基于MILP的云计算数据中心扩张策略优化模型

随着云计算系统的日益发展,云服务提供商需要对大规模数据中心进行不断扩张,为此,提出一种基于混合整数线性规划(MILP)的数据中心扩张策略优化模型.综合考虑了流量负载、能耗、电力成本、土地成本、税率、服务器利用率等多种约束,构建MILP模型,在满足用户的服务级别协议(SLA)下,求解最优扩张策略,使服务商利润最大化.其中,扩张策略包括扩建现有数据中心和在何时何地新建数据中心等措施.仿真实验结果表明,该模型能够根据实际情况获得最优扩张策略,提高了利润.     

基于MILP模型的无线Mesh网络多径路由优化方案

针对多接口多信道无线Mesh网络(WMN)中多径路由优化问题,提出一种基于混合整数线性规划(MILP)模型的多径路由优化方案.首先,利用Select xfor less than x拓扑控制算法构建网络连接图.然后,利用MILP模型,在考虑链路容量、节点度约束和链路流量下,构建链路负载均衡的多径路由.另外,利用图着色理论分配信道,形成完整的WMN模型.实验结果表明,该方案具有较高的网络吞吐量和较低的端到端延迟.     

基于量子粒子群的信赖域算法

通过量子行为能增强粒子的全局寻优能力,引进了量子粒子群算法(QPSO),用于求解信赖域(TR)算法的子问题,并将这2种算法有效结合.数值实验表明,新算法具有良好的全局寻优能力,并有效提高收敛速度和避免早熟.     

基于量子粒子群优化支持向量 回归算法计算煤层气体含量的预测

煤层气是近一二十年在国际上崛起的洁净、优质能源和化石能源的新矿种,其地质研究对能源的补充意义重大.该文对煤层气的含量提出基于量子粒子群优化的支持向量回归算法进行预测.支持向量回归算法是一种非线性的基于内核的回归方法,它可以采用良好的函数逼近,并具有泛化能力.由于支持向量回归算法的参数对预测性能影响很大,量子粒子群优化在本研究中可用于选择支持向量回归算法参数.本文选用基岩深度,煤层的厚度,断层间的水平距离,煤的挥发分作为煤层气含量的预测模型的输入向量,经过比较量子粒子群优化的支持向量回归算法和支持向量回归算法之间的煤层气体含量的预测误差表明,量子粒子群优化得到的煤层气体含量的预测精度均高于支持向量回归算法的精度.     

基于群智能和机器学习的分布式生产调度算法研究

传统的算法对分布式生产调度的求解难度非常大,而且收敛速度慢、解质量差。由此,本文以分布式装配流水车间为研究对象,尝试使用群智能和机器学习联合算法对其进行求解,并在构建分布式生产调度模数学模型中引入动态订单决策和历史订单分析学习等动态条件,进而使联合算法的优化解贴近实际生产情况。最后,采用分布式车间调度仿真软件进行建模仿真,验证优化结果的可行性。     

Multi-radio无线网络中基于协议冲突模型的功率分配算法研究

为了提高无线Ad hoc网络中的Multi-radio Multi-channel利用率,最大化全网吞吐量,提出了一种基于协议冲突模型的功率分配算法- LPCA.LPCA首先利用整数线性规划方法得到了最小功率下所有链路并行传送数据所需的最小信道数,然后又分别估计了相同功率和混合功率下Multi-radio Multi-...     

基于自适应变异因子策略的混合蛙跳算法

由于基本混合蛙跳算法在对问题的优化求解中存在着收敛速度慢、优化精度低且容易陷入局部最优等问题,因此提出了一种新的混合蛙跳算法。对基本混合蛙跳算法的组内更新策略进行重新设计,引入自适应变异因子来控制青蛙的移动步长;在算法中将改进的粒子群优化算法有机地嵌入其中,这样算法在搜索过程中就增加了发现新解的概率,维持了种群的多样性,从而使算法不易陷入局部最优。通过对标准函数进行优化测试,结果证明其具有良好的优化性能。     

一种基于向量差的粒子群优化模型

针对传统粒子群优化技术存在易陷入局部最优解而导致的收敛速度变慢、多样性差的缺点,对参数设置进行研究,并提出一种基于向量差的粒子群优化模型,将2个随机选择的不同向量差加权到粒子速度更新公式中,能够使粒子摆脱局部最小值而向全局搜索.经对几个典型函数的测试,表明该模型效果较好.     

动态环境下混合生产的Makespan调度方法

针对动态生产环境下混合生产的最小完工时间(Makespan)调度问题,借鉴于预测控制的思想,用滚动优化的原理求解.提出可操作集的概念,将动态环境下的调度问题合理分解,并将所得的子问题规范化,并给出适用小规模问题的基于混合整数规划的算法,对于较大规模的问题给出快速收敛的启发式算法.仿真算例表明方法的可行性.     

