Applying gravitational search algorithm in the QoS-based Web service selection problem

With the growing use of service-oriented architecture for designing next generation software systems,the service composition problem and its execution complexity have become even more important in resp...     

带有Lévy Flight机制的引力搜索算法

引力搜索算法（gravitational search algorithm,GSA）是模拟万有引力定律进行搜索的一种新颖的优化算法,已有研究表明GSA算法相比一些传统的优化算法拥有较好的收敛性能,但其缺乏有效的全局寻优机制,易于被局部极值吸引,从而陷入早熟收敛。因此提出了一种基于Lévy Flight和权值惯性递减的引力搜索算法QmuGSA,以加强算法的全局寻优能力。该算法通过Lévy Flight独特的不均匀随机游走的机制扩大粒子的搜索范围,增加种群多样性,从而更容易跳出局部最优点。通过4个标准测试函数对所提算法进行了仿真测试,结果表明所提算法能够有效克服基本引力搜索算法易早熟、收敛精度低等缺陷,具有较好的寻优精度和全局收敛性能,能够解决一些复杂函数的优化问题。     

带有Levy Flight机制的引力搜索算法

引力搜索算法（gravitational search algorithm,GSA）是模拟万有引力定律进行搜索的一种新颖的优化算法,已有研究表明GSA算法相比一些传统的优化算法拥有较好的收敛性能,但其缺乏有效的全局寻优机制,易于被局部极值吸引,从而陷入早熟收敛。因此提出了一种基于Levy Flight和权值惯性递减的引力搜索算法QmuGSA,以加强算法的全局寻优能力。该算法通过Levy Flight独特的不均匀随机游走的机制扩大粒子的搜索范围,增加种群多样性,从而更容易跳出局部最优点。通过4个标准测试函数对所提算法进行了仿真测试,结果表明所提算法能够有效克服基本引力搜索算法易早熟、收敛精度低等缺陷,具有较好的寻优精度和全局收敛性能,能够解决一些复杂函数的优化问题。     

基于改进GSA-SVM模型的电力变压器故障诊断

准确评估输变电设备运行状态是电力企业生产技术工作的核心内容。为提高电力变压器故障诊断精度,避免传统引力搜索算法（GSA）自身收敛速度慢且易陷入局部最优区等不足,提出一种利用混沌序列改进GSA的支持向量机（SVM）模型,用于电力变压器故障诊断中。首先利用混沌序列来增加重力粒子的多样性,目的是避免在其训练时陷入局部最优区;然后利用改进的GSA算法来优化SVM模型自身的参数,从而提升该模型的预测准确率;最后将预测结果与其他3种传统诊断模型的预测结果进行了对比分析,结果表明利用混沌序列改进的GSA-SVM模型有着更好的泛化能力以及更高的分类准确率。     

基于最小集合覆盖的网络连通性自动化测试

网络规模的增长加大了分布式网络管理与测试的难度。为此,提出一种优化的全连通自动化测试用例集生成算法。在最小集合覆盖理论的基础上,引入空间因子参数,优先选取搜索空间中起点或终点被选取次数最多的测试路径进入解集,以减少测试点数。实验结果表明,该算法在空间因子为4的情况下,比贪心搜索算法减少约20%的测试点数,比GRASP算法缩短约99.9%的测试时间,具有较高的测试效率。     

基于GSA的电力系统不良数据辨识算法

随着数字化技术在电力系统中的广泛应用及对电力系统运行可靠性要求的不断提高,不良数据的辨识显得越来越重要。目前广泛应用的状态估计法,存在残差污染等缺点。论文研究了建立在神经网络和聚类分析基础上的GSA不良数据辨识算法,该算法运用神经网络完成对测量数据的预处理,然后由GSA算法对聚类分析后的结果进行判断,完成不良数据的辨识。论文借助M atlab及C语言对GSA算法进行了仿真,通过一个具体的网络不良数据辨识将此算法与状态估计算法进行了比较,验证了该算法的有效性及实用性,有效地避免了不良数据的漏检、误检。     

A hybrid heuristic workflow scheduling algorithm for cloud computing environments

Cloud computing is a relatively new concept in the distributed systems and is widely accepted as a new solution for high performance and distributed computing. Its dynamisms in providing virtual resources for organisations and laboratories and its pay-per-use policy make it very popular. A workflow models a process consisting of a series of steps that shape an application. Workflow scheduling is the method for assigning each workflow task to a processing resource in a way that specific workflow rules are satisfied. Some scheduling algorithms for workflows may assume some quality of service parameter such as cost and deadline. Some efforts have been done on workflow scheduling on cloud computing environments with different service level agreements. But most of them suffer from low speed. Here, we introduce a new hybrid heuristic algorithm based on particle swarm optimisation (PSO) and gravitation search algorithms. The proposed algorithm, in addition to processing cost and transfer cost, takes deadline limitations into account. The proposed workflow scheduling approach can be used by both end-users and utility providers. The CloudSim toolkit is used as a cloud environment simulator and the Amazon EC2 pricing is the reference pricing used. Our experimental result shows about 70% cost reduction, in comparison to non-heuristic implementations, 30% cost reduction in comparison to PSO, 30% cost reduction in comparison to gravitational search algorithm and 50% cost reduction in comparison to hybrid genetic-gravitational algorithm.     

基于万有引力搜索算法的微电网风光储容量优化配置

针对规模化风光储发电单元运行可靠性差、经济效益低等问题,通过采用多目标万有引力搜索算法,实现对风光储发电单元的优化配置。建立发电单元的输出功率模型,包括风力发电机输出功率模型、光伏电池输出功率模型和储能电池输出功率模型;采用某地区2015年1月至12月的风光数据,得出风机、光伏电池一年的输出功率。以风机、光伏电池及蓄电池的容量为决策变量,以成本、能源浪费率及缺电率最小为优化目标,得到最优风光储容量配置组合。     

遗传支持向量机在液压泵轴承故障的预测与应用

为了能够提高液压泵轴承故障预测的效率,深入地研究了支持向量机在液压泵轴承故障诊断中的预测和应用。提出了遗传模拟退火算法优化的最小二乘支持向量机预测模型,并分别对最小二乘支持向量机和遗传模拟退火算法进行了描述,给出了优化预测模型。通过实例研究,结果表明该方法具有较高的预测精度。     

基于GSA的变压器局部放电多样本逼近定位方法

通过小波包分析滤出超声信号白噪声,提高了时延估计精度,再采集多组样本进行定位,计算每组样本的定位结果,利用各组样本的定位结果逼近真实放电位置。