面向实验设备资源管理的调度算法设计与系统实现
发布时间：2021-12-17 12:45
随着“新工科”概念的提出与发展,在深化工程教育改革的过程中,对学生的实践能力提出了更高的要求。为了响应国家发展对学生素质的要求,高校加大对自身的实验设施建设。随着高校实验室设备种类、数量的增长,实验课程所需实验设备的耦合度的提高,远程教育和成人教育蓬勃发展带来的实验教学需求的增加,实验设备的管理更加复杂化。面对实验设备的管理需求,如何实现合理地向校内用户分配有限实验设备资源,并向远程用户共享使用高校实验设备资源等问题。文章开展面向最优资源调度的算法研究,并设计实验设备的调度管理系统,具体研究内容如下:（1）面向校内用户的静态调度,针对设备的负载均衡以及教学中课程、设备和时间等元素的合理规划,建立对多目标的最优调度模型,并使用基于父代种群精英选择策略的改进遗传算法对最优调度模型进行求解。通过实验验证,改进型遗传算法在运算速度和算法结果上均优于传统遗传算法,能够实现针对校内用户的实验设备静态调度的需求。（2）面向远程用户的设备共享使用的动态调度,描述了共享设备的条件约束、任务分配和系统模型,提出了调度任务的数学描述和优化模型。使用消息中间件技术实现实验设备的任务调度,并设计了设备调度的系统...
【文章来源】：杭州电子科技大学浙江省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
实验设备调度示意图
杭州电子科技大学硕士学位论文15遗传算法的应用范围广泛，应用模式也多种多样，但各种遗传算法的变形都与上述八个属性相关。3.2.3遗传算法的基本操作(1)选择：遗传算法的第一步就是选择合适的个体来参与种群的繁衍。为了使适应度更高的个体有更高的概率被择选，个体的选择概率应该与个体的适应度大小呈正相关。在选择繁衍个体的的方法中，常用的方式是采用轮盘赌算法。将种群中各个个体的选择概率分布在一个轮盘之上，如图3.1所示。轮盘中，所有个体也就是种群总的选择概率为1。系统随机产生一个0到1百分比数，该数字处于那个区间内，就代表该个体的被选中。在这个算法中，选择概率高的个体有着更高的概率选中进入繁衍操作，而且个体的适应度直接影响个体的选择概率。从整体看，非完全最优选择的选择算子策略，给适应度高的个体更大的机会繁衍后代，也保留了较低个体有机会将自身的优势基因传给下一代的机会。这样的操作，既保障了进化的快速、高效，同样也保证了基因的多样化。图3.1轮盘赌选择法(2)交叉：自然界中对于生物性状的改变的内在原因就是基因的重组。同样的，在遗传算法中最核心的操作就是染色体的交叉。交叉就是从父代种群中选择的一对个体称之为父代个体，将两个父代个体中的染色体中的部分基因进行交换，从而产生新的染色体，对父代所有染色体进行交叉操作，就产生了新的子代个体。在交叉操作之前，需要判断计算机产生的随机数与交叉概率之间的大小关系，判断是否进行交叉。以多点交叉为例，如果父代个体的染色体长度为H，将两条染色体中的某几个位置的基因进行互换，而其他位置的基因保持不变，如图3.2所示。
杭州电子科技大学硕士学位论文16图3.2交叉操作(3)变异：选择保证了进化方向的一致性，交叉操作实现了在整个解空间中的搜索，但两种操作之后存在遗漏重要遗传信息的可能，此时就需要变异操作来防止这些漏洞。变异操作就是从已经经过选择交叉之后的种群，对每个个体通过判断计算机产生的随机数和变异概率的大小，对需要变异的个体中某个染色体的基因进行改变的操作。如果该个体的染色体是使用二进制编码的，即是将随机某个位置上的数字0和1进行交换，如图3.3所示。图3.3变异操作自然界中的种群繁衍，生物个体的可能会因为某些原因而出现基因突变，这些现象产生后，基因表达产生的新形状可能会使个体的更加适应自然环境，也可能会加速被自然界淘汰，但是都会增加种群的基因多样性。而遗传算法中的基因变异操作，同样也存在使个体适应度增强或者降低的可能，但都会增加解空间的广度，从而降低了遗传算法早熟的可能性。遗传算法通过对染色体一系列的选择、交叉和变异操作，不但提高了算法的搜索效率，而且增加了最终结果的合理性。
