基于禁位排列原理的路由决策算法

针对已有的OSPF路由选择协议作进一步的研究, 分析并运用了数学原理中的禁位排列方法, 设计出一种新的路由决策算法。研究表明, 路由单链排列状态下, 该算法与Dijkstra算法具有相同的时间复杂度; 在实际网络结构下, 存在算法的时间复杂度处于O(n²)到O(n³)之间或者该算法在时间复杂度是O(n³)时具有良好的优越性。网络拓扑结构改变, 该算法具备较好的收敛性, 说明该算法拓展了OSPF并能够应用到广泛的领域。     

基于改进遗传算法的多天线地面站硬件资源分配方法

多天线卫星地面站硬件设备资源分配问题是一个基于约束满足的复杂资源组合优化问题。在考虑任务执行时间、地面站可见时间窗口、地面站设备接收能力和设备链路约束的情况下,对多天线地面站硬件资源分配问题建立了高可用模型。以加权任务执行总时间为目标,以经典遗传算法为基础,根据问题特点改进了相关遗传算子,在进行遗传变异的过程中,通过深度优先搜索算法确定单个染色体对应的最佳资源分配方案,同时利用启发式信息优化搜索过程。最后通过高可用算例仿真表明,所建模型和算法是合理有效的。     

基于遗传算法的动态资源调度问题研究

建立了无人作战飞机任务规划问题的数学模型，提出了分层递阶的任务规划系统结构．针对任务规划的核心资源调度问题，设计了基于遗传算法的动态资源调度算法，有效地解决了多无人作战飞机的资源调度问题，计算结果表明了算法的有效性．     

云计算环境下的PSO可信资源调度

对云计算环境下的资源调度问题进行了研究。针对云计算环境下资源调度的特点,结合节点失效以及任务间的网状结构特点,建立资源调度问题数学模型,运用离散粒子群算法求解该问题。针对模型特点结合云计算服务运营实情,设计算例进行仿真测试。验证表明了所建立模型的合理性及该算法求解的可行性和有效性。     

基于图论方法的自动优化排课模型研究

排课问题是高校教务管理工作中劳动强度大且复杂费时的一项核心工作,目前还只能手工凭经验排课,在信息处理自动化不断普及的今天,显得极不协调,原因在于还没有一个行之有效的自动化排课模型。排课过程有很多不允许冲突的关联要素,一但冲突就会打乱正常的教学秩序导致教学事故,这是排课模型的研究难点。时间冲突是最基本的冲突限制,如:在同一个课时内,不能安排一个教师给两个班级上课,一个班级也不能同时应付两个老师的课。本文对笔者曾经提出的基于图论方法实现自动化排课、调课和优化的排课模型进行了扩展,不但从理论上彻底避免了各种冲突的可能性,并且可以大大提高排课的效率。     

基于组合遗传算法的产品形态创新设计研究*

通过分析组合原理与遗传算法在产品形态设计领域的应用现状与各自的优缺点,提出了一种利用组合原理与遗传算法在形态设计中的优点进行产品形态创新设计的混合算法,阐述了该算法的应用方式与步骤。通过一个洗衣机的实例验证了算法的可行性与实用性。结果显示,该算法能生成具有一定创新性的产品形态。     

基于分布估计蛙跳算法的云资源调度方法

针对云计算环境中的资源调度很少同时兼顾最短完成时间和最低服务成本的问题,设计能够综合反映时间和成本的适应度函数,在此基础上提出了基于分布估计蛙跳算法的云资源调度方法。结合遗传算法的交叉操作重新定义蛙跳算法的进化算子,使其适用于整数编码的调度问题;引入分布估计进化策略,突破了标准蛙跳算法搜索模式的局限,使算法具有更全面的学习能力。仿真实验结果表明,在云资源调度问题的求解中,该算法的收敛性能和寻优能力均优于标准的蛙跳算法和分布估计算法。     

学分制下排课的数据组织与算法

高校实施学分制过程中,学生先选课再排课,排课方案搜索变得相当复杂.传统的排课算法常采用字符串比较的方式,因此排课效率较低.以二进制位为单元的算法和数据结构,用位的表示方式构建出数据表,既缩短了数据量又提高了运算速度.通过在MS-SQL上建立存储过程并编写用于实现学校排课的应用程序,能大大提高排课效率,同时也使数据的交换量仅为原来的1/8.通过在拥有两万多学生的高校进行排课实测,结果显示该算法简练、逻辑清晰、快速高效.     

基于云计算的ACO-K中心点资源优化算法

云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算法结合等优点。K中心点算法是K均值的改进算法,鲁棒性强,不易受极端数据的影响。结合这两种算法的优点,提出一种基于云计算环境下的ACO-K中心点资源分配优化算法,得到最优的计算资源,提高云计算的效率。通过仿真验证了该算法的有效性。     

基于加权因子非线性变化的改进加权多模盲均衡算法

为了提高加权多模算法的盲均衡性能,提出基于加权因子非线性变化的改进加权多模盲均衡算法。新算法构造了均方误差和加权因子的非线性函数关系,提高了收敛速度,增强了算法对不同信噪比的适应能力。在算法收敛过程中,加权因子的值随着均方误差的减小逐渐增大,从而动态地调整算法的模值,使得误差模型越来越精确地匹配信号星座图,达到降低稳态均方误差的目的。理论分析和仿真结果表明,提出的算法降低了稳态均方误差,提高了收敛速度。