一种粒子群结合遗传算法(PSO-GA)的云计算任务调度方法

针对云计算服务集群任务调度和负载平衡的优化问题,提出一种粒子群结合遗传算法(PSO-CA)的云计算任务调度方法。PSO-GA算法在遗传算法的基础上对种群进行分隔,用粒子群算法来构造变异算子,避免了变异算子的随机性和盲目性,很好地保持种群的多样性,克服了早熟现象。在Cloudsim平台进行模拟测试。实验结果表明,与同类算法相比,该调度方法能够缩短云计算下任务执行总时间,提高资源利用率。     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

遗传算法过早收敛现象的特征分析及其预防

通过引入种群早熟集和种群多样度的概念，分析了遗传算法中过早收敛现象的起因与特征。阐明了杂交过程的成熟化效应是引起遗传算法过早收敛的主因，而遗传算法过早收敛的过程特征表现为种群序列多样度的单调减少及种群分量为零的个体适应比的偏差渐趋于１／２。依据所作的理论分析，提出了一种可以预防和克服过早收敛的新型遗传算法，并从理论上证明了该算法依概率收敛到全局最优动态。     

一种基于Bayes信任模型的可信动态级调度算法

提出了一种基于信任机制的任务调度模型，该模型通过借鉴社会学中的人际关系信任模型，建立网格节点间的信任关系，利用Bayes方法对节点的可信度进行评估，将节点的可信度并入DLS算法得到可信动态级调度（Trust-DLS）算法．仿真结果证实，提出的Trust—DLS算法能以较小的时间花费为代价，有效提高应用任务在可信方面的服务质量需求，保证网格环境中任务安全可信的执行。     

TD_LTE移动终端NC系统VAD模块的改进和实现

经过详细研究信号和噪声时频域的不同特性，提出了一种改进的VAD算法。改进前的VAD算法是一种静态的语音停顿周期检测算法，在信噪比很低时，检测性能变差；改进后的VAD算法在信号的全频带，低频带和高频带动态跟踪信号的短时功率包络，多次门限比较后，当出现语音停顿周期时，将做出基于帧的判决。为了验证改进VAD算法在TD_LTE手机NC系统中的应用能力，测试了在不同噪声、不同信噪比情况下的NC系统指标，并与传统NC系统做了比较。经评测，含新VAD算法的改进后NC算法能提高信噪比，并帮助TD_LTE移动终端顺利通过入网测试。     

遗传算法与最小元素法相结合在物流中心选址中的应用

针对单一品种货物的物流中心的选址问题，采用一种将单亲遗传算法与最小元素法相结合的方法来处理此类问题，并且对遗传算法做了相应的改进，为了避免遗传算法的“早熟”现象，提高收敛速度，采用优化初始种群，自动调整交叉率和变异率的方法。采用这种混合算法的好处是削弱遗传算法的随机性，加快收敛，使算法的效率得到了提高。     

自适应混沌克隆进化规划算法

结合混沌和抗体克隆选择学说，提出一种新的人工免疫系统算法——自适应混沌克隆进化规划算法．新算法基于Logistic混沌序列；利用个体质量、进化代数和个体分布情况构造混沌变异算子；通过Logistic混沌序列自适应调整变异尺度，理论分析和仿真实验表明，与标准的遗传算法和采用随机变异的克隆选择算法相比，该算法收敛速度快，求解精度高，稳定性好，并有效抑制了早熟现象。     

基于GSFLA的电力系统谐波估计算法

针对非线性动态负载引起的谐波难于检测的问题，提出了一种新的谐波估计算法。该算法借助蛙跳算法（SFLA）的全局搜索性对未知参数进行优化估计；引入高斯分布估计算法（GEDA）的思想，对蛙群中适应度好的蛙进行分布估计再生，提高收敛速度；结合进化代数改进蛙跳规则以改善局部搜索性能。实验仿真数据显示，与PSO算法相比，振幅平均估计精度提高了5．3％，相角平均估计精度提高了4．7°。研究表明，该算法（GSFLA）用于电力系统的谐波估计有更快的收敛速度和估计精度。     

BLAST结构ML检测简化方法分析

MIMO无线通信系统中，BLAST结构ML检测性能优于其他检测方法，但这是以增加检测复杂度为代价的．文中提出一种ML的简化算法——RML算法，该算法使用ML和ZF联合检测，理论分析及仿真均表明，在检测性能相同的情况下，RML复杂度比ML的复杂度要低很多．     

弱偏好序下存在租客的房屋匹配问题机制设计

已知一房屋集合和一个体集合(房屋数不小于个体数),房屋匹配问题要求根据个体对房屋的偏好,为每一个体分配一个尽可能满意的房屋,使得匹配具有互利性和稳定性.此类问题目前主要研究个体均具有初始分配或均无初始分配这两种情形,且个体对房屋具有严格的偏好序.本文研究一类一般化的房屋匹配问题,即个体对房屋有弱偏好序,且只有部分个体具有初始分配的房屋.基于Shapley和Sacrf的首位交易环算法以及相关的改进算法,设计了求解此一般化问题的扩展首位交易环算法(extended top trading cycle algorithm,ETTC),并证明了由该算法所确定的首位交易环机制满足Pareto有效性、个体理性和防策略操纵性.ETTC算法的时间复杂度为O(n3m),其中n为个体数,m为房屋数.ETTC算法复杂度低于近期已见发表的代表性算法TTAS和TCR.     