【参考文献】：
期刊论文
[1]新工科背景下高校实验室设备智能化管理研究[J]. 杜飞龙,黄海松,唐世灏. 设备管理与维修. 2019(07)
[2]一种面向消息的中间件的设计与实现[J]. 孙弋,温迅. 物联网技术. 2019(03)
[3]“新工科”视角下“程序设计”课程体系重构研究[J]. 李鑫,许建秋. 工业和信息化教育. 2018(09)
[4]对大学物理实验教学的思考、改革与实践[J]. 陈佶,霍剑青. 物理. 2018(06)
[5]从专业建设供给侧结构性改革看新工科建设[J]. 沈毅,宁永臣. 高等工程教育研究. 2018(03)
[6]从大国迈向强国:改革开放40年中国工程教育[J]. 林健,郑丽娜. 清华大学教育研究. 2018(02)
[7]高校实验室设备智能化管理模式探析[J]. 张卫明,王红梅. 实验室研究与探索. 2018(01)
[8]“双一流”背景下的一流实验室建设研究[J]. 张海峰. 实验技术与管理. 2017(12)
[9]引领高等教育改革的新工科建设[J]. 林健. 中国高等教育. 2017(Z2)
[10]新工科建设的内涵与行动[J]. 钟登华. 高等工程教育研究. 2017(03)
硕士论文
[1]考虑工人负荷的流水车间多目标优化调度问题研究[D]. 郑再思.吉林大学 2019
[2]基于蚁群算法对实验室预约的优化[D]. 刘欣桐.辽宁科技大学 2016
[3]高校实验中心实验教学管理系统的设计与实现[D]. 王军.电子科技大学 2014
[4]基于.NET技术的实验教学管理系统设计与实现[D]. 刘静.吉林大学 2013
[5]基于遗传算法的高校排课问题的研究[D]. 许琦.华南理工大学 2012
[6]多阶段性能调优中间件系统管理和分配算法的设计与实现[D]. 张艳.电子科技大学 2008
[7]设备共享环境下的作业调度问题研究[D]. 邵科峰.清华大学 2005
本文编号：3540149
【文章来源】：杭州电子科技大学浙江省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
实验设备调度示意图
杭州电子科技大学硕士学位论文15遗传算法的应用范围广泛，应用模式也多种多样，但各种遗传算法的变形都与上述八个属性相关。3.2.3遗传算法的基本操作(1)选择：遗传算法的第一步就是选择合适的个体来参与种群的繁衍。为了使适应度更高的个体有更高的概率被择选，个体的选择概率应该与个体的适应度大小呈正相关。在选择繁衍个体的的方法中，常用的方式是采用轮盘赌算法。将种群中各个个体的选择概率分布在一个轮盘之上，如图3.1所示。轮盘中，所有个体也就是种群总的选择概率为1。系统随机产生一个0到1百分比数，该数字处于那个区间内，就代表该个体的被选中。在这个算法中，选择概率高的个体有着更高的概率选中进入繁衍操作，而且个体的适应度直接影响个体的选择概率。从整体看，非完全最优选择的选择算子策略，给适应度高的个体更大的机会繁衍后代，也保留了较低个体有机会将自身的优势基因传给下一代的机会。这样的操作，既保障了进化的快速、高效，同样也保证了基因的多样化。图3.1轮盘赌选择法(2)交叉：自然界中对于生物性状的改变的内在原因就是基因的重组。同样的，在遗传算法中最核心的操作就是染色体的交叉。交叉就是从父代种群中选择的一对个体称之为父代个体，将两个父代个体中的染色体中的部分基因进行交换，从而产生新的染色体，对父代所有染色体进行交叉操作，就产生了新的子代个体。在交叉操作之前，需要判断计算机产生的随机数与交叉概率之间的大小关系，判断是否进行交叉。以多点交叉为例，如果父代个体的染色体长度为H，将两条染色体中的某几个位置的基因进行互换，而其他位置的基因保持不变，如图3.2所示。
