基于改进粒子群算法的云计算服务部署优化

针对云计算资源有限,传统穷举搜索算法求解效率低的问题,提出一种基于改进粒子群算法的云计算服务部署优化方法.首先对云计算服务部署问题进行分析,将其转换成一个多目标组合优化问题,并建立相应的数学模型;然后采用全局搜索能力强的粒子群算法对数学模型进行求解,并针对标准粒子群算法收敛速度慢、存在早熟现象进行改进;最后通过仿真实验验证其可行性.实验结果表明,该方法可以快速找到最优的云计算服务部署方案.     

非线性混合整数规划问题的改进量子粒子群算法

提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。     

改进混合离散粒子群的多种优化策略算法

针对离散粒子群算法求解旅行商问题,根据组合优化问题和离散量的特点,改进离散粒子群算法更新的运动方程.对离散粒子群算法分别加入逆转变异优化策略、受蚁群启示的变异优化策略和近邻搜索变异优化策略3种优化变异优化策略,使其成为新的混合离散粒子群算法,最后对3种混合离散粒子群算法进行比较,并剖析仿真结果的本质.结果表明:3种优化策略在不同程度上都提高了离散粒子群算法的总体效果和收敛性能,其中,加入逆转变异优化策略的混合粒子群算法实现简单,时间代价较小;加入近邻搜索变异优化策略的混合粒子群算法不论是在最优值或稳定性方面表现最突出.     

一种改进的候选位置指纹算法的室内定位方法

针对Wi Fi位置指纹定位时由于受到室内环境变化的影响而造成精度严重下降的问题,本文提出了一种基于混合遗传粒子群算法和候选位置指纹的室内定位系统,本系统采用在定位服务阶段选择多个位置指纹作为候选位置指纹,利用遗传算法搜索全局较优的位置指纹组合,并采用粒子群优化算法快速准确地找到最佳的位置指纹。仿真结果表明,基于混合遗传粒子群算法提高了室内定位精度,可以快速精确地搜索到最佳位置,同时减小了遗传算法时延较大的缺点,避免了局部最优解问题。     

基于动态和谐搜索的混合粒子群优化算法

针对粒子群优化算法随维数增大群体多样性相对减小而早熟收敛的问题,在对和谐搜索算法进行适应性改进的基础上,将其引入粒子群算法中,提出一种动态和谐搜索混合粒子群优化算法(DHSPSO).该方法使得粒子在搜索初期更具遍历性,降低算法对初始值的敏感性,并通过和谐搜索算法搜索的随机性和优胜劣汰机制改善粒子群的多样性,使得算法具有更快的收敛速度与更好的全局搜索能力.以多个标准测试函数优化进行仿真测试,结果表明,DHSPSO算法在进行高维优化问题时,在寻优速度、精度和成功率等方面均显示出良好的优化效果.     

粒子群算法在金融风险模型中的研究与改进

在一种非线性金融风险模型中引入粒子群算法,针对粒子群算法在迭代后期搜索能力不高、粒子容易陷 入局部最优的问题,基于对惯性权重的优化以及对每个粒子个体位置变异,提出一种改进后的粒子群算法。 利用粒子群算法选择最优控制参数,以最大程度降低金融系统的总风险值。仿真结果表明,改进后的粒子群算 法在全局最优以及搜索速度方面优于传统的粒子群算法。     

求解服务选取问题的混合蚁群优化算法

为解决大规模服务选取问题,提出了一种混合蚁群优化(HACO)算法.该算法先采用动态skyline服务查询过程过滤抽象服务类相关的冗余候选服务,以大力缩减空间提高查找效率,然后利用聚类设计动态构造图来引导蚂蚁的搜索方向,从而确定局部服务选取的搜索区域;基于已经确定的局部服务选取的搜索区域,利用启发式策略选取具体的组合服务.采用标准的真实数据集和综合产生的数据集对所提的方法进行试验评估,以及和最近提出的相关组合服务算法进行对比.实验结果在解的质量和处理时间方面效果显著.     

基于改进混合粒子群算法的云计算任务调度问题研究

为提高云环境下任务调度效率,同时针对粒子群算法在解决云任务调度存在的缺陷,提出一种改进混合粒子群算法,首先为平衡粒子群算法的全局搜索能力和局部改良能力,对惯性权重进行非线性的动态改良,使之能进行自适应改变;其次为进一步提高其跳出局部最小解的能力,在粒子群算法求解过程中,加入模拟退火算法,使粒子群算法能快速找寻目标最优解.最后通过仿真实验,与传统蚁群算法和粒子群算法进行比较,结果表明所提算法收敛速度快,所用时间短,具备一定的优越性.     

基于精英高斯学习的改进鱼群粒子群混合算法

为提高算法在高维函数上的寻优性能,提出改进鱼群粒子群混合算法。该算法将鱼群算法全局搜索性能好与粒子群算法局部搜索性能强的优点相结合,在寻优初始阶段采用鱼群算法获得最优群体,在后期用粒子群算法实现精搜索。针对初始种群随意性大、分布不均的问题,通过均匀初始化,优化初始种群的分布; 并对算法全局搜索方向性差、效率低的问题,采用仿照蛙跳算法的分组方式对种群进行分组,同时对组内优秀个体和一般个体使用不同搜索策略,提高搜索的目的性和效率。引入改进的精英高斯学习,从而提升最终结果的精度。利用该算法对6 个标准函数寻优并与其他算法比较,结果表明,该算法的改进有效且性能优于其他算法。     

基于改进PSO算法的混合核SVM算法

提出一种基于改进粒子群优化（PSO）算法的优化混合核支持向量机（SVM）算法（ILPSO）, 解决了一般混合核SVM算法很难评定参数选择的问题. 该算法通过限定粒子的速度、 搜索空间和交叉算子等多种寻优策略加强其收敛特性, 得到了参数的最佳组合. 仿真实验表明, 该算法能更快速、 有效地获得参数的最优值.     

