基于改进粒子群-蚁群融合算法的网格资源分配方法

为有效解决网格计算中的资源分配和任务调度问题,提出一种改进粒子群-蚁群融合算法.该算法通过改进的离散粒子群算法对信息进行优化调度,产生优选的调度列表,并通过该列表产生改进蚁群算法的初始信息素,有效克服了粒子群算法后期局部搜索能力差和蚁群算法前期盲目搜索的缺陷.理论分析和仿真实验表明本文算法具有较好的性能.     

多目标服务工作流混合粒子群调度算法

针对NP难的服务工作流时间一费用优化问题,提出多目标混合粒子群算法(HMOPSO)来优化工作流调度问题.HMOPSO算法包括:初始种群生成、适应值分配、种群多样性保持、外部种群和极值选择.通过分析服务工作流的特征,构建有效的粒子结构使之离散化;通过设定单目标最优初始解,优化初始种群;通过引入外部种群和基于小生境技术的网格方法,获得分布均匀的Pareto最优解集.实验结果表明,HMOPSO具有更快的收敛速度和更好的寻优能力,并且在不同特征的问题实例上获得了数量众多、分布均匀、有较高质量的Pareto最优解集.     

采用离散粒子群算法的网格任务安全级调度

针对异构网格环境中任务调度问题对所面临的安全性研究不足,在考虑了保密性、完整性和真实性等安全性因素的情况下,构造了相应的安全效益函数;依据网格节点的历史行为特点,提出了节点的信誉度动态评估策略;基于行为特点提出了一种离散粒子群算法,由此建立了任务安全级调度新模型.算法基于安全调度的离散空间特征给出了粒子的位置表示方法,从而克服了连续空间解决离散问题所造成的解空间冗余问题.采用分步计算和修改粒子位置的方式重新定义了粒子进化方程,避免了进化过程中速度之间的相互干扰问题.为了防止算法陷入局部最优,引入了均匀扰动速度.实验结果表明,与基于连续空间的粒子群算法和遗传算法相比,所提算法具有较快的收敛速度、较短的调度长度和较高的安全性能.     

基于免疫遗传算法的网格任务调度

研究了网格环境下任务调度问题,提出了一个任务调度机制:基于任务图将每一个可能的任务调度方案表示成一个任务-资源分配图,将网格任务调度问题转化为任务-资源分配图优化选取问题.提出了一种基于免疫遗传算法的、实现任务-资源分配图优化选取的任务调度算法.该算法将任务-资源分配图的最长路径作为抗原,每一个任务-资源分配图对应一个抗体.实验结果表明这个算法在全局优化能力及收敛速度上均有显著提高.     

基于离散灰狼算法的资源分配问题求解

针对标准灰狼优化算法(GWO)只适合求解连续优化问题,无法直接求解离散域上的资源分配问题,提出一种基于马太效应的离散灰狼优化算法(DGWO)来求解资源分配问题.首先,根据数学映射思想给出一种将连续空间转化为离散空间、实数变换为整数的编码转换方法;然后,对其中的不可行解采用基于马太效应的修复与优化方法处理;最后,将DGWO计算结果与遗传算法结果进行对比发现不论是收敛速度,还是求解质量,DGWO算法均优于遗传算法.实验结果表明了DGWO算法求解资源分配问题的可行性、正确性和优越性.     

求解线性椭圆型优化控制问题的多重网格方法

针对线性椭圆型优化控制问题,基于有限差分法的离散提出了集体平滑多重网格方法和多重网格最优化方法.将这两种方法进行拓展和对比,并由数值试验说明了集体平滑多重网格方法求解椭圆型优化控制问题的速度更快且更加稳定.     

基于GPU的SVM参数优化并行算法

为了缩短支持向量机(support vector machine,SVM)参数优化时长,提高SVM参数优化的效率,提出了基于图形处理单元(graphic processing unit,GPU)的SVM参数优化并行算法.分析了基于网格搜索和粒子群优化算法的并行特性,基于GPU设计了该优化算法的并行化方案,并在单GeForce GT 650M GPU卡上进行了试验验证.结果表明,并行化网格搜索和并行化粒子群参数优化算法不仅可以取得与非并行化参数优化算法相同的优化效果,而且执行时间大大减小,其中并行粒子群参数优化算法的加速比可高达26.85,大幅提升了SVM的参数优化效率.     

