HSDPA中的分组调度算法

HSDPA采用了AMC,HARQ和快速调度等关键技术以提高数据传输速率,分组调度成为影响系统性能的一个重要因素。分析了HSDPA中支持非实时业务的三种经典分组调度算法RR、Max C/I和PF,以及支持实时业务的两种分组调度算法M-LWDF和EXP,并从系统吞吐量和用户公平性等方面研究了它们的性能。     

HSDPA中支持实时业务的分组调度算法研究

分析研究了HSDPA中支持实时业务的调度算法M-LWDF和EXP,M-LWDF算法在吞吐量性能的提升是以牺牲用户公平性为代价的,为了降低分组数据包被丢弃的概率,提高系统调度性能,引入改进的M-LWDF算法,该算法通过提升信道条件差的用户的优先级来提高用户公平性,并从吞吐量和分组时延两方面进行仿真,MATLAB仿真结果表明,改进的M-LWDF算法提高了用户的公平性,但这种公平性是以降低吞吐量为代价的。     

HSDPA系统分组调度算法浅析

<正>HSDPA系统通过采用自适应编码调制(AMC)、混合自动重传请求(HARQ)和快速分组调度等一系列技术手段,使其理论峰值速率高达14.4 Mbps,后续阶段甚至可达50 Mbp以上。在HSDPA的这些关键技术中,分组调度的对象是小区内所有映射到HS-DSCH传输信道的用户,主要解决系统资源与用户之间的平衡问题。可以说,如果没有一种合理有效的调度算法,速率再高的网络也难以获得理想的实用价值。衡量调度算法优劣的指标主要为:空口吞吐量、用户公平性、平均     

基于聚类算法的云平台物流调度模型研究

基于聚类算法的云平台是当前公有云的主要应用形式。平台整体资源利用率最大化、单虚拟机性能的最优化以及平台的服务接受率是聚类算法的设计目标。抽象出基于聚类算法的交叉环物流服务模型,对物流的服务模式、交叉环物流调度服务器等进行了设计。在此基础上对函数聚类算法各种需求向量的交叉环物流调度进行优化分析,最后在自主研发的云计算平台上验证了可行性。     

基于聚类算法的云平台物流调度模型研究

基于聚类算法的云平台是当前公有云的主要应用形式.平台整体资源利用率最大化、单虚拟机性能的最优化以及平台的服务接受率是聚类算法的设计目标.抽象出基于聚类算法的交叉环物流服务模型,对物流的服务模式、交叉环物流调度服务器等进行了设计.在此基础上对函数聚类算法各种需求向量的交叉环物流调度进行优化分析,最后在自主研发的云计算平台上验证了可行性.     

DES分组密码算法设计理论研究初探

随着科学技术的不断进步,计算机和通信技术有力长足发展。用户迫切需要对信息进行安全存储,信息的安全性逐渐成为时代的主体。在这种背景下,现代密码学应运而生。其中,分组密码作为现代密码学的重要分支,在实际应用中发挥着重要作用。本文通过研究分析分组密码的设计原理及其整体结构,并详细阐述了S盒、P置换、轮函数的设计准则及其构造,以及密钥扩展算法的设计等,进而为用户的信息安全提供理论保证。     

基于蚁群算法的应急物流配送车辆调度研究

以车辆配送问题为背景,运用了蚁群算法来求解应急物流配送车辆调度模型。在带有时间窗的基础上考虑应急系统各节点的运输距离和费用构造模型。根据模型的特点,设计了蚁群算法求解方法,并针对蚂蚁路径选择做了改进性分析。实例研究结果表明．蚁群算法在应急物流配送车辆调度问题中具有合理性、可行性和有效性。     

基于蚁群算法的车间生产调度模型的研究与应用

针对面向订单的车间生产调度问题的局限性,结合实际生产情况,建立了订单车间生产调度管理系统,并对调度算法模型进行了深入研究,提出了一种综合运用理想点求模与蚁群算法的订单多目标优化调度方法。以最小化设备资源利用总时间、最小化产品延迟交货总时间为目标,利用蚁群算法对企业生产能力范围内的订单进行多目标优化调度,调度报表为企业实际生产提供指导。该系统和方法在某重型机械集团公司进行应用,体现了减少劳动力投入、缩短生产周期的效果。     

基于粒子群算法的应急物流配送车辆调度研究

结合应急物流配送的车辆优化调度问题,根据应急物流配送的突出特点,对应急物流配送车辆调度路径优化进行了探讨。并建立应急物流配送车辆调度模型,用粒子群算法对车辆的配送路径进行优化。最后通过对实例的分析,验证了本文所提出的模型、算法具有合理性和可行性。     

基于蚁群算法的多车型物流车辆调度研究

文章对于物流车辆调度进行研究,根据在实际运营中,公司拥有多种车型车辆进行物流配送的特点,运用蚁群算法进行调度研究,建立总成本最小的目标函数,并通过仿真算例得出模型的可行性,体现了模型假设的优势,为物流企业车辆调度提供想法和思路。     

