项目名称: 带等级约束的半在线调度问题模型与算法研究

项目编号: No.61300016

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 陈鑫

作者单位: 大连理工大学

项目金额: 23万元

中文摘要: 平行机在线调度问题(又称排序问题)是组合优化领域和理论计算机科学领域的热点问题之一。带等级约束的调度问题,由于能很好的反映现实中的约束关系,已引起国内外学者的广泛关注。 现有文献已给出大量关于该问题很好的结果,但考虑到实际生产环境的复杂性与半在线形式的多样性,仍有一系列复杂的问题亟待解决。本项目考虑两类带等级约束的半在线调度模型:缓冲区模型和允许任务重排模型。将分析模型的竞争比下界、设计竞争比接近以至匹配该下界的半在线算法,进而讨论两个模型相关结果之间的关联。研究过程由简入繁,先从两等级两台同类机的情况入手,进而研究两等级多台机器的情况,最终考虑多等级多台机器这种最复杂、却又最接近于实际生产环境的情况。 课题的成功实施,能够补充带等级约束调度问题的现有成果,拓展平行机调度问题的研究范畴,为调度模型的实际应用打下更为坚实的理论基础。

中文关键词: 半在线调度;等级约束;竞争比;任务损失;(元)启发式算法

英文摘要: Online parallel machines scheduling is a classical problem in the fields of combinatorial optimization and theoretical computer science. Scheduling under hierarchy constraint is becoming a research hot topic now since it describes real world accurately. Though a number of results were given, there were abundant complicated problems to be solved, considering the complexity of real world and the variety of semi-online method. We thus consider two semi-online hierarchical scheduling problems in this research, where the first one is buffer version and the second is reassignment version. The lower bounds for both two versions are discussed and several semi-online algorithms are proposed. Furthermore, the relationship between the two versions is studied. We begin with the case of two uniform machines with two hierarchies, then m machines(m>2) with two hierarchies and finally the case of m machines with h hierarchies(2<h≤m). The research will enrich the achievements for the scheduling problem and lay more theoretical foundation for the application of this problem.

英文关键词: Semi-online scheduling;Hierarchy constraint;Competitive ratio;Late work;(meta) heuristic method

成为VIP会员查看完整内容
0

相关内容

【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
33+阅读 · 2022年1月4日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
21+阅读 · 2021年6月26日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
73+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
42+阅读 · 2020年7月29日
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
SIGIR2021 | 基于排序的推荐系统度量优化新视角
机器学习与推荐算法
1+阅读 · 2021年12月6日
CFGAN:基于生成对抗网络的协同过滤框架
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
携程个性化推荐算法实践
架构文摘
12+阅读 · 2018年1月18日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Simple and Effective Unsupervised Speech Synthesis
Arxiv
2+阅读 · 2022年4月20日
Arxiv
11+阅读 · 2018年5月13日
小贴士
相关VIP内容
【AAAI2022】一种基于状态扰动的鲁棒强化学习算法
专知会员服务
33+阅读 · 2022年1月31日
对抗机器学习在网络入侵检测领域的应用
专知会员服务
33+阅读 · 2022年1月4日
专知会员服务
34+阅读 · 2021年8月1日
专知会员服务
21+阅读 · 2021年6月26日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
83+阅读 · 2020年12月11日
专知会员服务
73+阅读 · 2020年12月7日
专知会员服务
77+阅读 · 2020年12月6日
专知会员服务
42+阅读 · 2020年7月29日
相关资讯
【博士论文】集群系统中的网络流调度
专知
4+阅读 · 2021年12月7日
SIGIR2021 | 基于排序的推荐系统度量优化新视角
机器学习与推荐算法
1+阅读 · 2021年12月6日
CFGAN:基于生成对抗网络的协同过滤框架
你的算法可靠吗? 神经网络不确定性度量
专知
40+阅读 · 2019年4月27日
基于数据的分布式鲁棒优化算法及其应用【附PPT与视频资料】
人工智能前沿讲习班
26+阅读 · 2018年12月13日
携程个性化推荐算法实践
架构文摘
12+阅读 · 2018年1月18日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员