基于云模型的细菌觅食优化算法

针对细菌觅食优化算法收敛速度慢、容易陷入局部极值点出现早熟的问题,提出一种新的基于云模型优化的细菌觅食优化算法.首先给出了细菌灵敏度的概念,结合云模型随机性和稳定倾向性的特点,运用了X条件云发生器来调整细菌灵敏度,控制游动步长,进行了趋向性操作和复制操作,改进了标准的细菌觅食优化算法,提高了算法的收敛速度.然后利用正向正态云发生器,修正非线性自适应的迁移概率,进行了迁移操作,增强了算法的全局寻优能力.将该算法应用于自动组卷系统中,与遗传算法进行实验比较分析,结果表明:该算法的收敛速度与优化质量均优于遗传算法.     

改进的细菌觅食算法

为提高细菌觅食算法的性能, 将免疫算法与细菌觅食算法融合, 利用免疫算法的克隆选择思想代替细菌觅食算法的复制操作; 在趋向性操作中, 随着迭代的进行, 逐步缩小细菌运动步长, 在保证细菌收敛性的同时增强细菌的全局搜索性能; 改进迁移操作, 保证适应度值最高的细菌不被驱散, 以提高收敛精度。仿真表明,优化后的算法得到最优值比BFA(Bacterial Foraging Algorithm)的最优值更靠近函数的最优值, 证明其寻优能力更强, 且3 个函数的方差均小于BFA 的方差, 证明其稳定性也更好。     

一种改进的细菌觅食优化算法

针对细菌觅食优化算法存在收敛速度慢、寻优精度低、易陷入局部最优等缺点,提出了一种改进的细菌觅食优化算法。改进原有固定步长的游动方式,引入自适应步长调整策略,提出了基于非线性递减的余弦自适应步长;改进细菌位置的更新方式,借鉴人工蜂群的方法,采用混合的更新方式;改进优胜劣汰的选择标准,保留最优个体,对复制后的父代个体引入杂交算子;改进迁徙方式,提出种群进化因子,防止进化停滞不前。将本文算法用于经典函数以及PID参数整定测试,仿真实验结果验证了该算法的有效性。     

连续优化问题的细菌觅食改进算法

为更有效解决连续优化问题,提出了一种基于群体搜索的群智能优化算法———细菌觅食算法.该算法模拟了细菌觅食全过程,并对细菌个体的初始化、趋化操作中的搜索步长和搜索方向进行了改进.改进后的算法有效避免了算法陷入局部最优,而算法中采用的搜索步长,进一步提高了优化的收敛速度.经大量实验仿真表明,细菌觅食算法能够有效地求解连续优化问题.将仿真结果与其它算法对比,证明了细菌觅食算法的搜索质量优于其它算法.     

基于细菌觅食算法的排班智能优化

智能排班问题是极为复杂的组合优化问题。它包含了劳动法约束、员工层级、不同层级的工资策略、不同班次的工资策略、资源需求等复杂因素。我们以南昌某医院护士排班智能优化为例,选取了基于细菌觅食优化的算法来为此类问题进行优化求解。为了提高算法的搜索能力,将信息交流机制加入到细菌在趋化过程中的翻转方向选择上,研究了基于四种静态拓扑结构和一种动态拓扑结构的邻域结构下的细菌觅食优化算法。     

面向云数据中心资源均衡分配需求的聚类调度算法研究

针对云数据中心资源利用率较低、能源消耗较高的问题,提出了基于资源需求差异的资源均衡调度策略。在包簇框架模型基础上,利用与资源需求相关的距离度量因子,将资源需求差异大的包通过改进的k-means算法进行聚类;利用资源之间的相关性作为包与簇之间的距离,在资源分配的过程中使包能够集中映射到簇中,从而减少簇的使用个数。实验结果表明,在包簇框架的概念下,基于资源需求差异的改进后的k-means聚类算法能够优化包聚类步骤,资源调度算法能够提高云数据中心各类资源利用率、降低资源分配过程中产生的能耗,具有有效性和可扩展性。     

