AAFSA-RA:一种采用高级人工鱼群算法的多资源分配方法

针对资源受限环境中多任务间的多资源分配问题,提出一种采用高级人工鱼群算法的多资源分配方法(AAFSA-RA)。对多资源分配进行建模,结果表明多资源分配是多约束多维度的复杂函数最优化问题。针对基本人工鱼群算法(AFSA)在寻优过程中速度慢的问题,提出一种高级人工鱼群算法(AAFSA)。通过适当地限制人工鱼的随机游动来改进觅食行为。引入步长和视野的两级动态调整机制,基于鱼群进化过程进行一级调整,基于人工鱼个体的食物浓度及变化情况进行二级调整。根据人工鱼个体食物浓度控制人工鱼的生命周期。基于AAFSA进行多资源分配。仿真实验结果表明:AAFSA-RA可以稳定地搜索到全局最优值,与现有AFSA算法相比,AAFSA寻优速度更快;与传统资源分配方法相比,AAFSA-RA可以达到更高的精度,并且对效用函数无特殊要求。     

改进的时延约束Steiner树算法

针对现有时延约束Steiner树算法时间复杂度较高以及生成的组播树代价较高的问题,提出了一种改进的时延约束Steiner树算法.该算法采用Dijkstra算法路径递增的基本思想和链路共享的方法,在快速搜索阶段,依次搜索到当前树有最小可行代价的节点,将目的节点通过最小可行代价路径加入组播树;在异常处理阶段,将遗漏的目的节点通过最小时延路径加入组播树,进而生成满足时延约束的Steiner树.理论分析和实验结果表明,与同类算法相比,该算法能够以较低的时间复杂度,取得较好的组播树代价.     

一种采用神经网络PID控制的自适应资源分配方法

针对有限资源开放式系统多任务资源分配问题,提出了采用神经网络PID控制的自适应资源分配方法。该方法以求解任务间公平性服务质量水平(QoS)为目标,使用当前QoS与系统平均QoS的偏差作为控制器输入,通过多输入多输出神经网络PID控制,在线调整了资源分配。该方法不需要精确预知任务服务质量函数形式,而是通过自适应微调PID参数,快速有效地获得了近似公平的资源分配。实验结果表明,该方法能保证QoS快速收敛,与现有方法相比,资源调整次数减少了近10次,扩大了稳定范围。