基于自适应算子与非支配排序的星地网络多目标优化方法

低轨(Low Earth Orbit,LEO)高通量卫星将成为未来非地面网络的重要组成部分。基于星上灵活载荷技术,探索未来6G星地网络动态高效的多维资源调度和多指标优化方法。实际优化过程中,多个指标间如吞吐量、接入用户数等往往相互冲突。已有工作多通过加权求和将多个优化目标转换为单目标优化问题进行求解。然而此种方法通常存在不同目标函数之间量纲单位无法统一,病态矩阵造成各目标函数权重无法准确分配,以及在大规模优化中难以接近帕累托前沿等问题。针对星地融合网络如何同时提高终端接入数量与提高多用户吞吐的优化问题,建立单目标和多目标优化模型,通过对单目标优化问题分配不同权重,进行最优求解,产生多组优化结果作为性能比较的基准方案之一,提出基于快速非支配排序与自适应算子调整的高效多目标优化算法。实验结果表明,所提算法较加权单目标优化与传统多目标优化算法,可有效提升整体的优化性能,进而提升星地融合网络的通信性能。     

基于IMBFO算法的干扰资源优化

传统的战场决策多依赖于人工经验进行实施,随着实际战争电磁环境的复杂性和恶劣性逐渐增长,传统决策方法略显不足.针对此问题,将干扰资源的优化决策问题建模为最小化干扰功率、最小化系统效能匹配度、最大化压制概率的多目标函数约束模型,通过对传统多目标细菌觅食优化(MBFO)算法进行改进,利用改进多目标细菌觅食优化(IMBFO)算法对问题进行求解,使得决策方案更加科学、合理.仿真结果表明,IMBFO算法能够有效求解该问题,并与MBFO算法、带有精英保留策略的快速非支配多目标优化算法(NSGA-Ⅱ)相比,具有良好的分布性和收敛性.     

基于5G接入网络的多优先级虚拟网络功能迁移开销与网络能耗联合优化算法

针对5G接入网络中虚拟网络功能(VNF)部署完成后,其资源需求发生动态变化,导致网络中物理机(PM)资源利用率过高或过低这一问题,该文首先将网络中PM的资源使用情况划分5个不同分区,提出一种多优先级VNF迁移请求队列调度模型。其次基于该模型,对VNF迁移开销的最小化及网络能耗的最小化建立联合优化模型。最后提出一种基于5G接入网络的多优先级VNF迁移开销与网络能耗联合优化算法对其进行求解。仿真结果表明,该算法在有效实现VNF迁移开销与网络能耗折中的同时,提高了PM资源利用率,保证了PM性能并均衡各PM负载。     

基于用户体验质量和系统能耗的异构网络联合接入选择和功率分配策略

为了解决无线网络能耗和用户体验质量的问题,提出了一种应用于异构无线网络环境的基于多目标优化的联合接入选择和功率分配策略。该策略以最小化系统整体能耗和最大化用户平均体验质量为目标,建立了多目标优化联合分配模型,通过差分进化算法得到联合分配模型的最优解集,并结合 TOPSIS 的方法从最优解集中得到折中的联合分配方案。仿真结果表明,本文所提的策略能够有效地降低系统能耗,并提升用户整体的服务体验。     

机间数据链系统的功率分配控制方法

针对想定战场中机间数据链网络通信模型的上行链路功率控制问题,采用了一种基于多目标灰狼算法(Multi-objective Grey Wolf Optimizer,MOGWO)的功率控制方法.将功率控制建模为多目标优化问题,以最小化上行链路中各节点功率、使各节点在接收机处的信干噪比值(Signal-to-In-terference plus Noise Ratio,SINR)接近目标SINR和最小化通信时截获概率为多目标优化问题建立模型,利用MOGWO求解问题模型Pareto前沿,依据系统选解准则求得最佳解.结果表明,MOGWO、多目标粒子群算法、基于分解的多目标进化算法与多目标蚁狮算法所得解对应各节点SINR的平均标准偏差分别为0.0968、0.3544、1.0900和0.3083.在恒定功率方法下最远节点处SINR已不满足正常通信需求,验证了MOGWO功率控制方法有更好的稳定性与寻优能力.     

