当前位置:主页 > 科技论文 > 自动化论文 >

串并联系统中支持实时替换的混合冗余策略优化

发布时间:2018-06-20 02:57

  本文选题:冗余分配 + 可靠性优化 ; 参考:《软件学报》2017年02期


【摘要】:在需要长时间可靠运行的软件系统中,由于持续运行时间和任务响应速度的要求增加,工作组件在被探测到失效后将被冗余组件实时替换.但现有可靠性优化研究通常假设冷备份冗余在所有积极冗余组件失效后才使用.针对支持实时替换的混合冗余策略,对其冗余度优化分配进行研究.该策略不仅能够保障系统可靠性,而且能够保障系统性能,故选用实时可用性和任务完成效率两类约束条件,建立冗余配置代价最小化模型.基于马尔可夫链理论对可靠性及性能两类系统指标进行定量分析;采用数值计算方法对非线性的状态分析模型进行计算;改进二元组编码遗传算法对上述优化问题进行求解.采用实例对串并联系统中实时可用性及任务完成效率的分析进行了说明,并对优化冗余分配模型进行了验证.实验结果表明,在相同冗余度下,支持实时替换的混合冗余策略在任务完成效率方面优于传统的混合冗余策略.所以,在相同约束条件下不同混合冗余策略需要采用不同的冗余优化配置方案.
[Abstract]:In software systems that need to run reliably for a long time, due to the increasing requirements of continuous running time and task response speed, the work components will be replaced by redundant components in real time after detection of failure. However, existing reliability optimization studies generally assume that cold backup redundancy is only used after all active redundant components fail. Aiming at the hybrid redundancy strategy which supports real-time substitution, the optimal allocation of redundancy degree is studied. The strategy can not only guarantee system reliability but also guarantee system performance. Therefore, two kinds of constraints, real-time availability and task completion efficiency, are selected to minimize the cost of redundant configuration. Based on Markov chain theory, the reliability and performance of the two kinds of system indicators are quantitatively analyzed; the nonlinear state analysis model is calculated by numerical method; and the optimization problem is solved by improved binary coded genetic algorithm. An example is given to illustrate the real-time availability and task completion efficiency of series-parallel systems, and the optimal redundancy allocation model is verified. The experimental results show that the hybrid redundancy strategy which supports real-time replacement is superior to the traditional hybrid redundancy strategy in task completion efficiency under the same redundancy degree. Therefore, different mixed redundancy strategies need to adopt different redundant optimal configuration schemes under the same constraint conditions.
【作者单位】: 中国科学院重庆绿色智能技术研究院;
【基金】:国家自然科学基金(61309005) 重庆市前沿与应用基础研究计划(cstc2014jcyj A40015)~~
【分类号】:TP18;TB114.3

【相似文献】

相关期刊论文 前10条

1 陈琨;张志明;;一种改进遗传算法的设计与实现[J];贵州大学学报(自然科学版);2006年01期

2 胡兰萍;黄海斌;;遗传算法及其在化学领域中的应用[J];海南师范学院学报(自然科学版);2006年03期

3 王珊珊;;遗传算法的理论基础及应用[J];科协论坛(下半月);2008年09期

4 高翔;海洋;;遗传算法应用[J];赤峰学院学报(自然科学版);2009年03期

5 刘定理;;遗传算法综述[J];中国西部科技;2009年25期

6 欧阳柏平;;基于遗传算法优化独立分量分析[J];科技信息;2010年07期

7 储育青;齐义飞;肖立顺;陈晖敏;石玉文;;遗传算法研究概述[J];科技风;2010年09期

8 曾瑛;;遗传算法在优化求解中的应用[J];科技创业月刊;2012年10期

9 丁承民,张传生,刘辉;遗传算法纵横谈[J];信息与控制;1997年01期

10 施光林,史维祥;遗传算法及其研究与应用新进展[J];科技导报;1997年04期

相关会议论文 前10条

1 陈家照;廖海涛;张中位;罗寅生;;一种改进的遗传算法及其在路径规划中的应用[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

2 李国云;刘颖;薛梅;邬志敏;;遗传算法在高温空冷冷凝器优化设计中的应用[A];第五届全国制冷空调新技术研讨会论文集[C];2008年

3 王志军;李守春;张爽;;改进的遗传算法在反演问题中的应用[A];新世纪 新机遇 新挑战——知识创新和高新技术产业发展(上册)[C];2001年

4 任燕翔;姜立;刘连民;从滋庆;;改进遗传算法在三维日照方案优化中的应用[A];工程三维模型与虚拟现实表现——第二届工程建设计算机应用创新论坛论文集[C];2009年

5 韩娟;;遗传算法概述[A];第三届河南省汽车工程科技学术研讨会论文集[C];2006年

6 庞国仲;王元西;;基于遗传算法控制步长的定性仿真方法[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

7 张忠华;杨淑莹;;基于遗传算法的聚类设计[A];全国第二届信号处理与应用学术会议专刊[C];2008年

8 何翠红;区益善;;遗传算法及其在计算机编程中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集(下册)[C];1995年

9 靳开岩;张乃尧;;几种实用遗传算法及其比较[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年

10 王宏刚;曾建潮;李志宏;;摄动遗传算法[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年

相关重要报纸文章 前1条

1 林京;《神经网络和遗传算法在水科学领域的应用》将面市[N];中国水利报;2002年

相关博士学位论文 前10条

1 蔡美菊;交互式遗传算法及其在隐性目标决策问题中的应用研究[D];合肥工业大学;2015年

2 张士伟;三维声学快速多极基本解法在机械噪声预测中的应用研究[D];沈阳工业大学;2016年

3 高军;无铅焊料本构模型及其参数识别方法研究[D];南京航空航天大学;2015年

4 Amjad Mahmood;半监督进化集成及其在网络视频分类中的应用[D];西南交通大学;2015年

5 周辉仁;递阶遗传算法理论及其应用研究[D];天津大学;2008年

6 郝国生;交互式遗传算法中用户的认知规律及其应用[D];中国矿业大学;2009年

7 侯格贤;遗传算法及其在跟踪系统中的应用研究[D];西安电子科技大学;1998年

8 马国田;遗传算法及其在电磁工程中的应用[D];西安电子科技大学;1998年

9 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

10 周激流;遗传算法理论及其在水问题中应用的研究[D];四川大学;2000年

相关硕士学位论文 前10条

1 张英俐;基于遗传算法的作曲系统研究[D];山东师范大学;2006年

2 钟海萍;原对偶遗传算法与蚁群算法的一种融合算法[D];暨南大学;2013年

3 李志添;模糊遗传算法与资源优化配置的预测控制[D];华南理工大学;2015年

4 王琳琳;新型双层液压轿运车车厢的设计研究[D];上海工程技术大学;2015年

5 李海全;基于遗传算法的建筑体形系数及迎风面积比优化方法研究[D];华南理工大学;2015年

6 彭骞;基于遗传算法的山区高等级公路纵断面智能优化方法研究[D];昆明理工大学;2015年

7 周玉林;基于小波分析和遗传算法的配电网故障检测[D];昆明理工大学;2015年

8 郭颂;基于粗糙集和遗传算法的数字管道生产管理系统研究[D];昆明理工大学;2015年

9 吴南;数值逼近遗传算法的研究应用[D];华南理工大学;2015年

10 于光帅;一类优化算法的改进研究与应用[D];渤海大学;2015年



本文编号:2042627

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2042627.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户597fb***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com