制造业的车间调度问题优化算法比较研究

目前,制造业的竞争日益激烈,在企业的日常运作过程中,会经常遇到各种各样的复杂的调度问题,车间生产调度问题解决的好坏直接影响着企业的运作效率和最终的客户满意程度,最终影响着企业对市场的反应能力和竞争力。因此,调度问题已经成为运营管理领域的一大研究热点。大量的学者研究生产调度优化问题,采用了各种优化方法。文章综述了车间生产调度问题的各种优化方法,对其发展历程、优缺点、适用性等都作了详细的说明,并对它们作以比较分析,从而找到最适合现实状况的优化方法。     

基于蚁群算法的飞机加油车辆调度问题研究

飞机加油是停机坪地面保障作业的重要环节,能否对飞机按时按量的完成加油作业的关键因素在于对飞机加油车辆的合理调度,因此对飞机加油车辆调度的研究是十分有意义的。本文首先对飞机加油车辆的类型、功能、行驶过程及其注意事项做了简单的介绍,然后根据车辆调度的基本模型对飞机加油车辆调度的模型进行了比较具体的描述,文章最后用蚁群算法对某机场3个小时内飞机油罐加油车辆行驶情况进行仿真计算,希望通过对该模型的仿真优化计算,为机场加油车辆运行提供一种可行优化算法。     

基于免疫粒子群算法的应急物流配送车辆调度研究

以应急物流为背景,通过分析应急物流车辆调度问题的特点,在满足时间限制条件的基础上充分考虑车辆的载重和体积的限制,建立以运输距离最短和运输车辆最少的双目标车辆调度模型,并用免疫粒子群算法实现对模型的求解,来验证模型和算法的可行性和有效性。     

城市多网点配送车辆调度模型与算法研究

通过对城市多网点车辆调度特点的深入分析和研究,建立了追求总体效益最优的多网点车辆调度多目标决策模型,并设计了求解该模型有效的启发式算法。     

基于蚁群算法的紧急定制型供应链订单调度研究

在工作实践的基础上,从供应链调度的角度,对紧急定制订单的形成机理、基本特征进行分析。在此基础上总结了对紧急定制订单的优化起主要制约作用的三大瓶颈问题,提出了有针对性的缓解方法,以紧急订单的及时满足和供应链生产成本最低为目标函数,寻求最优调度策略。最后,采用一个实际案例验证了本文优化思路和模型构建的合理性和可行性。     

云计算环境下的物流资源调度算法研究

针对系统处理大规模物流调度信息能力不足的情况,提出了一种基于云计算环境下的物流资源调度优化模型对问题进行求解.在云计算环境下处理订单信息、车辆调度信息,并针对所有订单生成最合理的配送方案,通过对物流主要资源配送车辆的调度研究,建立配送路径算法模型以及最小配送成本算法模型,作为物流资源调度方案的解决策略.通过仿真结果表明,该算法能有效处理大量的物流资源调度信息,同时缩短计算求解时间.     

基于粒子群算法的预制构件生产调度优化应用研究

随着国家经济建设绿色化、低碳化的要求,装配式建筑也成为建筑结构体系重要的一部分。大量的建设需求使得混凝土预制构件的种类和数量持续增多,使得在预制构件的生产过程中调度越来越复杂。本文通过建立预制构件生产的约束条件,利用粒子群算法对预制构件的生产调度进行优化。通过实际案例验证预制构件生产线的任务分配,证明通过调整预制构件的生产工序可以缩短构件的生产周期,提高预制构件的生产效率。     

电力市场环境下的节能调度模型研究

传统的经济调度模型通常只考虑购电费用和污染物排放,很少考虑到总体能源消耗。在经济调度基本模型的基础上,本研究充分考虑了电力市场中的交易因素、环保因素以及能耗因素,通过定义环保价格系数和能耗价格系数,在污染物排放、能源消耗和价格之间建立直接联系,提出了一种综合考虑能源节约、环境保护和经济效益的节能调度模型。通过在经典的六机系统上进行验证,证明该模型充分兼顾节能、环保的性能。     

电力市场环境下的节能调度模型研究

传统的经济调度模型通常只考虑购电费用和污染物排放,很少考虑到总体能源消耗。在经济调度基本模型的基础上,本研究充分考虑了电力市场中的交易因素、环保因素以及能耗因素,通过定义环保价格系数和能耗价格系数,在污染物排放、能源消耗和价格之间建立直接联系,提出了一种综合考虑能源节约、环境保护和经济效益的节能调度模型。通过在经典的六机系统上进行验证,证明该模型充分兼顾节能、环保的性能。     

物流配送车辆调度路径优化问题算法研究

近年来,我国物流运行总体平稳,物流需求规模保持较高增幅,物流业增加值平稳增长,但经济运行中的物流成本与其他发达国家相比依然较高。车辆调度配送路径优化问题同时涉及能源消耗和废物的排放问题,随着人们对环境问题给予越来越多的关注,因而其一直是国内外研究的热点。同时物流配送车辆调度问题在企业运营中起着重要的作用。文章首先简介了车辆调度问题,然后从研究的精确算法和启发式算法两方面较为详细地论述了国内外有关车辆调度问题的研究现状,总结了研究中存在的问题,并对物流算法的发展进行了展望。