接入与回传一体化小基站的接入控制与资源分配联合优化算法

针对全双工无线接入与回传一体化小基站场景下长期的频谱效率和能效同时最大化问题,该文提出一种基于近似动态规划理论的接入与回传一体化小基站接入控制与资源分配联合优化算法。该算法首先联合考虑当前基站的资源使用和功率配置情况,在任一用户需求动态到达以及平均时延、小基站回传速率和传输功率约束下,使用受限马尔科夫决策过程(CMDP)建立频谱效率最大化和功率消耗最小化的多目标优化模型,其次运用切比雪夫理论将多目标优化问题转化为单目标问题,并使用拉格朗日对偶分解法进一步转化为非受限的马尔科夫决策过程(MDP)问题。最后,为了解决其求解时存在的“维度灾”爆炸问题,该文提出基于近似动态规划的无线接入与回传一体化小基站资源动态分配算法进行求解,得到此时的接入与资源分配策略。仿真结果表明,所提算法能在保证平均时延约束、小基站回传速率约束和传输功率约束的同时最大化长期平均频谱效率和能效。     

一种多QoS需求的资源优化算法

用户的多QoS需求,使得网络服务中的动态资源属性值变化频繁,传统方法难于对这些动态资源进行分配.为解决这一问题,提出了一种处理多QoS需求的动态资源优化算法.算法引入混沌理论,结合优化算法与逼近理想解排序思想,将多个动态资源形成一个链表在这些资源的各个QoS需求间进行选择调度,并在迭代过程中使用并行算法来降低算法陷入局部最优解的可能性.实例验证了该算法求解该问题的可行性和有效性,具有较好的实际应用价值.     

基于动态规划算法的资源应急分配优化模型

针对电力突发事件的资源应急分配问题,文中提出了基于动态规划的阶段优化模型。该模型依据各需求点的初始时刻需求,以最小化资源超时到达造成的损失为优化目标,进行资源的应急优化分配。同时考虑后续时刻资源需求的动态变化,基于上一阶段的优化目标叠加下一时刻资源需求缺乏量的惩罚项,从而实现不同时刻需求点之间资源的转运调度。文中采用自适应惯性系数和飞行时间来提高算法的收敛速度,并将所提IPSO应用于两阶段动态规划模型的求解。以人力资源数据进行的仿真结果表明,文中算法迭代40次即可收敛,显著优于传统PSO。且与单阶段优化模型在后续时刻出现明显人力资源缺乏的情况不同,该模型能够满足各需求点的动态需求,进而对应急资源进行合理分配。     

基于移动终端业务的多接入网络选择算法

本文提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下三个步骤为业务确定一个最优接入网络集合：首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合。仿真结果表明：本文提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量。     

基于移动终端业务的多接入网络选择算法

提出了一种基于移动终端业务的多接入网络选择算法,该算法将网络选择的单位从终端转向业务,并通过如下3个步骤为业务确定一个最优接入网络集合:首先,通过充分考虑业务的实际QoS需求以及终端速度的影响,确定各决策因素的权重;其次,通过效用函数模型确定各接入网络的效用函数矩阵;最后,通过最优接入网络集确定适合业务传输的最优接入网络组合.仿真结果表明:提出的新算法能根据终端移动速度及业务需求为业务选择最优网络组合,同时能大幅度提高终端网络的吞吐量.     

异构无线网络业务接入多目标优化控制算法

提出了一种应用于异构无线网络环境的基于多目标优化的业务接入控制算法.该算法以业务占用总资源最少、业务阻塞率最低和网络间负载最均衡为目标建立了多目标优化控制模型,采用高斯和戒上型组合隶属函数将多目标问题模糊化,利用最大化满意度指标法将多目标问题转化为单目标问题,并通过遗传算法求得最优解.仿真结果表明,所提算法能在兼顾各网络资源高效利用的同时,保证业务接入的可靠性,并相对于参考算法有效降低了业务阻塞率.     

Cross-domain access control policy mapping mechanism for balancing interoperability and autonomy

Cross-domain access control can improves interoperability but reduces intra-domain autonomy.To balance inter-domain interoperability and intra-domain autonomy,a cross-domain access control policy mapping to the problem of multi-objective integer optimization programming was formulated.Both the maximization of inter-domain interoperability and the minimization of intra-domain autonomy were taken as the objectives.Further,seven constraints were designed to prevent typical cross-domain conflicts.To solve the optimization problem,a constrained NSGA-III algorithm was proposed.The experimental results show that the proposed algorithm can quickly converge and accurately find the policy mapping even in the large-scale datasets.     

基于分时电价和用户侧储能的配电网调度优化策略

针对分布式电源接入及负荷波动引起配电网线路损耗增加的问题,文中提出将分时电价机制协同用户侧储能参与配电网的优化运行模型。基于分时电价建立用户负荷响应模型,构建以用户日用电成本、配电网网损最小为目标函数的配电网运行优化模型。采用评价函数法将多目标转化成单目标,并在传统遗传算法中引入模拟退火Metropolis准则对用户侧储能充放电策略寻优。仿真结果证明了文中所提策略能有效降低配电网网损及用户用电成本,所提算法寻优速度较快,收敛性能较好。     

