简介:为了在ad-hoc移动朵云中高效率地解决任务分配这一核心问题,提出了一种基于启发式算法的任务分配算法.粒子群优化和模拟退火优化的任务分配算法(PSO-SA)将任务之间的依赖关系转化为有向无环图(DAG)模型,其中各个节点上的数值表示任务产生的负载,DAG的各个边的数值表示传输产生的负载.为了模拟ad-hoc移动朵云的任务分配环境,建立了数学模型来描述各个子任务之间的依赖关系并定义各个子任务的卸载成本.PSO-SA用于任务分配决策并最小化所有移动设备的成本,能耗和时间延迟同时作为卸载成本.PSO-SA结合了粒子群优化和模拟退火优化的优势,通过以一定概率选取最优解的方式,避免算法过早落入局部最优解,同时保证算法收敛速度.仿真结果表明,与其他现有算法相比,PSO-SA算法产生的卸载成本较低并且其结果可以非常接近最优解.
简介:为了平衡库存成本与多样化需求两者之间的矛盾,研究了延迟产品差异下必要工艺改进最优投资决策.将两阶段生产柔性制造系统建模为连续时间马尔科夫链.第一阶段采用备货型生产方式制造半成品,第二阶段采用订单型生产方式定制化第一阶段半成品.利用矩阵几何方法得到柔性制造系统的绩效测量指标.构建一个优化模型确定最优工艺改进投资水平以最小化制造商总成本.结果表明:高投资水平能够降低期望顾客订单满足延迟以及期望半成品库存量.当初始订单渗透点为0.4时,通过工艺改进投资能够节约制造商15.89%总成本.此外,最优投资水平随单位顾客订单满足延迟成本的增加而上升,随产品价值和初始订单渗透点的增加而下降.