细菌觅食算法的研究综述

细菌觅食算法是一种通过趋化、复制和驱散三种行为来实现寻优的新型群体智能优化算法,鉴于此,本文首先介绍了细菌觅食算法的基本原理,然后从三个方面探讨了细菌觅食算法的改进方法,最后总结了细菌觅食算法在图像工程中的未来研究方向。     

一种基于Nash均衡的网格资源调度算法

运用博弈理论对资源调度算法进行深入研究,提出了能够反映供求关系的基于竞价的网格资源定价机制,并构造了网格资源和用户的效用函数,论证了资源调度中Nash均衡点的存在性和唯一性以及Nash均衡解.仿真实验表明,该资源调度算法与竞价策略能够使整个网格系统得到更高的运行效率,并且使网格用户获得最大的效用.     

基于免疫进化细菌觅食算法的无功优化

针对传统细菌觅食算法在优化过程中步长一致、收敛速度较慢的缺陷,提出了一种免疫进化细菌觅食算法(IBFO),并将其用于电力系统无功优化问题上.这种改进的算法赋予了细菌对搜索空间的感知能力,利用灵敏度的概念来调节步长,加快收敛速度;将免疫算法中的克隆选择思想引入算法中,对精英细菌进行克隆、高频变异和随机交叉,提高收敛精度.将IBFO算法在IEEE 14、IEEE 30节点标准测试系统中进行了无功优化仿真,结果表明:新算法较其它算法具有较强的全局搜索能力,且收敛速度快、鲁棒性好,可以作为求解电力系统无功优化问题的一种新途径.     

基于最大收益平衡点动态变化的云资源调度算法

云计算中资源调度是云计算高效利用的核心问题,主要研究如何对云端的资源进行有效地管理和调度?以从服务商需求的角度构建云资源调度的方法为切入点,从服务商的角度出发,在不损害用户和生产商利益的前提下,介入收益?成本?边际收益?边际成本等因素,以节省资源并获得服务商的最大收益为优化目的,根据最大收益平衡点随着负载变化的动态变化,构建了一种基于动态平衡点动态变化的云资源调度算法?通过比较当前周期和上一周期的边际收益变化,动态更新最大收益平衡点的位置,根据此位置对应的参数完成云资源调度?通过CloudSim平台下的仿真实验表明,该方法比基于服务驱动的调度方法具有更快的响应?使用更少的虚拟机?能获得更大的收益?     

网格资源调度中基于云模型的蚁群算法

针对异构网格资源下任务的调度最小化执行时间问题(NP难题),提出了一种基于云模型的自适应蚁群调度算法.该算法在定性知识的指导下,权衡提高收敛速度和保持解的多样性之间的矛盾,能够自适应控制搜索范围,较好地避免了传统蚁群算法易陷入局部最优解和选择压力过大造成的早熟收敛等问题,提高其快速寻优能力.实验结果表明该算法在保证有效的加速比的同时具有精度高、收敛速度快等优点,极大地提高了网格任务调度的规模和效率.     

一种改进细菌觅食算法的模糊控制规则库设计

模糊控制规则库的建立决定了模糊控制系统的性能,而在能源生产、机器人控制等领域中对控制精度要求越来越高,使得常规的模糊控制规则库建立方法有时不再适用。为此,提出一种新型的基于集群智能算法的改进细菌觅食算法IBFO(improved bacterial foraging optimization)来改进规则库的建立过程,剖析了依据人工经验归纳来制定模糊规则库的不完善性,描述了对改进型的模糊控制系统的构建步骤,优化了改进型TSK(takagi-suegeno-kang)模糊系统C-ATSKFS(constant-ameliorative TSK fuzzy system)规则库的高斯隶属函数参数。通过与现有的规则库建立方法相比对,可知改进算法能有效地提高模糊控制系统的识别精度。MATLAB仿真结果表明:提出的新型细菌觅食算法对模糊控制规则库的建立具有较高的实用价值。     

