基于改进粒子群算法的云计算任务调度策略

云计算环境下的任务调度方法是实现其高效计算的关键步骤,文章针对目前其时间效率低下的问题提出了一种基于改进的粒子群算法的任务调度方法,利用迭代选择算子引入粒子群来完成任务调度的优化。改进的粒子群算法(Improved particle swarm optimization,IPSO),提高了算法的优化能力,尽量避免陷入局部最优,收敛的效果更好从而减少任务调度时间开销。选择CloudSim仿真平台进行模拟,实验结果表明,该改进算法具有寻优能力强、时间耗时少的优点,可用于云计算问题中复杂调度优化的研究与应用。     

供配电网络架设路径的优化

优化架设路径是降低供配电网络架设成本的一个有效方法。首先根据架设费用与架设路径是否有关将其分为两部分,然后通过匹配供配电网络中奇度点优化与架设路径有关的架设费用。实验采用遗传算法优化,结果表明该方法可有效优化架设路径,这将有助于减少供配电网络的架设费用。     

一种新型供应链物料需求计划模型

研究了提前期不确定情况下总装生产物料需求计划的优化问题．以供应链库存成本和客户响应时间的平衡优化为目标,通过构造遗传算法的适应值函数求解总装物料的计划提前期,用参数设置模拟各种工程应用的实际情况,使物料的提前／拖期成本较小、客户响应时间较短．该算法同时考虑了上游供应商和下游客户的动态变化,具有很好的柔性．实例计算证明了算法的有效性和应用潜力．     

基于量子进化算法的批量生产问题

在现代制造业的供应链中,生产批量计划(Lot-sizing)问题是企业经济效益最大化的关键因素之一,其主要研究在给定批量产品的需求下,确定最佳的生产方案,使得制造成本、库存成本和调整成本的总和最小化或者利润最大化。近年来的群智算法如遗传算法和粒子群算法等为解决复杂的Lot-sizing问题提供了新途径,但是这些算法易陷入局部最优。为了获得全局,将量子算法融入经典进化遗传算法中,首先,运用量子理论中独特的概率幅和量子比特对计划产量的决策变量进行编码;然后在迭代过程中,通过动态调整量子旋转角度来控制基因的变异速度,保持最优个体的基因信息,以免陷入局部最优的陷阱。Lot-sizing问题的案例实证表明,与上述常见的群智粒子群算法相比,量子进化算法的求解精度更高、收敛速度更快,可以有效解决复杂多约束的Lot-sizing问题,提高企业的生产效率。     

基于多阶段遗传算法的人力资源管理

针对企业的员工雇佣计划的优化问题,根据实际中遴选雇佣员工存在一定程度的随机性特点,以按期完成项目、消耗成本最低为目标,采取优胜劣汰策略,利用随机规划方法构建雇佣计划的优化模型;将遗传算法与多阶段决策相结合设计了模型的求解算法;最后通过算例对模型及算法的有效性进行了验证.计算结果表明:提出的方法能够通过合理控制不同时段聘用,及解聘的数量逐步提高雇佣员工的平均工作能力,员工平均工作能力提高幅度达到41%,从而实现了针对项目的人力资源优化.     

采用群智能算法的多约束问题优化

为了解决约束优化问题,采用一种基于群智能算法优化的多约束问题优化方法.首先构造同时计及约束条件和优化适应度的目标函数,然后分别利用粒子群算法和人工蜂群算法优化其函数,从而获得约束条件下的优化解.仿真结果表明,该多约束问题优化方法是可行性的,人工蜂群算法比粒子群算法具有更好的搜索和收敛能力.     

基于网络化制造的供应链战略能力规划研究

针对网络化制造环境下的供应链生产、运输能力动态变化问题,将供应链网络系统定义成包括供应商、制造商和销售商在内的三级系统,以使三者的供应力、制造力及运力所涉及的费用最低为目标函数,建立了一个包括供应商、制造商、销售商在内的供应链战略能力规划模型·采用启发式算法求出该模型的可行解,并以此作为分枝定界算法的上限,求出模型的最优解·数值实例分析证明,在新的市场机会下,供应链网络系统中各节点企业实施战略能力规划可以优化企业资源利用率,最大限度地降低库存,同时也证明了所提出优化目标的成熟性及模型和算法的有效性·     

基于动态设计变量优化算法的非线性模型参数估计

为消除在传统非线性模型参数估计中由于线性化引起的模型误差,提出了一种基于动态设计变量优化的非线性模型参数估计算法·该算法以每个待估计的参数为设计变量,以与设计变量相关的误差函数为目标函数,并将参数约束条件构造在目标函数中,建立参数估计的最优化问题·针对圆形轨道倒立摆动力学模型进行参数估计,证明该算法具有很高的计算精度和较快的收敛速度,是解决非线性模型参数估计的有效方法之一·     

基于小波分频设计的自适应PID控制器

首先离线设计出具有特定低通特性的滤波器作为闭环系统参考模型,然后利用Ｄａｕｂｅｃｈｉｅｓ分解／综合滤波器,在线分频段估计系统的传递函数,最后利用最小二乘法优化频域目标函数而得到ＰＩＤ控制器的三个参数,仿真结果验证了本算法的有效性。     

序列图像（亚）像素级点目标检测的DP算法

提出了一种用于序列图像（亚）像素级点目标检测与跟踪的ＤＰ算法。该算法基于弹道积分原理和动态规划最优化原理，将序列图像（亚）像素级点目标检测问题转化为一系列的一维最优化过程，功效上完全等价于究举法。同时具有算法简单，运算量小、易于实现的特点。该算法有别于其他算法的显著优点是具有低信噪比处理功能，特别适用于弱而小的点目标运动轨检测，文中还针对多（亚）像素级点目标情况进行了专门讨论。