基于异步优势演员-评论家学习的服务功能链资源分配算法

考虑网络全局信息难以获悉的实际情况,针对接入网切片场景下用户终端(UE)的移动性和数据包到达的动态性导致的资源分配优化问题,该文提出了一种基于异步优势演员-评论家(A3C)学习的服务功能链(SFC)资源分配算法。首先,该算法建立基于区块链的资源管理机制,通过区块链技术实现可信地共享并更新网络全局信息,监督并记录SFC资源分配过程。然后,建立UE移动和数据包到达时变情况下的无线资源、计算资源和带宽资源联合分配的时延最小化模型,并进一步将其转化为马尔科夫决策过程(MDP)。最后,在所建立的MDP中采用A3C学习方法,实现资源分配策略的求解。仿真结果表明,该算法能够更加合理高效地利用资源,优化系统时延并保证UE需求。     

基于自适应支配准则的高维多目标进化算法

基于松弛支配的高维多目标进化算法（Many-objective Evolutionary Algorithms,MaOEAs）由于能够有效地提高区分解的能力,受到广泛关注,但该类大多数算法处理不同目标的优化问题时普适性较差.针对这个问题,本文提出一种基于自适应支配准则的高维多目标进化算法（Adaptive Dominance Criterion Based Evolutionary Algorithm for Many-objective Optimization,ADCEA）.首先,自适应准则（Adaptive Dominance Criterion,ADC）根据目标空间中相邻解间的角度信息和目标数目,设计一种自适应小生境方法,并结合收敛性指标信息,实现对候选解的非支配排序.然后,为了进一步增强种群的多样性,在环境选择中引入参考向量分割种群技术;最后,构建合理的适应度函数,并根据适应度值大小选取收敛性和多样性较好的非支配解集.实验证明,本文所提的方法在处理不同目标的优化问题时普适性提高,并在平衡种群的收敛性和多样性上取得显著效果.     

高维多目标优化问题融入决策者偏好的集合进化优化方法

高维多目标优化问题普遍存在且非常重要,但是,已有的解决方法却很少.本文提出一种有效解决该问题的融入决策者偏好的集合进化优化方法,该方法首先基于决策者给出的每个目标的偏好区域,将原优化问题的目标函数转化为期望函数;然后,以原优化问题的多个解形成的集合为新的决策变量,以超体积和决策者期望满足度为新的目标函数,将优化问题转化为2目标优化问题;最后,采用多目标集合进化优化方法求解,得到满足决策者偏好且收敛性和分布性均衡的Pareto优化解集.将所提方法应用于4个基准高维多目标优化问题,并与其他2种方法比较,实验结果验证了所提方法的优越性.     

多目标的Internet路由优化控制算法

研究通过优化链路权值以控制网络路由来实施流量工程.以网络拥塞最小化和时延最小化为流量工程目标,建立了多目标的全局路由优化数学模型.求解该问题是NP困难的,提出一种混沌群搜索优化算法进行求解.算法采用群局部搜索,利用混沌变量产生一组分布好的初始解,并在邻域搜索进程中应用扩展贪心思想,提高了算法的全局搜索能力.仿真结果表明所提算法能够有效减少由于流量分布不平衡造成的网络拥塞,同时限制长路径,提高了网络性能.     

Task Scheduling and Lightpath Establishment in Optical Grids

Data-intensive Grid applications require huge data transferring between multiple geographically separated computing nodes where computing tasks are executed. For a future WDM network to efficiently support this type of emerging applications, neither the traditional approaches to establishing lightpaths between given source destination pairs are sufficient, nor are those existing application level approaches that consider computing resources but ignore the optical layer connectivity. Instead, lightpath establishment has to be considered jointly with task scheduling to achieve best performance. In this paper, we study the optimization problems of jointly scheduling both computing resources and network resources. We first present the formulation of two optimization problems with the objectives being the minimization of the completion time of a job and minimization of the resource usage/cost to satisfy a job with a deadline. When the objective is to minimize the completion time, we devise an optimal algorithm for a special type of applications. Furthermore, we propose efficient heuristics to deal with general applications with either optimization objective and demonstrate their good performances in simulation.     

基于改进量子进化算法的PID参数优化

PID控制器是一类广泛使用的控制器,其参数优化决定了控制器的性能。提出了一种基于改进量子进化算法的PID控制参数优化方法。在该算法中量子个体的每位量子比特都可以向不同的目标学习,实现了量子个体之间信息的充分交换,一方面保证了算法的收敛性,另一方面保证了算法的探索能力,有效提高了算法的优化性能。将该方法用于PID控制器参数优化,与其他优化算法的仿真结果比较表明,该方法能获取更好的控制效果,验证了该方法的有效性。     

NSGA-II在不同性能指标组合下的PID参数优化

文中对于PID参数整定问题,通过分析比较不同组合的性能指标,在基于多目标智能优化算法下进行PID参数整定。该方法基于非支配排序多目标遗传算法(NSGA-II),在采用不同性能指标组合后生成的不同目标函数空间,通过Matlab进行控制系统仿真后,对输出的阶跃响应曲线进行了分析和比较,从而寻找到了IAE、ISE以及控制输入的平方项作为最优的三目标性能指标组合。