一种费用最廉的Web服务动态组合算法

针对现有组合服务选取的算法因其复杂度太高而难以在实际环境中应用,提出了一种 Web 服务动态组合优化算法.该算法利用最优化原则在服务组合图中求解一组执行费用最廉、满足用户需求的 Web 服务.     

一种支持QoS约束的Web服务质量模型

为了满足在组合Web服务中提供服务质量支持，提供有保证的QoS（Quality of Service）的需要，以及针对目前在组合服务中，很少提供对服务质量支持的问题，建立了一个Web服务质量的模型．该模型为所有服务建立了一系列的质量指标，并对它们进行量化，得到量化值．最后在此模型的基础之上，在组合服务中建立了一个服务质量驱动的服务选择机制，从而可以实现所有在组合服务中的服务都是最优的．已经基于Microsoft．NET实现了一个原型系统．     

基于全局QoS约束分解与关联感知的动态服务组合

在Web服务组合过程中,基于全局QoS(quality of service)约束分解的服务组合方法是提高服务组合动态性与灵活性的有效途径。已有的研究工作在进行约束分解服务优化组合时,没有考虑上下游服务之间的QoS关联性,影响了组合的效率与质量,降低了用户的满意度。提出一种基于QoS全局约束分解与关联感知的动态优化服务组合方法,通过改进后的人工蜂群算法将全局QoS约束分解为局部QoS约束;定义上下游服务之间的QoS关联系数,构造一种基于QoS关联感知服务选择的方法,解决了存在关联关系的服务选择问题。实验验证了该方法的可行性和有效性。     

一种面向本体的语义Web服务组合框架研究

语义Web服务是由语义Web和Web服务结合研究的产物,其研究一直在聚焦在语义服务识别、智能处理,以及选择、发现和组合上,很少涉及到语义Web服务组合的框架方面的研究,因此针对这个问题,本文构建一种面向本体的语义Web服务组合框架,从信任保障机制、调度机制、映射系统、反射机制角度建立语义Web服务组合框架结构,并通过在JAVA下开发一个该框架的实验原型的程序集部署在Tomcat上,并以Amazon提供的Web服务数据进行实验表明：该框架有效、可用。     

基于组合的Web服务复杂网络的构建与分析

提出一种以Web服务为节点,服务间的调用关系为边来构建复杂网络模型的方法.通过模型来研究Web服务组合结构中的服务关系,找到大量Web服务中关键的Web服务,增加组合服务的健壮性及可靠性.实验结果证明了该方法的正确性以及有效性.该方法的提出把对Web服务的研究从传统的SOA模型中引领到复杂网络模型中,对Web服务组合的进一步研究具有指导意义.     

一种Web服务组合的数学模型

为了更好地分析和验证Web服务组合,提出了一种描述服务间消息交互的Web服务组合数学模型.首先定义了个体服务形式化模型,并分析了相关性质,然后定义了消息交互的各种逻辑以及服务组合模式,并对消息交互逻辑进行了分析和实现,在此基础上,给出了服务组合模型的定义,并通过个体服务控制器、消息逻辑控制和全局控制算法实现了Web服务组合过程.该模型简洁灵活,具有可扩展性.实例分析表明,该模型能够对服务组合中的消息交互进行模拟.     

基于概率时间自动机Web服务质量的形式化建模分析

针对拓展的Web服务体系结构, 利用概率时间自动机（probabilistic timed automata, PTA）对Web服务组合进行形式化建模, 将Web服务组合的过程理解为一个实时系统的运行过程, 进而对Web服务组合的整体服务质量（quality of service, QoS）进行定量分析, 从而克服了已有Web服务质量研究方式主要集中在对单个Web服务分析评估上的局限性, 在整个分析过程中充分考虑Web服务组合执行过程所具有的随机性和不确定性, 具有较高的可信度. 通过实验说明了建模分析方法的可行性, 并证明了采取相应的服务选择策略有助于提高Web服务组合的成功率.     

一种面向组合服务的语义Web服务发现方法

在分析单一服务的发现方法和多个服务的动态组合方法基础上,提出一种面向组合服务的语义Web服务发现方法,能对语义Web服务进行形式化描述,实现了面向组合服务的语义Web服务注册结构及相应的数据维护算法;并设计一种面向组合服务的Web服务发现算法,该算法可以实现对单个服务的语义检索及对已有组合服务进行快速搜索,从而查找出满足要求的组合服务或组合服务片断,实现对已有组合服务的重用和快速检索.     

基于并发协商的Web服务发现模型

在服务组合中,快速地从众多功能相同的Web服务中发现最优服务是一个实际而又亟待解决的问题. 针对这个问题,提出了一种基于并发协商的Web服务发现模型. 该模型在传统的Web服务发现方法上加入并发协商,先从功能相同的Web服务中发现满足QoS需求的服务,接着使用效用函数选择最优的服务. 最后通过实验得出协商后的效用值明显好于无协商的效用值,且有无协商的算法执行时间相似,验证了模型的正确性和有效性.