基于粒子群算法的云计算资源配置研究

对于云计算而言,虚拟机资源的合理高效配置具有重要意义.该文对粒子群方法进行到云计算资源配置的映射,详细地设计了3个约束条件和目标函数.目标函数中包含了资源利用率和迁移次数2个优化目标,整个虚拟机资源的配置过程设置了8个步骤.实验结果表明:同2种参照方法相比,该文所提出的基于粒子群算法的云资源配置方法完成配置后,不仅资源利用率高、迁移次数低,其迭代过程和迭代时间也令人满意.     

基于思维进化计算的一种广义进化模型

本文在遗传算法 (GeneticAlgorithm ,简记GA)与思维进化计算 (MindEvolution aryComputation ,简记MEC)的基础上 ,提出了一种广义进化模型 (GeneralizedEvolutionaryModel ,简记GEM)。该模型用微演化与宏演化两个过程 ,分别模仿人类的思维学习方式与自然进化 ,并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来 ,从完全意义上模仿了人类的进化。该模型既能有效地克服遗传算法的本质缺陷 ,又能拓展思维进化计算的理论基础及应用范围。数值优化的仿真结果证明了该模型的有效性     

基于行为博弈论的博弈进化算法

为了获得真正意义上实现行为博弈机制的优化方法,在建立博弈进化模型的基础上,设计了基于行为博弈论的博弈进化算法(GameEA),并针对不同的决策境况设计了模仿学习与信念学习算子两种学习模型.GameEA通过得益期望决定所执行的学习操作,通过模仿学习算子实现学习其他个体的目标,通过信念学习算子提升个体基因质量.13个测试问题的实验结果表明:GameEA比StGA,IMGA和DPGA具有更好的寻优能力,并能获得更高精度的解.     

一种进化Agent计算模型

提出了一种具有进化功能的多Ａｇｅｎｔ计算模型。Ａｇｅｎｔ作为自主活动的实体，在求解空间内具有自复制、扩散及死亡等进化行为。通过Ａｇｅｎｔ的不断进化，获得问题的最优解。详细叙述了Ａｇｅｎｔ的进化行为，给出了实现该模型的算法流程，并讨论了该算法在图像边缘检测中的应用。实验结果表明，该模型算法具有快速，高效等优点，特别适用于特征提取及检测问题。     

一种进化Agent计算模型

提出了一种具有进化功能的多Ａｇｅｎｔ 计算模型。Ａｇｅｎｔ 作为自主活动的实体,在求解空间内具有自复制、扩散及死亡等进化行为。通过Ａｇｅｎｔ 的不断进化,获得问题的最优解。详细叙述了Ａｇｅｎｔ 的进化行为,给出了实现该模型的算法流程,并讨论了该算法在图像边缘检测中的应用。实验结果表明,该模型算法具有快速、高效等优点,特别适用于特征提取及检测问题     

基于蚁群算法的云计算资源调度研究

本文针对云计算中资源调度问题进行了研究,提出云计算资源调度的蚁群优化算法,在算法设计中综合考虑了在云计算环境中任务完成时间和计算成本优化问题,建立数学模型,并通过cloudsim平台进行实验仿真测试。验证表明算法模型能使总任务完成时间较短、成本较小,是一种有效的资源调度算法。     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.     

工程咨询企业非正式制度环境的进化博弈论分析

非正式制度是正式制度有效运作的保证，对工程咨询业发展影响重大．本文运用进化博弈论中的复制动态模型和进化稳定均衡分析了有限理性情况下，受不同非正式制度影响的工程咨询企业的进化博弈解，揭示了工程咨询企业非正式制度的长期演化趋势．     

基于改进的粒子群优化的云计算资源调度模型

针对云计算系统中多任务并发模式下引发的资源竞争,本文提出了一种基于改进的粒子群优化的云计算资源调度分配模型,以提高资源利用率.首先,对云计算系统中的资源调度问题进行形式化描述,构建以任务的总完成时间为优化对象的目标函数.其次,求解时采用粒子群优化算法,为保证收敛速度且避免粒子群在搜索过程中陷入局部最优,定义了惯性权重函数.另外,引入一个调整算子以优化位置更新.仿真结果表明,本文提出的资源调度分配模型能够有效提高云计算资源利用率,大幅减少任务的处理时间.     

基于云计算环境的蚁群优化计算资源分配算法

提出一种基于蚁群优化(Ant Colony Optimization)的计算资源分配算法.分配计算资源时,首先预测潜在可用节点的计算质量,然后根据云计算环境的特点,通过分析诸如带宽占用、线路质量和响应时间等因素对分配的影响,利用蚁群优化算法得到一组最优的计算资源.通过在Gridsim环境下的仿真分析和比较,这种算法能够在满足云计算环境要求的前提下,获得比其他一些针对网格的分配算法更短的响应时间和更好的运行质量,因而更加适合于云环境.     

