导读:本文包含了机器调度论文开题报告文献综述、选题提纲参考文献，主要关键词:算法,机器,数据流,柔性,车间,流水,成本。
机器调度论文文献综述写法
刘永波,李亚琼,周博,李守超,宋云奎[1]（2019）在《一种面向分布式机器学习的云计算资源调度方法》一文中研究指出在云计算环境下,并发训练多机器学习模型会造成严重的共享集群资源竞争,影响执行效率。针对该问题,论文提出一种面向分布式机器学习的云计算资源调度方法。根据历史监测数据建立迭代次数与模型质量提升间的模型,在线预测资源分配对模型质量提升的影响,制定资源优化调度策略,并且设计了资源调度框架。实验结果表明,所提出的方法能够快速适应任务和负载的动态变化,实现多个模型训练作业的整体性能最大化。(本文来源于《计算机与数字工程》期刊2019年12期）
陈建彪[2]（2019）在《基于机器学习的复杂网络数据流均衡调度仿真》一文中研究指出针对传统方法下复杂网络数据流均衡调度中,普遍存在着调度准确率较低、完成时间较长和能量消耗较大等问题,提出了一种基于机器学习的复杂网络数据流均衡调度方法。通过对网络数据流进行分析,获取数据流节点相关参数,利用机器学习中的KNN算法对数据流节点进行分类,数据流节点和存储节点之间不同属性相应的重要程度不同,考虑到数据流任务公平性问题,根据数据流公平性获取数据流负载均衡度,以负载均衡度构建数学模型,考虑最短时间和最优数据流负载构建猫群算法的适应度函数,获取最优调度方案,完成数据流均衡调度。实验结果表明,所提方法调度准确率较高、完成时间较短、能量消耗较低。(本文来源于《计算机仿真》期刊2019年11期）
柴剑彬,刘赫,贝晓强[3]（2019）在《考虑机器调整次数和产品质量的卷烟批量计划和柔性流水车间调度集成问题》一文中研究指出针对卷烟企业生产中的批量计划和柔性流水车间调度集成问题,构建了整数规划模型,目标函数由卷烟生产时间、生产线调整次数、卷烟质量、库存成本四部分组成。鉴于该问题的NP-hard性,设计遗传算法进行求解,通过合理设计遗传算子,避免不可行解出现。应用某卷烟企业数据得到优化排产结果,与该企业之前依照经验排产方案进行对比,发现优化排程结果在减少品牌转换次数,提高生产的连续性方面具有明显优势。该算法已作为某卷烟企业排产人员的排产参考,应用于排产决策中,取得了良好的效果,对卷烟企业制定排产计划具有一定的实际指导意义。(本文来源于《运筹与管理》期刊2019年10期）
贾蕊,李涛,冯臻夫,张宏伟[4]（2019）在《高性能机器学习SIMT处理器的调度机制设计与实现》一文中研究指出针对面向机器学习的高性能单指令多线程(Single Instruction Multiple Threads,SIMT)处理器提出了结构简单且高效的调度机制,支持4个区块、8个warp、64个线程的并行运算,并采用两种可配置调度模式相结合的动态调度方式.该设计使用可综合的Verilog HDL语言实现其硬件电路,并搭建基于FPGA的验证平台对整体电路进行功能验证,结果表明,本文设计的调度机制满足SIMT处理器需求,且该调度机制使得处理器整体性能提升了82.17%.在Xilinx公司的FPGA芯片xcvu440-flga-2892-2-e上综合最大时钟频率可达到181 MHz.(本文来源于《微电子学与计算机》期刊2019年09期）
刘鑫,曾铭钰,段幼春,樊贵军[5]（2019）在《基于机器学习的复杂网络数据流均衡调度算法研究》一文中研究指出为解决传统网络数据流调度算法的均衡性、冗余和噪音数据造成的存储消耗和学习算法运行效率低下的问题,提出了基于机器学习的复杂网络数据均衡调度算法研究。基于机器学习的数据流特征选取,确定PSH数量标志位,进行数据包大小变换,实现复杂网络的数据流均衡算法。实验数据表明,与传统数据流调度相比,基于机器学习的复杂网络数据流调度均衡性提高,学习算法运行效率提升。(本文来源于《信息与电脑(理论版)》期刊2019年16期）
靳彬锋,毕利,李浩[6]（2019）在《基于机器故障的车间调度研究》一文中研究指出针对柔性车间调度下的机器故障问题,构建了基于粒子群优化算法的多目标柔性车间调度模型。加工机器发生故障后,用重新调度方法对未加工的所有工序进行重调度安排,以减少机器故障对优化指标的影响。同时给出一种稳定性指标来评价重调度的效果,以及机器发生故障的概率去预防机器出故障的情况,提高算法的有效性和稳定性。然后引入了淘汰机制改进算法,提高算法的全局收敛效率,并运用改进算法对具有故障机器的多目标柔性车间调度问题模型进行仿真实验。最后验证了该算法在车间调度中发生机器故障的可行性。(本文来源于《制造业自动化》期刊2019年07期）
梁鹏,郝刚,郭建华,吴玉婷,何娃[7]（2019）在《考虑时差电价机器能耗的非等同并行机调度研究》一文中研究指出利用时差电价减少能耗损失的同时保证最大化生产效率,是高能耗制造企业急需解决的问题之一。将其生产调度过程抽象为一种考虑时差电价机器能耗的非等同并行机调度问题,对此提出一种基于右移局部搜索的蚁群优化方法以实现求解方案。最后根据仿真实验得到蚁群优化算法的最优参数用于实验对比,从对比实验结果的分析表明,算法可以减少生产过程的能耗成本和拖期成本.(本文来源于《电脑知识与技术》期刊2019年20期）