两台机在线均衡调度算法的改进

研究两台平行同型机的在线均衡调度问题，利用两个不同的部分信息分别设计出两个算法，这两个算法比可能有的最好的在线算法在性能上都要好。同时还证明，就这两个部分信息来说，给出的算法是可能有的最好的算法。     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

基于谱聚类的BaaS资源负载均衡调度算法

Fabric作为超级账本的核心项目,以其多通道的设计为用户提供更为隐私的交易空间,为了解决基于分布式架构下的多通道资源负载均衡问题,提出了基于NJ W谱聚类的区块链即服务(BaaS)负载均衡调度算法SC-channel.该算法将平台子节点的数量作为划分类簇数量的依据,首先,基于通道采用peer之间的Jaccard系数构造相似矩阵;其次,计算拉普拉斯矩阵,求取前k个特征值和特征向量并将特征向量单位化;最后,用基于数量加权的k-means算法完成聚类.在Kubernetes平台上对这种方法进行验证,并与采用经典k-meansi的NJW算法默认调度算法下的资源负载均衡度做了比较分析.结果表明,采用基于谱聚类的BaaS资源负载均衡调度算法可提高资源利用的均衡程度,增强了平台的可用性与可靠性.     

基于改进鲸鱼优化算法的资源调度方法

针对在大量数据背景下云计算资源调度模型存在调度效率低、分配不合理等问题,提出一种基于改进鲸鱼优化算法（m-WOA）的云计算资源调度方法。提出了云计算资源调度模型,针对基本鲸鱼优化算法存在迭代后期种群多样性减弱、易陷入局部最优等不足,提出使用Tent混沌反向学习策略来增强种群多样性;并使用精英随机组合策略平衡算法开发和探索能力。将改进后的m-WOA算法用于数值仿真实验和云计算资源调度模型求解。实验结果表明,m-WOA具有更好的收敛精度和更强的稳定性;m-WOA能有效减少云计算完成时间和能源消耗,并提供更合理的资源调度分配方案,从而提升云计算资源利用率。     

混合PSO的快速细菌觅食算法

为了提高细菌觅食算法在高维问题的收敛速度以及精度,提出了一种混合PSO的快速细菌觅食算法(FBFA-PSO).该算法用粒子的移动代替了细菌的趋化操作,省略了细菌前进操作,保留了细菌的繁殖和驱散操作.基于6个高维Benchmark函数的试验结果显示,该算法收敛速度和精度都优于其它三种细菌觅食算法.     

一种网格资源负载均衡调度算法

网格资源调度性能的好坏、效率的高低直接关系到计算网格系统的性能.本文在Min-min算法的基础上提出了一个资源调度启发式算法Dmin-min.在假设所有任务都是独立的情况下,考虑到系统中资源的动态性、异构性,从资源负载均衡方面对系统中的资源进行动态分配,仿真实验表明该算法在资源负载均衡方面比Min-min算法要好.     

一种基于图模型的可信云资源调度算法

根据并行任务及胖树形云系统的结构特点,综合考虑了云计算环境下资源节点与通信链路的可靠性问题,构建了基于任务执行行为的云系统可靠性度量模型。提出了一种基于图的可信云资源调度模型,将云任务可信资源需求与云资源动态供给的最优匹配问题转换成最小费用最大流图的构造和求解问题。针对图的求解计算复杂度较高的问题,结合商空间理论将初始网络转化为规模较小的商网络进行求解。仿真实验结果表明,该算法能够有效提高云任务执行的成功率,降低基于图模型的资源调度算法延迟。     

基于QPSO的细菌觅食算法求解整数规划问题

在基于量子粒子群算法的基础上,提出一种混合细菌觅食的优化算法,通过对七个基准函数的实验仿真,比较两种方法求解整数规划问题.实验表明,基于量子粒子群的细菌觅食算法搜索成功率较高,综合搜索效率更高,收敛较快,为求解整数规划问题提供一种更优的可靠途经.