云计算环境下基于热力学演化算法的任务调度与虚拟机分配算法研究

在云计算环境下的云任务调度和虚拟机分配过程建立了数学模型,并将其转换为整数编码形式的组合优化问题,并提出了一种热力学演化算法进行问题求解。算法根据整数编码形式定义了基因熵和个体能量,并引入了温度的概念,算法中提出了两种选择策略,算法利用自由能极小值原理驱动种群向最优化方向演化。实验结果表明热力学演化算法可以有效地解决云任务调度和虚拟机分配问题,可以为云环境调度问题提供依据。     

云计算资源分配策略研究

云计算是一种新型的计算模式,已经成为国际上的研究热点。在介绍云计算的相关概念基础上,综述了当前国内外关于云计算资源分配的研究现状,分析云计算资源分配所面临的关键问题,然后进一步指明云计算资源分配算法的研究方向。     

基于云计算的高校教学资源管理平台的设计

针对高校教学资源建设中存在的资源重复投入、共享困难等问题,为促进教学资源的整合与共享,提高教学资源的管理与应用效率,将云计算技术引入其中。提出了基于云计算的高校教学资源平台架构模型,设计了基于云计算的高校教学资源管理平台,并介绍了平台的功能与业务工作流程。     

基于云计算的政务信息资源整合与服务模式研究

针对政务信息资源管理利用中存在的资源共享利用率低、不同信息源之间的集成、互联互通等问题,基于云计算的相关技术和理念,根据政务信息资源的内容,提出政务信息资源的四个整合层次.在此基础上,设计了"基础设施云"、"数据资源云"、"业务云"、"应用云"等政务信息资源云服务模式,对外提供IaaS、PaaS、SaaS等云服务,实现政务信息资源管理创新模式,提升资源利用效率、协同能力和管理水平.     

云计算中基于拍卖的虚拟机动态供应和分配算法

当前云计算供应商通过定价算法或类似拍卖的算法来分配虚拟机（virtual machine,VM）。针对这些算法大多要求虚拟机静态供应,无法准确预测用户需求,导致资源未得到充分利用的问题,提出一种基于组合拍卖的虚拟机动态供应和分配算法,在做出虚拟机供应决策时考虑用户对虚拟机的需求。该算法将可用的计算资源看成是“流体”资源,且这些资源根据用户请求可分为不同数量、不同类型的虚拟机实例。然后可根据用户的估价决定分配策略,直到所有资源分配完毕。基于并行工作负载存档（parallel workload archive,PWA）的真实工作负载数据进行了仿真实验,结果表明该方法可保证为云供应商带来更高收入,提高资源利用率。     

Cross-layer resource allocation based on potential game theory in multi-cell OFDMA networks

A cross-layer resource allocation scheme based on potential game （CLRA _ PG） is proposed for the downlink multi-cell orthogonal frequency-division multiple-access （OFDMA） system with universal frequency reuse.As a method to mitigate inter-cell interference （ICI）,base station coordination has been considered.In the process of the objective function modeling,this paper adopts a pricing mechanism which not only maximizes the individual utility but also considers the interference to other users.Based on the potential game theory,the objective problem is converted to a potential function which can be easily solved.The Karush-Kuhn-Tucker （KKT） conditions and the iterative water-filling algorithm are employed to solve the constraint objective optimization problem.Moreover,extensive simulations are conducted to evaluate how the pricing factors affect the algorithm.At the same time,comparing with the traditional policy,our simulation results show that the proposed scheme can significantly improve the performance of the system.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

Stackelberg博弈的MEC资源分配策略

移动边缘计算(mobile edge computing,MEC)通过在网络边缘部署计算资源成为缓解终端设备资源匮乏的有效方案。针对设备计算资源无法满足任务需求的问题,提出一种基于Stackelberg博弈的MEC资源分配策略。该策略应用Stackelberg博弈理论将请求方、协作方的卸载过程描述为效用最大化问题以激发双方的协作积极性,并设计一种基于粒子群的Stackelberg博弈算法,以快速获得该优化问题的最优解。同时,由于区块链具有分布式、不可篡改等特性,出于对安全性的考虑,将其应用于协作过程的管理。实验结果表明,所提策略可以实现双方联合效用最大化,且相较于遗传算法的卸载方案;所提算法具有更快的收敛性能。     

基于偏好序的多事故应急资源调配博弈模型

应急资源调配是应急决策和应急响应的重要内容。为解决多个事故的同时存在时应急救援中资源调配问题,设计了一种改进的基于偏好序的效用函数,用以刻画各事故得到救援的及时性和有效性。将多事故资源调配问题描述为完全信息非合作博弈过程,利用G am b it软件,求解该博弈过程的N ash均衡,得到资源分配方案。综合了考虑事故严重程度、响应时间、救援可靠性等多个优化目标和影响因素。结果表明:该方法能合理有效地解决多事故点的应急资源调配问题,为应急辅助决策提供必要的支持。