TC4钛合金三点弯曲超高周疲劳性能研究

针对航空发动机压气机叶片复杂载荷环境下的超高周疲劳问题,开展了TC4钛合金三点弯曲超高周疲劳试验,研究其在弯曲加载下的超高周疲劳破坏行为。疲劳试验结果表明：在两种应力比（R=0.3、0.5）下,当循环次数超过107次时,试件仍发生疲劳断裂,S-N曲线均呈现双线性特征;SEM断口分析表明,随着最大应力的降低,裂纹萌生位置由试件表面向次表面转移,疲劳裂纹萌生是表面滑移和内部解理断裂之间相互竞争的结果;基于疲劳寿命建立模型分析了应力比对2种裂纹萌生机制之间竞争行为的影响。采用红外热像仪监测试件表面的温度,高周疲劳试件的温度变化分为四个阶段：稳定升高、稳定降低、快速升高和快速降低阶段,而超高周疲劳试件的温度变化分为三个阶段：稳定升高、快速升高和降低阶段。最后,阐述了疲劳过程中热产生和传热的特点,并分析了温度变化与应力分布的关系。     

基于IFWA-ABC的云计算资源任务调度算法的研究

针对云计算资源任务调度效率低,资源分配不均的情况,将改进的烟花算法和人工蜂群算法算法进行融合为IFWA-ABC。首先,对云计算资源任务调度进行描述;其次,在FWA初始化中采用混沌反向学习和柯西分布进行优化,对核心烟花和非核心烟花的半径分别进行优化,将FWA中最优个体通过改进的ABC算法进行获得;最后,将IFWA-ABC算法用于云计算任务调度。仿真实验中,通过与FWA、ABC在虚拟机、执行时间、消耗成本、能量消耗指标对比中,IFWA-ABC具有明显的优势能够有效地提高云计算资源分配效率。     

基于IFOA-GA任务调度算法在云计算MapReduce模型中的研究

针对传统的云计算任务调度算法存在效率低、利用率不高的问题,采用改进的果蝇算法（improved fruit fly optimization algorithm,IFOA）和遗传算法（genetic algorithm,GA）融合的算法用于处理任务调度。首先,将任务调度转换为DAG（directed acyclic graph,DAG）并通过Kruskal算法将任务调度顺序进行化简;其次,针对果蝇算法的种群采用正交数组和量化技术进行初始化,对果蝇算法边界进行处理,对探索步长进行动态调整,并使用GA算法对个体选择进行选择处理;最后,将融合后生成的算法IFOA-GA用于仿真平台中的云计算任务调度,相对于IGA、IFOA,IPSO算法在QoS的四个指标对比中具有一定的优势,说明IFOA-GA算法能够有效地提高云计算调度效率。     

面向移动云计算任务调度的改进鸟群算法研究

针对移动云计算环境下的任务调度存在耗时长、设备能耗高的问题,提出了一种基于改进的鸟群算法(improved bird swarm algorithm,IBSA)的任务调度策略。首先,构建了以能耗和时间为主的移动云任务调度模型;其次,提出了自适应感知系数和社会系数,避免了算法陷入局部最优;构建了学习因子优化飞行行为,保证了个体寻优能力;最后,任务调度目标函数作为鸟群个体的适应度函数参与算法的迭代更新。仿真结果表明相比于蚁群算法、粒子群算法、鲸鱼算法等,改进的鸟群算法在移动云计算任务调度方面具有良好的效果,能够有效地节省时间和降低能耗。     

一种优化的硬阈值追踪算法的研究

硬阈值追踪算法的本质是一个最小二乘问题,存在复杂度高、收敛性差、运行时间长等缺点。引入Nesterov方法用以优化稀疏解的凸松弛现象,引入逐次松弛迭代法优化传统硬阈值线性方程组,理论证明优化结果具有良好的收敛性,仿真实验说明优化后的算法有效降低算法复杂度,降低了运行时间。