改进蝙蝠算法求解物流云服务调度问题的方案,其优化目标为最小化调度时间和最大化资源利用率。根据设计的算法流程,首先基于工件升序排列(ranked order value,ROV)规则对蝙蝠个体进行重新编码;然后调整初始化数据范围来减少分配任务超载和资源闲置现象,并在迭代过程中增加约束条件来均衡任务量,最终实现了资源与任务的智能调度。通过和遗传、粒子群以及基本蝙蝠算法的对比分析,体现了改进算法的优越性。最后利用Witness对方案进行仿真,证明了改进蝙蝠算法在解决物流云服务任务调度中的有效性,同时扩展了蝙蝠算法的应用领域。展开更多
文摘针对物流云服务模式中调度任务多、信息量大、需求广的特点,提出了一种改进蝙蝠算法求解物流云服务调度问题的方案,其优化目标为最小化调度时间和最大化资源利用率。根据设计的算法流程,首先基于工件升序排列(ranked order value,ROV)规则对蝙蝠个体进行重新编码;然后调整初始化数据范围来减少分配任务超载和资源闲置现象,并在迭代过程中增加约束条件来均衡任务量,最终实现了资源与任务的智能调度。通过和遗传、粒子群以及基本蝙蝠算法的对比分析,体现了改进算法的优越性。最后利用Witness对方案进行仿真,证明了改进蝙蝠算法在解决物流云服务任务调度中的有效性,同时扩展了蝙蝠算法的应用领域。
文摘梯级水电站中长期经济调度是一个典型非线性优化问题,通常要求在满足复杂的水力、电力约束条件,兼顾求解效率的同时实现梯级发电量最大。为有效解决这一问题,通过改进标准蝙蝠算法(bat algorithm,BA)更新策略和引入差分进化算法(differential evolution,DE)变异、选择操作,提出一种改进的蝙蝠算法(improved bat algorithm,IBA)。对标准蝙蝠算法更新策略进行以下改进:1)蝙蝠个体脉冲频率不随种群迭代而更新;2)蝙蝠个体脉冲发射率和脉冲音量随种群迭代而更新;3)无条件接受全局搜索产生的新解,有条件接受局部搜索产生的新解;4)改进飞行速度公式,缩小新个体与当前种群最优个体的偏离值。同时,针对蝙蝠算法种群多样性差、易陷入局部最优的缺点,引入差分进化算法中的变异、选择操作,实现动态控制变异概率。建立兼顾梯级最小出力最大化的梯级总发电量最大模型,利用大渡河流域瀑布沟、深溪沟、枕头坝一级梯级水电站经济调度问题实例,从流域长系列径流资料中选取典型年,对IBA的主要控制参数(缩放因子、最大迭代次数)进行测试与分析。采用IBA、BA、逐步优化算法(POA)对同一典型年进行模拟调度。从枯期出力特征、梯级发电量、算法运行时间3项指标综合来看,对于复杂的梯级水电站经济调度问题,改进的蝙蝠算法能够在枯水期给电网提供尽可能大而稳定的出力,同时缩短计算时间,获得更高精度解。
