多目标蚁群遗传算法在区域水资源优化配置中的应用研究

讨论了区域水资源优化配置算法。首先建立了区域水资源优化配置的数学模型，然后提出了采用多目标蚁群遗。传算法解决这个多目标约束优化的问题。最终通过应用实例验证了算法的适用性。     

基于可持续发展区域水资源优化配置模型研究

介绍了水资源优化配置模型的分类,分析了现有水资源优化配置模型中存在的问题.以可持续发展思想为指导,以社会、经济、环境的综合效益最大为目标,以水量、环境和各行业发展产值作为约束条件,建立了水资源优化配置的多目标优化模型.     

Pareto蚁群算法与遥感技术耦合的水资源优化配置

为了尝试用Pareto蚁群算法(PACA)和遥感技术(RS)来求解复杂的水资源优化配置问题,建立了以经济、社会和生态环境综合效益最大为目标,以供水、需水、水质等为约束条件的基于像元的水资源优化配置模型.通过局部信息素强度限制、全局信息素动态更新、Pareto解集过滤器构建等策略,使蚂蚁向信息素浓度大的优化边界移动,以提高PACA的全局搜索能力和收敛速度.以中原地区某县为仿真对象,借助RS获取其土地利用类型,利用PACA在栅格地图上求解水资源优化配置模型,并得到水资源最优配置方案.最后PACA与遗传算法(GA)和BP神经网络算法(BP-ANN)进行了比较.结果表明,PACA能有效地求解大范围、多目标水资源优化配置模型,并提高了算法的全局搜索能力、收敛速度和计算结果的精度.     

基于可持续发展区域水资源优化配置模型研究

介绍了水资源优化配置模型的分类，分析了现有水资源优化配置模型中存在的问题。以可持续发展思想为指导，以社会、经济、环境的综合效益最大为目标，以水量、环境和各行业发展产值作为约束条件，建立了水资源优化配置的多目标优化模型。     

多目标进化算法及其在控制领域中的应用综述

多目标进化算法在求解多目标优化问题方面具有独特的优势.对此,介绍了多目标进化算法的基本原理,讨论了多目标进化算法的一系列改进方法;论述了近年来多目标进化算法在自动控制领域中的最新研究成果,并对其未来的发展方向进行了展望.     

基于进化算法的多目标优化方法

进化算法在解决多目标优化问题中有其特有的优势.首先对多目标优化问题进行了描述;然后结合研究现状讨论了目前几种主要的基于进化算法的多目标优化方法,以及它们的优缺点;最后给出了多目标进化优化算法的一些应用,以及进化多目标优化算法的未来发展方向.     

嵌入用户偏爱区域的多目标优化算法

针对已有的多目标优化方法在实际应用中存在的问题,给出了基于用户偏爱区域的多目标优化算法.它只求出与用户偏爱区域相关的部分Pareto最优集,从而减少了解的数量,加快了收敛速度.算法运用了精英非受控排序策略,并以个体与用户偏爱区域的距离作为影响适应值的一个因素,运用排挤策略实现解在Pareto边界分布的均匀性.仿真结果表明算法有效.     

基于多目标遗传算法的工程资源优化配置

为了使工程资源能够在工程应用中最大程度的优化配置, 利用遗传算法模拟自然进化过程求得最优解的特点, 对遗传算法和多目标优化问题的理论基础和模式定理的进行了分析, 讨论了遗传算法在解决多目标优化工程资源问题过程中的优势, 最后将多目标遗传算法应用于具体工程资源配置实例予以实现. 仿真优化结果表明: 遗传算法在工程资源优化配置过程中更具有先进性, 可靠性和优化性.     

基于多区域中心点预测的动态多目标优化算法

现实生活中存在很多动态多目标优化问题(DMOPs),这类问题要求算法在环境变化后快速收敛到新的Pareto前沿,并保持解集的多样性,随着Pareto前沿复杂程度的增加,这一问题更加突出.鉴于此,提出一种基于多区域中心点预测的动态多目标优化算法(MCPDMO).首先,根据环境变化的严重程度将种群划分为多个子区域,使得个体的分配更加适应动态变化的环境;然后,分别计算每个子区域的中心点,对不同子区域在不同时刻的中心点建立时间序列,并利用差分模型预测新环境的最优解集,以提高算法对不同环境变化的响应能力;最后,为验证算法的有效性,与3种动态多目标优化算法在10个标准测试函数上进行仿真实验.实验结果表明,所提出算法在具有复杂Pareto前沿的动态问题上表现出更优的收敛性和分布性.     

基于进化多任务多目标优化的边缘计算任务卸载

目前边缘计算卸载的主流方案是将其建模为一个多目标优化问题,即最小化能耗和延时。不同于已有研究,主要考虑边缘计算中,不同卸载区域的任务具有一定的相似性,可以利用任务的相似性加快算法的收敛速度和求解效果。以此基于进化多任务优化,提出一种进化多任务多目标优化算法求解不同区域的任务卸载问题。该算法考虑了多个独立的待优化区域,将每个区域的任务卸载系统模型建模为一个多目标优化问题。通过学习不同区域的用户分布和待处理任务的相似性来动态调节种群的交流程度,加快了收敛速度,通过一次进化,实现对两个不同区域的优化。实验结果表明,算法在收敛速度及最优解分布的均匀性上均取得较好效果,可以获得边缘计算下的卸载部署优化方案。     

基于遗传算法的灌区通用水资源整体优化配置模型

解决水资源的优化问题大多采用开源节流、加强管理等措施,而这只能是解决问题的外因。水资源的合理配置问题,最好由用水者的利益激励机制来解决,这样才能从根本上解决水资源的短缺和低效率应用问题。基于遗传算法,结合利益激励机制,对冯家山水资源优化配置方案进行探讨。为水资源分配和管理提供参考。     

基于非合作博弈的变电站无线网络资源研究

无线资源管理对实现资源的有效利用起着至关重要的作用.针对变电站中无线网络资源分配问题,提出了基于非合作博弈的变电站无线网络资源的优化管理算法,解决了全双工系统的无线电资源分配问题.将下行链路与上行链路的联合速率最大化问题建模成为上下行链路信道之间的非合作博弈,提出了基于非合作博弈的迭代算法.该算法有效的实现最佳上行链路与下行链路的资源分配,直到达到纳什均衡.仿真结果表明,该算法实现了快速收敛,与同等资源分配方法相比,可以显著提高全双工的性能.     