基于高阶累积量和瞬时特征的调制识别算法

从特征参数提取角度出发，提出了一种基于高阶累积量和瞬时特征的信号调制识别算法。该算法从调制信号高阶累积量中提取出稳健的特征参数，并结合改进的瞬时特征参数，采用决策树的方法对信号进行调制识别。与传统决策论识别算法相比，本算法特征参数较少，识别类型多。最后仿真结果表明，该算法在较低信噪比下具有很好的识别率（〉95％）。     

基于树的不确定数据频繁项的挖掘算法研究

本文针对UF-growth算法在构建环节的不足,提出了一种改进的映射频繁项树PUF-tree算法。该算法基于数据库映射技术,通过改进原算法的构建过程,能在一定程度上消除原算法的性能瓶颈,提高算法的效率。     

一种基于图像边缘的鲁棒水印算法

本文基于图像的边缘，提出一种鲁棒水印算法．该算法使用Prewitt检测算子对载体图像进行边缘检测，并对边缘点进行选取，将水印信息嵌入在边缘点像素处的梯度方向上．由于人类视觉感知在图像边缘处的掩蔽效应，同时由于图像边缘的感知重要性和在图像处理中的稳定性，使得本文算法在不可见性和鲁棒性方面具有较好的效果．本文从理论上分析了算法抵抗攻击的能力．并在试验中得到了验证．同时结合人类视觉感知的掩蔽效应．提出了一种客观评价图像质量的方法．试验中对该方法进行了验证，并表明本文算法在该方法下具有较好的不可见性．     

计算网格环境下基于多址协同的作业级任务调度算法

计算网格下多管理域机群互连为作业级任务协同调度创造了机遇，同时在协同性、异构适应性、网络适应性和算法可扩展性方面对传统的作业调度模型与算法提出了新的挑战．通过引入网格环境下作业级多址任务调度模型与性能模型，提出多址任务协同调度算法框架．以最优和贪心资源选择策略为核心，提出两种作业级多址协同调度算法．同Sabin与Yahyapour等人提出的单址与多址协同算法进行实验对比，验证了调度模型与算法的有效性与先进性．     

基于PSO算法改进的ANFIS在织物染色配色中的应用研究

本文研究了PSO（粒子群优化）算法及一种用于织物染色配色的自适应模糊神经网络（ANFIS），提出了基于织物染色配色的粒子群算法改进的ANFIS配色模型，并进行了仿真试验。从仿真试验的结果看，该配色模型收敛速度快，精确度较未改进的ANFIS模糊神经网络有明显的提高，在解决织物染色配色问题上取得了令人满意的配色效果。     

基于粗粒度单元的离群点检测算法研究

对现有的基于单元的算法进行改进，利用KNN算法思想得到距离与比例参数的合理先验值，以加快离群点检测的收敛速度；同时通过扩大单元粒度，减少了单元区域查询次数与算法的空间复杂度，从而在整体上提高了离群点的检测效率。通过实验，验证了改进后算法的可行性，同时比较了其与原算法在不同参数下的性能优劣。     

SMP机群系统上优化通信的并行任务调度

讨论了在SMP机群系统上用于通信优化的并行任务调度问题. 首先对该问题进行了形式化描述,并将其转化为图划分问题MMP,证明了该问题是NP完全问题,然后提出了启发式算法MMP-Solver. 实验结果表明,针对SMP机群系统对并行程序进行任务调度用以优化通信是很有意义的,MMP-Solver的优化效果优于现有算法.     

基于改进型差分进化算法的机组负荷经济分配

在分析差分进化算法(DE)的基础上,提出一种基于"DE/target-to-best"控制策略的改进型差分进化算法(IDE),该算法采用上一代进化过程中种群中最优矢量替代DE算法中上一代最终产生的矢量作为变异操作矢量的IDE算法,避免了DE算法可能陷入早熟或者收敛速度下降等问题。将该算法用于解决机组负荷经济分配,计算机仿真测试表明,在考虑电机组燃油、阀值效应等情况下,运用IDE算法的费用消耗最低,算法整体性能表现比GA、PSO、DE算法优越。     

基于流形鸽群优化的智能合约重入性漏洞检测方法研究

重入性漏洞在智能合约中普遍存在,可能造成巨大的经济损失.现有的基于符号执行的静态分析工具通过预设的规则判断漏洞是否存在,然而预设规则不全面可能会导致重入性漏洞的误报.为了避免误报,本研究尝试从软件测试用例生成的动态分析角度解决这一难题.本文将该应用场景抽象为存在重入性循环路径的路径覆盖测试用例自动生成问题,通过生成并执行覆盖重入性循环路径的测试用例来检测重入性漏洞.以鸽群算法为代表的群体智能算法是求解测试用例生成这类黑盒优化问题的常用方法.鸽群算法在整个决策空间内围绕种群最优解邻域搜索,然而,问题的最优解可能并不在该邻域内,导致路径覆盖率较低.为了提升鸽群算法的路径覆盖率,本文将利用流形启发式算子改进鸽群算法,使其分配更多的算力搜索与优化目标相关的子空间,从而提升鸽群算法求解效率,覆盖重入性循环路径.实验结果显示,改进后的流形鸽群算法能够更加高效地生成覆盖重入性循环路径的测试用例,检测出被测合约的重入性漏洞.与Oyente, Securify和Smartcheck这三个智能合约测试工具相比,本文提出的方法能够有效避免重入性漏洞的误报,在实验的8个被测试智能合约中重入性漏洞识别准确率分别...     

基于加权最小二乘的无线传感器网络Euclidean定位算法

针对Euclidean定位算法中定位精度及覆盖率受锚节点密度影响较大的问题，提出一种改进的节点定位算法。根据节点初始定位精度及测距精度提出一种新的加权方法。定位后的节点升级为辅助信标点。未知节点根据更新的锚节点位置信息循环求精。仿真表明该定位系统既能提高定位覆盖率又能减少定位累积误差，从而提高整个网络的定位精度。