基于混合互信息和改进粒子群优化算法的医学图像配准

为提高医学图像辅助诊断的配准精度和收敛速度,提出了一种基于混合互信息和改进粒子群优化算法的医学图像配准算法,在每步迭代中,先用基于Renyi熵的互信息结合改进粒子群优化算法对图像进行全局搜索,然后对当前得到的最优解使用基于Shannon熵的Powell算法进行局部寻优。实验结果表明,该算法在收敛速度和精度方面都优越于其他配准算法。     

基于改进粒子群算法优化策略的核极限学习机方法研究

本研究通过对核极限学习机的原理进行分析,确定优化参数,分析粒子群算法的基本原理,并对多种改进的粒子群算法进行研究,通过基准测试函数对6种算法的优劣进行分析。笔者选取综合学习粒子群算法为优化核极限学习机的基本框架,并将线性递减惯性权重和综合学习粒子群算法进行结合,用于改进粒子群算法易陷入局部最优的问题,从而实现对核极限学习机的参数优化。     

基于粒子群算法的珩磨加工参数优化研究

粒子群算法具有计算简单,收敛速度快和良好的全局与局部收敛能力等特点.通过对珩磨加工工艺参数的分析,构建了基于粒子群算法的珩磨加工参数智能选择模型,在理论模型的基础上通过实验数据对模型参数进行了优化.研究证明该方法用于珩磨加工工艺参数的选择具有可靠性高、选择操作简单、实用性强等优点.     

基于混沌思想的粒子群优化算法

为克服粒子群优化算法容易陷入局部最优的缺点,根据混沌运动的随机性、遍历性特点,提出一种基于混沌思想的粒子群优化算法(CPSO).该算法利用种群适应度方差进行早熟收敛判断,实现对进化过程的监视,当发现种群陷入局部最优时,对种群进行混沌初始化,帮助种群摆脱局部最优点.对4种典型测试函数的仿真结果表明,改进算法明显减少了种群陷入局部最优的可能性,其全局寻优能力明显强于标准粒子群优化算法.     

基于动态罚函数的PSO-CO算法

本文分析了协同优化算法中所存在的问题,采用动态罚函数的解决思路,对系统级中的一致性等式约束问题进行改造,使其成为一无约束问题.另外,提出不同学科分配不同的惩罚权重的方法,大大提高了计算精度.同时,以粒子群算法替代了原有的求解算法,消除了初始解对优化结果的影响,也改善了算法的整体求解速度.在Matlab软件中实现该算法的运行,同时通过两个典型算例对该算法进行验证,表明其具有较好的优化性能.     

数据 模型混合驱动的配电系统灵活性优化调度

针对光伏等新能源发电的波动性,提出了考虑需求侧资源作为灵活性供应的配电系统优化调度方法首先,分析了配电系统优化框架及灵活性平衡机理,针对需求侧资源规模大、容量小的特点,提出了基于虚拟电池模型的需求侧资源聚合模型;其次,提出了数据驱动的需求侧资源模型参数评估方法,构建了基于参数评估的需求侧资源聚合优化模型,提出了涉及需求侧资源主动调节的配电系统灵活性优化调度方法;最后,通过实际数据进行算例分析,结果表明,所提数据 模型混合驱动的配电系统灵活性优化调度方法可以有效降低系统的运行成本,并有利于缓解系统的净负荷峰谷差     

融合IWT与SVD的鲁棒和隐蔽性数字图像水印方案

针对数字图像水印的鲁棒性和隐蔽性问题,提出一种基于整数小波变换(IWT)和奇异值分解(SVD)的图像水印方案.首先,利用整数小波变换将宿主图像变换到小波域.然后,在获得的每个频带上进行奇异值分解,并根据比例因子将水印嵌入奇异值中.最后,在权衡考虑鲁棒性和隐蔽性下,利用粒子群优化(PSO)算法获得最优的比例因子.实验结果表明,该水印方案对常见的图像处理操作具有较好的鲁棒性,同时保持了优良的隐蔽性.     

基于博弈论和粒子群优化的移动边缘计算任务卸载方法

移动边缘计算（mobile-edge computing, MEC）是一种新兴的计算范式,移动设备可以通过将计算密集型任务卸载到边缘服务器上来降低本地计算能耗和计算时延。首先,该文研究了在微蜂窝基站密集区域场景下的多移动设备独立任务集计算卸载问题,其中每个微蜂窝基站配备了一个计算性能有限的MEC服务器。为了尽可能地降低移动设备的任务集计算能耗和计算时延,使用博弈论的方法将该问题建模为一个非合作多移动设备计算卸载策略博弈。通过对该博弈的分析,证明了其纳什均衡的存在性和有限改进性。然后,设计了一个基于博弈论的分布式计算卸载算法（game theory based distributed computation offloading algorithm, GDCOA）,并在GDCOA中引入了一个基于粒子群优化（particle swarm optimization, PSO）的移动设备任务集卸载策略改进算法（PSO based improving computation offloading policy algorithm, PSOIPA）。GDCOA在有限次迭代后可以达到一个均衡状态。最...     

基于神经网络PID的SMA丝恒输出力控制方法

为了实现形状记忆合金（shape memory alloys, SMA）丝的恒输出力控制,提出了一种基于粒子群优化神经网络比例积分微分（proportion integral differential, PID）的恒输出力控制方法,在研究SMA丝自感知电阻阻值和输出力、SMA丝温度对应关系的基础上,采用SMA丝电阻作为系统反馈,利用粒子群算法和神经网络算法对PID的参数进行优化,实现了SMA丝的恒输出力精确控制,与传统PID控制相比,降低了超调量,提高了响应速度。     

基于粒子群优化算法的像素级图像融合

多传感器的像素级图像融合中，如果对源图像进行线性运算以得到融合图像，源图像的置信度取值一般只能由经验和个人主观感觉来确定，并不能得到令人满意的融合效果．本文针对这一问题提出了一种基于粒子群优化算法的像素级图像融合的算法．该算法可以根据融合的目的采用不同的融合指标，应用粒子群优化算法得到比较满意的融合图像．实验结果表明该算法优于其它的几种像素级图像融合算法．     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.