基于网格的混合微粒群算法解决任务调度问题

网格任务分配是一个NP难问题,结合微粒群优化（Particle Swarm Optimization,PSO）算法,和网格自身的特性,提出了基于网格的混合微粒群算法。算法对问题的解空间进行变换、重定义,使之更加符合PSO算法的求解环境,实现了网格资源的优化分配。与离散微粒群（DPSO）算法和遗传算法进行了仿真比较,结果表明,新的PSO算法具有较好的性能。     

树型网格计算环境下的独立任务调度

任务调度是实现高性能网格计算的一个基本问题,然而,设计和实现高效的调度算法是非常具有挑战性的.讨论了在网格资源计算能力和网络通信速度异构的树型计算网格环境下,独立任务的调度问题.与实现最小化任务总的执行时间不同(该问题已被证明是NP难题),为该任务调度问题建立了整数线性规划模型,并从该线性规划模型中得到最优任务分配方案??各计算节点最优任务分配数.然后,基于最优任务分配方案,构造了两种动态的需求驱动的任务分配启发式算法:OPCHATA(optimization-based priority-computation heuristic algorithm for task allocation)和OPBHATA(optimization-basedpriority-bandwidth heuristic algorithm for task allocation).实验结果表明:在异构的树型计算网格环境下实现大量独立任务调度时,该算法的性能明显优于其他算法.     

车联网D2D通信中最大化频谱资源利用率分配算法

无线通信技术快速发展,终端设备不断增多,为缓解这一现象,提升系统网络容量,针对车联网蜂窝D2D(device to device)通信资源分配问题,提出了一种最大化频谱资源利用率分配算法.该算法以最大化频谱资源利用率为优化目标,在满足车联网通信的基本服务质量(quality of service,QoS)下,通过V2V(vehicle to vehi-cle)和V2P(vehicle to people)共享信道资源来提高频谱资源利用率.首先利用信道状态信息定义的链路增益因子为终端用户找到潜在的通信链路集合;然后证明终端用户复用链路资源时功率分配问题为一个凸优化问题,利用凸优化理论求得最优传输功率;随后求解最优的信道匹配问题,此问题为多对一的加权匹配问题,为降低算法复杂度用KM(Kuhn Munkres)算法来求解.仿真结果表明,所提算法较其他算法能够有效地提升系统吞吐量、提高频谱资源利用率、提升网络性能,优化车联网通信资源分配问题.     

基于任务能力排序的虚拟企业联盟生成方法

将虚拟企业联盟生成问题转化为多Agent问题,针对传统求解多Agent问题过程中仅考虑成本和联盟值最优的局限性,引入“一企多标”和资源配置等实际问题并给出解决方案。重点论述了基于改进的蚁群算法及任务能力排序的虚拟企业联盟生成方法,在求解过程中首先根据任务所需的核心能力对Agent集进行划分,然后利用改进的蚁群算法来求解该问题,以使满足该任务能力要求的Agent优先被选择,从而避免优势资源得不到利用的现象,起到合理配置资源的作用。通过模拟算例分析表明,该方法能有效、快速求解多虚拟企业联盟生成问题,表现了该方法的正确性。     

一种基于QoS的自适应网格失效检测器

失效检测器是构建可靠的网格计算环境所必需的基础组件之一.由于网格中存在大量对失效检测有着不同QoS需求的分布式应用,对于一个网格失效检测器来说,为保持其有效性和可扩展性,应该既能够准确提供应用程序所需的失效检测QoS,又能够避免为满足不同QoS而设计多套失效检测器所产生的多余负载.基于QoS基本评价指标,采用PULL模式主动检测策略实现了一种新的失效检测器--GA-FD(adaptive failure detector for grid),可以同时支持多个应用程序定量描述的QoS需求,不需要关于消息行为和时钟同步的任何假设.同时,证明了GA-FD在部分同步模型下可实现一个◇P类的失效检测器,并给出了相应的实验及数据.     

基于人工蜂群算法的灌区水资源优化配置方法

灌区水资源优化配置对于提高灌溉的水资源利用率,增加灌区经济效益,降低地下水的消耗速度,促进水资源可持续发展,建立良好的生态环境具有重要意义。综合考虑灌区有效降雨量与作物需水量,建立以灌区经济效益最大化为目标的水资源优化配置模型,采用人工蜂群算法对水资源优化配置模型进行求解,以江苏省宿迁市皂河灌区为实例,对基于人工蜂群算法的灌区水资源优化配置方法的实际应用效果进行验证。结果表明：相比传统经验式配水方法,所提出的灌区水资源优化配置方法可使灌区经济效益达到 8.33 亿元,总用水量减少约 1 000 万 m³ ,且用水量主要来自地表水,灌区作物水资源分配情况更加合理,同时灌区的作物种植结构也得以改善。