杭州电子科技大学硕士学位论文16图3.2交叉操作(3)变异：选择保证了进化方向的一致性，交叉操作实现了在整个解空间中的搜索，但两种操作之后存在遗漏重要遗传信息的可能，此时就需要变异操作来防止这些漏洞。变异操作就是从已经经过选择交叉之后的种群，对每个个体通过判断计算机产生的随机数和变异概率的大小，对需要变异的个体中某个染色体的基因进行改变的操作。如果该个体的染色体是使用二进制编码的，即是将随机某个位置上的数字0和1进行交换，如图3.3所示。图3.3变异操作自然界中的种群繁衍，生物个体的可能会因为某些原因而出现基因突变，这些现象产生后，基因表达产生的新形状可能会使个体的更加适应自然环境，也可能会加速被自然界淘汰，但是都会增加种群的基因多样性。而遗传算法中的基因变异操作，同样也存在使个体适应度增强或者降低的可能，但都会增加解空间的广度，从而降低了遗传算法早熟的可能性。遗传算法通过对染色体一系列的选择、交叉和变异操作，不但提高了算法的搜索效率，而且增加了最终结果的合理性。
【参考文献】：
期刊论文
[1]新工科背景下高校实验室设备智能化管理研究[J]. 杜飞龙,黄海松,唐世灏. 设备管理与维修. 2019(07)
[2]一种面向消息的中间件的设计与实现[J]. 孙弋,温迅. 物联网技术. 2019(03)
[3]“新工科”视角下“程序设计”课程体系重构研究[J]. 李鑫,许建秋. 工业和信息化教育. 2018(09)
[4]对大学物理实验教学的思考、改革与实践[J]. 陈佶,霍剑青. 物理. 2018(06)
[5]从专业建设供给侧结构性改革看新工科建设[J]. 沈毅,宁永臣. 高等工程教育研究. 2018(03)
[6]从大国迈向强国:改革开放40年中国工程教育[J]. 林健,郑丽娜. 清华大学教育研究. 2018(02)
[7]高校实验室设备智能化管理模式探析[J]. 张卫明,王红梅. 实验室研究与探索. 2018(01)
[8]“双一流”背景下的一流实验室建设研究[J]. 张海峰. 实验技术与管理. 2017(12)
[9]引领高等教育改革的新工科建设[J]. 林健. 中国高等教育. 2017(Z2)
[10]新工科建设的内涵与行动[J]. 钟登华. 高等工程教育研究. 2017(03)
硕士论文
[1]考虑工人负荷的流水车间多目标优化调度问题研究[D]. 郑再思.吉林大学 2019
[2]基于蚁群算法对实验室预约的优化[D]. 刘欣桐.辽宁科技大学 2016
[3]高校实验中心实验教学管理系统的设计与实现[D]. 王军.电子科技大学 2014
[4]基于.NET技术的实验教学管理系统设计与实现[D]. 刘静.吉林大学 2013
[5]基于遗传算法的高校排课问题的研究[D]. 许琦.华南理工大学 2012
[6]多阶段性能调优中间件系统管理和分配算法的设计与实现[D]. 张艳.电子科技大学 2008
[7]设备共享环境下的作业调度问题研究[D]. 邵科峰.清华大学 2005
本文编号：3540149
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3540149.html
