云计算环境下改进PSO的化工设备故障诊断算法

针对传统化工过程诊断方法计算能力较低、诊断精度较差的问题,提出一种基于云计算和简化粒子群算法的新型诊断方法:利用云计算技术充分调度高性能计算资源,完成大量化工过程变量的远程存储与计算;利用简化粒子群算法完成化工过程故障的精确诊断.实验结果表明,提出的方法不仅可以提升故障诊断精度和速度,而且可以有效解决大规模数据的快速处理.     

利用截止期感知的云计算调度方法

针对传统云计算资源调度执行时间长和执行成本高的问题,提出一种利用截止期感知的云计算调度方法 .将VM分配给需要调度的工作流,并在处理时间截止期完成工作的调度.在任务调度过程中,当产生子调度序列后,利用遗传算法来优化执行时间以减少超时.提出的算法具有对不同目标搜索环境的适应能力.实验结果表明,基于截止期感知的云计算调度方法能够在不同规模和不同期限条件下以比粒子群优化算法更小的成本找到更优解.     

基于改进型离散粒子群优化的云计算资源分配方案

针对云计算中资源有效分配的问题,提出一种基于改进型离散粒子群优化(IDPSO)算法的云资源分配方案.首先,将传统PSO算法中的运算进行离散化,使其能够应用于资源分配问题.然后,对传统PSO粒子位置更新公式中的惯性权重进行改进,根据当前粒子位置、局部最佳和全局最佳位置的适应度来确定这些权重系数,以此加快粒子的收敛速度.最后,将资源分配方案编码为一个二维粒子,利用IDPSO算法求解最优解.实验结果表明,该方案能够有效降低资源浪费率,具有可行性和有效性.     

基于改进群搜索优化算法的云计算任务调度方案

针对云计算中的任务调度问题,提出一种基于改进群搜索优化(IGSO)算法的任务调度方案.首先,为了解决传统GSO算法的收敛速度较慢,不能很好地应用在云任务实时调度的问题,在搜索者和游荡者的位置更新中融入了粒子群算法中的粒子位置更新策略,提出一种快速收敛的改进GSO算法.然后,将任务调度问题进行编码,以任务执行时间为适应度函数,通过提出的IGSO算法寻找最优调度方案.仿真结果表明,该方案能够快速且合理地调度任务,具有可行性和有效性.     

一种新型自适应粒子群优化粒子滤波算法及应用

基于粒子群优化的粒子滤波算法精度不高,运算复杂度大,难以在实际工程中应用. 为此,文中提出一种新型邻域自适应调整的动态粒子群优化粒子滤波算法. 该算法考虑了粒子的邻域信息,利用多样性因子、邻域扩展因子和邻域限制因子共同对粒子的邻域粒子数量进行自适应调整,控制粒子对邻域的影响,减轻局部最优现象,达到收敛速度和寻优能力的最佳平衡. 利用UNGM模型、目标跟踪模型以及故障检测模型对算法的性能进行仿真测试,结果表明：该算法与PSO-PF相比提高了精度和运算速度,具有实际工程应用价值.     

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.     

一种新的改进粒子群算法研究

为克服粒子群优化(PSO)易早熟的缺点,提出了一种改进的粒子群优化(MPSO)算法.该算法使整个粒子群按照变异率产生变异粒子,变异的粒子不再朝群体最优解方向飞行,而是朝反方向运动.MPSO提高了种群的多样性,扩大了搜索的空间,提高了粒子群算法摆脱局部最优解的能力.仿真实验表明,改进的粒子群优化算法显著提高了PSO算法的全局搜索能力,且其性能也明显优于遗传算法.     

基于粒子群算法的直觉模糊多目标规划

提出了一种基于粒子群算法的直觉模糊多目标规划.首先利用直觉模糊集与区间模糊集同构的性质分别对目标函数和约束函数的直觉模糊集进行转化,然后利用线性加权的方法处理目标函数和约束函数的优越集,得到一个含有参数的求解模型,并用粒子群算法求解,最后,通过一个算例表明该文的算法的可行性和优越性.     

基于改进PSO-NN的径流水位预报研究

为了提高河流日径流水位预报的精确度,针对粒子群算法和神经网络存在的缺陷,提出一种新的粒子群算法进化三层前馈神经网络的连接权系和阈值,并以此建立逐日径流水位预报模型.该算法采用跟随变异粒子扰动变化的惯性权重和学习因子来提高粒子群算法的局部、全局搜索性能和收敛速度.实验仿真结果表明,在收敛速度和预测的精确度上,该模型明显优于其他对比模型,为获得更高预测精度的径流水位预报提供了一种有效的建模方法 .     

