链接：https://blog.csdn.net/weixin_44315848/article/details/123619555

适用于人类的Python作业调度。 使用友好的语法定期运行Python函数（或任何其他可调用的函数）。 一个简单易用的API，可用于调度人的作业。 定期作业的进程内调度程序。 无需额外的流程！ 非常轻巧，没有外部依赖性。 出色的测试覆盖率。 在Python和3.6、3.7、3.8、3.9上测试 用法 $ pip install schedule import schedule import time def job (): print ( "I'm working..." ) schedule . every ( 10 ). seconds . do ( job ) schedule . every ( 10 ). minutes . do ( job ) schedule . every (). hour . do ( job ) schedule . every (

有朋友反映需要这方面的文档，配合之前上传的源码使用

程序能够模拟多部电梯调度，通过输入指令进行运算。可以处理电梯内请求，电梯外请求，顺路捎带，加入停止电梯。用java实现的，内有java工程，还有一份输入输出样例。

要求给出一种作业调度方案，使所给的n个作业在尽可能短的时间内由m台机器加工处理完成。约定，每个作业均可在任何一台机器上加工处理，但未完工前不允许中断处理。作业不能拆分成更小的子作业。

传统集中式调度方法难以满足高渗透率分布式电能资源接入背景下电力系统经济调度的需求，分布式经济调度方案因具有可靠性高、可扩展性强、通信计算负载均匀等特点得到了越来越多的关注。对电力系统分布式经济调度方法的国内外研究现状进行了综述，重点阐述了一致性算法的原理、应用及成为分布式经济调度主导算法的原因。比较了集中式和分布式经济调度系统及问题的求解过程，分析了分布式经济调度实现过程的关键环节，并对现有关键问题解决方法的优缺点进行了评述，分析了电力系统分布式经济调度方法研究中有待解决的问题并提出了未来可进一步研究的方向。

matlab开发-单工经济调度。程序计算经济成本和单位的生成，简单的lambda迭代法，无损失

针对云计算任务调度问题，结合粒子群优化(PSO)算法的种群个体协作和信息共享特点，提出一种基于离散粒子群优化(DPSO)的任务调度算法。采用随机方法生成初始种群，利用时变方式调整惯性权重，并在位置更新中使用绝对值取整求余映射法进行合法化处理，提高PS0算法的离散化程度。搭建并重新编译了CloudSim云计算仿真平台进行实验，结果显示，当迭代次数为200时，DPSO、PSO、GA算法的所有任务最终调度时间分别为457．69 s、467．90 s、472．41 s，从而证明DPSO算法能够有效解决云计算环境下

该软件包含两个示例 gatest.m 和 gatest.1。通过运行默认文件夹中的程序。 可以确定分配的最小燃料成本和传输损失。 % 示例系统摘自 Haadi Sadaat 教授的《电力系统分析》一书示例 7.8 % 数据矩阵应该有 5 列燃料成本系数和工厂限制。 % 1.a ($/MW^2) 2.b $/MW 3.c ($) 4.下限(MW) 5.上限(MW) %no of rows 表示植物的数量（n） % x=[0 0] 全局数据 B B0 B00 Pd 数据=[0.008 7 200 10 85 0.009 6.3 180 10 80 0.007 6.8 140 10 70]； % 损失系数它应该是大小为 nXn 的方阵，其中 n 是% 植物B=.01*[.0218 .0093 .0028;.0093 .0228 .0017;.0028 .0017 .0179]; B0 = [

比较简单的C程序，能够实现队列的先来先服务