周福来[8]（2019）在《基于遗传算法的多工序多机器调度优化研究》一文中研究指出随着人民生活质量的提高,消费者对定制化生产提出了更高的要求,此外,在新的经济环境下,降本增效对于提升制造企业的发展能力具有重要的意义,基于此,本文提出了基于遗传算法的多工序多机器调度优化研究。首先,设计了基于完工时间最小化的多工序多机器加工约束的生产调度优化模型;其次,采用遗传算法设计了求解上述生产调度优化模型的算法;最后,通过案例验证了本文构建的优化模型及设计的优化算法,并绘制了以最小化完工时间为优化目标的生产调度甘特图。研究结果表明,本文构建的模型及设计的算法具有一定的实用性,可指导企业制定较优的生产调度方案。(本文来源于《软件》期刊2019年06期）
兰艳[9]（2019）在《考虑运输时间的两台机器流水调度问题研究》一文中研究指出流水调度问题是组合优化领域的经典问题之一,因为与实际生产密切相关,是目前研究较为广泛的一种调度问题。在整个生产过程中,产品的加工与产品的运输是最重要的两个环节,如果将两者结合并提出合理的解决方案,既可以节约生产成本,又可以提高生产效率。本文主要研究考虑运输时间的两台机器和一台运输机的流水调度,根据运输机所处的位置,分为两种模型。模型1:工件先在两台流水机器上加工,然后由运输机运输到目的地;模型2:工件先在一台流水机器上加工,然后由运输机运输到另一台流水机器上继续加工。本文研究了以上两种模型的计算复杂性,设计了模型1在某些特殊情况下的最优调度算法,同时改进了这两种模型近似算法的近似比,具体结果如下:首先,对于模型1,当运输机每次最多运输2个工件时,Yuan等人在2007年只证明该问题是一般NP-难。本文证明了该问题是强NP-难,解决了2007年以来一直未解的问题。对于模型2,目前其复杂性的研究结果如下:2001年Hurink和Lee等人分别证明了当运输机每次运输1个或3个及以上工件时,这两种情况都是强NP-难,而每次最多运输2个工件时,该问题是否是强NP-难十几年来尚未被证明。本文证明了当运输机每次最多运输2个工件时,该问题也是强NP-难的,解决了 18年来一直未解的问题。本文的创新是首次将4-Partition问题归约到以上两种调度模型上。其次,对于模型1,当运输机每次运输常数个工件时,本文提出了叁种特殊情况下的最优调度方案:(1)当给定工件在两台机器上的加工顺序时,提出了运输机的最优调度方案;(2)当所有工件在第二台机器上加工时间均相同时,给出时间复杂度为O(n logn)的最优算法;(3)当工件在第二台机器上加工的最短时间大于等于工件在第一台机器上加工的最长时间时,给出时间复杂度为O(n2)的最优算法,这里n是输入的工件个数。最后,针对本文研究的两类流水调度模型,当运输机每次运输常数个工件时,研究这两类模型的近似算法。对于模型1,本文给出了近似比为1+ε的近似算法。对于模型2,2011年Gong和Tang给出了近似比为2的近似算法,本文同样给出了近似比为1+ε多项式时间的近似算法,这里ε为大于0的任意小的数。(本文来源于《大连理工大学》期刊2019-06-09）
刘淦诚[10]（2019）在《基于机器学习的调度规则支撑探索》一文中研究指出在如今大数据的时代背景下,机器学习无疑成为了信息获取处理的新方式,在大数据的历史告警分析的基础上,进行机器学习的部署也是非常重要的部分。本文就如何提升末梢效率进行深入探究分析,实现机器学习的决策部署。(本文来源于《中国新通信》期刊2019年11期）
机器调度论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统方法下复杂网络数据流均衡调度中,普遍存在着调度准确率较低、完成时间较长和能量消耗较大等问题,提出了一种基于机器学习的复杂网络数据流均衡调度方法。通过对网络数据流进行分析,获取数据流节点相关参数,利用机器学习中的KNN算法对数据流节点进行分类,数据流节点和存储节点之间不同属性相应的重要程度不同,考虑到数据流任务公平性问题,根据数据流公平性获取数据流负载均衡度,以负载均衡度构建数学模型,考虑最短时间和最优数据流负载构建猫群算法的适应度函数,获取最优调度方案,完成数据流均衡调度。实验结果表明,所提方法调度准确率较高、完成时间较短、能量消耗较低。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
机器调度论文参考文献
[1].刘永波,李亚琼,周博,李守超,宋云奎.一种面向分布式机器学习的云计算资源调度方法[J].计算机与数字工程.2019
[2].陈建彪.基于机器学习的复杂网络数据流均衡调度仿真[J].计算机仿真.2019
[3].柴剑彬,刘赫,贝晓强.考虑机器调整次数和产品质量的卷烟批量计划和柔性流水车间调度集成问题[J].运筹与管理.2019
[4].贾蕊,李涛,冯臻夫,张宏伟.高性能机器学习SIMT处理器的调度机制设计与实现[J].微电子学与计算机.2019
[5].刘鑫,曾铭钰,段幼春,樊贵军.基于机器学习的复杂网络数据流均衡调度算法研究[J].信息与电脑(理论版).2019
[6].靳彬锋,毕利,李浩.基于机器故障的车间调度研究[J].制造业自动化.2019
[7].梁鹏,郝刚,郭建华,吴玉婷,何娃.考虑时差电价机器能耗的非等同并行机调度研究[J].电脑知识与技术.2019
[8].周福来.基于遗传算法的多工序多机器调度优化研究[J].软件.2019
[9].兰艳.考虑运输时间的两台机器流水调度问题研究[D].大连理工大学.2019
[10].刘淦诚.基于机器学习的调度规则支撑探索[J].中国新通信.2019