基于多服务质量属性联合效用函数的网格资源调度

基于经济模型研究网格服务质量(QoS)控制的资源分配问题,给出了多QoS属性多任务的资源分配优化的效用模型. 该效用模型描述了网格任务的动态需求和偏好,以效用最大化为目标计算了需要提供QoS的资源分配. 设计了时间和预算限制条件下基于多QoS属性的联合效用函数调度算法,并与其他经济的和非经济的算法进行比较,验证了该算法的有效性.     

基于离散粒子群算法的AVS／RS货位优化

为了提高自动小车存取系统的存取效率和方便货位管理,提出了基于离散粒子群算法的货位优化方法.该方法首先建立了系统货位优化的数学模型,在此基础上,结合货位优化的原则提出了货位分区的策略,并基于离散粒子群算法实现了货位分配的优化,从而保证自动小车在不发生死锁的前提下调度货物时,能较好地缩短小车行走时间.最后,通过仿真实例验证了算法的有效性.     

基于改进粒子群优化算法的CDMA多用户检测

采用改进的粒子群优化算法,引入因子w,利用sigmoid函数离散粒子群设计CDMA多用户检测系统.针对不同信噪比和用户数,对其误码率和抗远近效应性能进行仿真分析,证实在CDMA系统中安装基于离散型粒子群优化算法的多用户检测系统具有可行性,且算法效率高,加快了运行的收敛速度.     

基于反拍卖的计算网格资源分配方法

针对计算网格资源的特点和运用经济机制进行网格资源管理的优势,提出一种基于暗标反拍卖机制的网格资源分配方法.描述了基于网格服务市场的资源分配框架;针对网格中的服务资源,提出了一种以网格用户为中心,以用户需求驱动的暗标反拍卖网格资源分配方法,在满足网格用户QoS要求的情况下使系统的总效用最大化;分析了该拍卖机制的Bayes均衡点以及系统在均衡状态的效率、策略和效用;给出了基于用户效用函数的资源分配算法.     

基于离散化的复杂曲面建筑网格划分方法

为实现存在裁剪、孔洞的复杂自由曲面建筑网格划分,提出了一种基于离散的、以均匀性为目标的划分方法.将复杂曲面离散并缝合,形成由大量面片组成的离散曲面,作为多个参数曲面的一体化表示.采用改进的误差扩散算法,在离散曲面上按一定的密度进行初始布点.采用基于空间距离的粒子动力松弛算法对点云进行初步均匀化,并应用基于曲面距离的k均值算法进行再次均匀化.对均匀的点云求曲面距离的Voronoi图,并获得相应网格.对网格进行拓扑优化和光顺优化.算例表明,本文算法可有效处理存在裁剪、孔洞的复杂自由曲面,并得到均匀光顺的三角网格.     

基于时间序列关联规则的网格任务切分模型

为了解决网格任务调度中任务切分问题,提出了一种基于时间序列的关联规则模型,以在符合Qos标准的情况下,实现网格任务的全局性合理调度,从而达到实现最小化任务执行时间的目的.模型先按"最小基本粒度"对任务进行逻辑划分,然后通过分析各"逻辑单元"所涉及的基本功能和相互间的耦合度来对"逻辑单元"实施分组,最终以"逻辑元组"为物理切分单位对任务予以切分.模型通过优化任务切分,最终实现全局性任务调度合理性与资源分配有效性的目的.还可通过基于时间序列的关联规则模型的长期学习,不断提高资源分配命中率.并通过仿真实验验证了该模型的实用性和优越性.     