全局混沌杂交的粒子群优化算法及应用

提出一种新的混沌粒子群优化算法(EC-CPSO),该算法在基本混沌粒子群优化算法(CPSO)基础之上,将粒子速度计算公式中的随机数用混沌随机序列来替代,同时应用早熟判断机制,在对最优粒子进行混沌化处理之外,对其余粒子进行杂交处理,提高了算法的寻优能力,有效避免算法陷入局部最优并防止过早收敛.将之用于(N+M)容错系统优化模型证明该算法与CPSO相比具有一定的优势.     

高校实验室云计算环境下服务选取云模型判优算法研究

系统地分析了高校实验室云计算平台概念及基本原理,建立了实验室云计算总体架构,分析了服务选取判优的过程.在详细分析云模型概念的基础上,给出了云模型判优过程算法流程图,并通过实例仿真验证了该方法的可行性.     

面向边缘人工智能计算的区块链技术综述

区块链构建了一个分布式点对点的系统，作为一种安全可验证的分散确认事务的机制，广泛应用于金融经济、物联网、大数据、云计算和边缘计算领域.边缘人工智能计算（edgeAI computing）即面向边缘网络应用场景的群智AI计算模式.在无人驾驶等高动态、超低延时、资源受限、数据与计算解耦的边缘网络应用场景下，跨域可信、隐私保护、入侵监测、细粒度激励等需求对区块链研究提出了进一步的挑战.关注到人工智能向边缘网络下放的趋势，该文讨论区块链在新兴的边缘人工智能计算领域的应用.首先介绍了区块链技术的基础架构，概述了相关研究和应用方向；接着从边缘人工智能计算的概念与兴起出发，详细分析并讨论了区块链技术在面向边缘人工智能计算领域的应用需求，包括相关研究综述、应用趋势和未来研究方向.此外，还总结了区块链技术应用在边缘人工智能计算方面的优势和未来仍需关注的问题.     

基于云计算的高校数字化教育资源共享机制研究

云计算是一种全新的计算服务模式,高等教育云计算是教育信息化的一个重要领域.介绍了云计算的概念及其特点,分析云计算对高等教育领域的影响,提出基于云计算的高校数字化教育资源的共享机制,保证共享的有效实施,解决共享中遇到的各种问题.     

基于云计算的图书馆服务模式研究

从云计算的原理入手,详细地分析了数字图书馆对云计算的现实需求以及云计算可以促进和推动图书馆服务的创新,论述了云环境下数字图书馆新的服务模式.     

数字图书馆“云”服务研究

阐述了云计算技术原理及技术优势,探讨了数字图书馆对云计算的需求以及云服务内容的思考.     

云计算服务组合系统的综合预测

从对服务组合效果进行分析与预测的角度出发,在理论上提出了云计算服务组合系统综合预测的思路.在多层递阶预测模型基础上,给出了云计算服务组合综合预测方法,并对其应用前景进行了分析.     

云计算实现医学数据中心的模型分析

本文通过解析当前医院信息化实际情况,首次将医学数据中心模型划分为分体式、大集中式、B／S、C／S混合分布式．并依据对医学数据中心模型发展趋势的分析,提出云式医学数据中心模型．通过对分体式、大集中式和B／S、C／S混合分布式的综合分析,指出云式医学教据中心将成为主流模型．本文认为云计算本质上是对软件设计理论中最根本的抽象和封装概念在大范围、高层次上的延续实现,其核心是公共数据中心,首次提出创建云计算公共数据中心应遵循的宗旨是“一切是服务,服务是一切”．     

浅析遗传量子算法与遗传算法在函数极值问题中的比较法

遗传算法是一种模拟生物进化的算法．它被广泛利用在信号处理、模式识别、人工生命等领域.遗传量子算法是将量子计算和遗传算法相结合算法．采用量子位染色体的表示形式．该算法具有量子计算的量子位和量子位的迭加特性,同时加入了量子旋转门干涉策略,使得进化染色体更好的呈现多样特性．实验表明,遗传量子算法在解决一般函数极值问题中,比遗传算法更具有优势．     

基于云计算架构的高校实验室设计与实施

基于云计算网络基础架构,设计并实施了针对高校实验室的云计算教育平台.相对于目前常见的高校实验室平台而言,该平台能有效地降低配置成本、提高管理效率、增加数据安全性.针对方案实施过程中所遇到的问题,如操作系统选择与优化、虚拟机的资源动态分配及优化,提出了相应的解决方法.     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求,提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method,ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型;然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm,NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化,从而为车载计算任务找到有效的计算迁移策略;最后根据多目标决策准则（multi-criteria decisionmaking,MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution,TOPSIS）选择出最优的计算迁移策略.实验结果表明,ICOM方法能够使车载计算任务在期望时间内完成,同时也保证边缘设备的负载均衡.