网格计算环境下基于PERT方法的调度算法

在网格计算的资源分配过程中,一般基于费用-时间的DAG调度算法中的假定作业执行时间是确定的,为了解决这一局限性,提出了在网格计算的资源分配中使用基于计划评审技术的调度算法.采用PERT方法中的三时估计法及GridSim仿真软件包进行算法实现,通过用户任务完成时间的概率分析,证明该算法具有较强的实用性.     

Cahn-Hilliard方程的时间双层网格混合有限元方法

针对数值求解Cahn-Hilliard方程时非线性项引起的时间耗时问题,提出了时间双层网格混合有限元方法.首先,在时间粗网格上,通过非线性牛顿迭代方法求解非线性混合有限元系统,其中空间离散采用混合有限元方法,时间离散采用隐式欧拉格式;其次,基于初始迭代数值解和拉格朗日插值公式,在时间细网格上求解线性混合有限元系统;最后,分析了该方法的稳定性和误差估计,并通过数值算例进行验证.结果表明,与传统的混合有限元方法相比,该方法可以节省计算时间.     

高聚物离散松弛时间谱计算的CMPSO方法

在广义Maxwell模型基础上,基于聚合物熔体储能模量和耗能模量数据,建立了计算离散松弛时间谱的优化模型.为了改善标准粒子群(Particle SwarmOptimizer,PSO)算法的缺点以用于计算离散松弛时间谱,提出了基于混沌映射和非线性惯性权重改进的粒子群方法(Chaos Modified PSO,CMPSO).首先通过算例检验了CMPSO算法的有效性.通过和文献结果比较,表明其精度均比文献结果高一个数量级.其次对Maxwell模态数的分析表明其取值在大于4以后,对计算结果影响不大.最后,通过结果分析确定出最优Maxwell模态数.在最优模态数情况下,储能模量和耗能模量的拟合数据与实验数据吻合较好,并采用最小二乘线性回归法验证了离散松弛时间谱的正确性.     

基于虚拟市场的网格资源分配策略

针对计算网格提出了一种基于虚拟市场的资源分配方法:以局部性原理为基础,建立虚拟市场区域,并以排序优化后的队首资源优先匹配策略实现计算网格资源的优化分配.然后分析了匹配有效性及分配策略的快速响应性;最后通过模拟试验证明了该分配策略有着良好的负载均衡性,且能够使资源提供者和消费者双方的满足最大化.     

基于GPU的面向SPH流体模拟的邻居查找算法

为了提高基于平滑粒子动力学( SPH)的流体模拟速度,提出了一种在图形处理器( GPU)上实现的基于网格的邻居快速查找算法.该方法首先使用粒子位置纹理信息建立对应的网格纹理,然后利用GPU排序方法按照粒子的网格索引进行排序,最后在排序后的网格纹理中得到粒子的邻居粒子索引,并将其赋值到预计算的粒子邻接纹理中.该方法克服了...     

一种计算网格资源分配的混合优化算法

针对计算网格提出了一种时间和费用混合优化的资源分配算法,以最小化用户的时间和费用为目标函数,以预算和时限为约束条件,运用经济规律把网格资源分配给一组相互竞争的网格用户。首先将多用户竞争使用同一资源的问题形式转化为一个多目标优化问题;然后建立了该优化问题的评价函数,采用α-方法确定权重,得到一组优化的资源分配,使所有参与竞争资源的用户都得到一个优化解,满足了用户需求的异构性;模拟实验证明了该算法的有效性。     

改进的格子涡方法及其在混合层模拟中的应用

在格子涡方法中 ,用网格节点处的流场速度通过插值确定离散涡元速度时 ,往往会导致很大误差 ,为此 ,给出了一种改进的格子涡方法。在该方法中 ,每个时间步开始时 ,离散涡元被置于网格节点上 ,它们以网格节点处的流场速度运动 ,而在该时间步结束时 ,将偏离网格节点位置的离散涡元用涡量再分配的方法重新置于网格节点上 ,这样离散涡元总是以网格节点处的流场速度运动 ,避免了插值及其所导致的误差。对混合层流动的模拟结果表明对格子涡方法的改进是成功的。