基于非对称属性描述的网格资源匹配算法

针对网格资源匹配过程逐渐复杂化,以语义相似度查找机制为基础,提出了一种基于非对称资源属性描述的网格资源匹配算法BARM。BARM利用两次匹配对匹配过程加以边界约束,通过调整权重和阈值控制匹配结果的查准率和查全率,从而满足用户个性化的需求。     

基于改进多目标进化算法的微服务用户请求分配策略

如何对基于微服务架构的系统进行并发用户请求的分配以使得时间、成本和均衡性等目标得到优化,是面向微服务的应用系统需关注的重要问题之一.现有的基于固定规则的用户请求分配策略仅着重于负载均衡性的解决,难以处理多目标需求间的平衡.为此,文中提出以请求处理总时间、负载均衡率和通信传输总距离为多个目标的微服务用户请求分配模型,研究并发用户请求在部署于不同资源中心的多个微服务实例间的分配策略,并使用基于改进初始解生成策略、交叉算子和变异算子的多目标进化算法对该问题进行求解.在不同规模的数据集上进行多次实验,结果表明,提出的方法与常用的多目标进化算法和传统的基于固定规则的方法相比,能够更好地处理多个目标间的平衡,具有更好的求解性能.     

一种基于多目标多约束的战时抢修力量调度

为合理调度抢修力量,快速修复受损装备,在对战场抢修中抢修力量调度问题进行分析的基础上,考虑抢修任务的时间约束、逻辑约束、抢修力量的平衡度约束、抢修力量的能力、抢修花费代价等约束,建立了使作战单元战斗力恢复最大,抢修花费代价最小的多目标优化模型。同时,给出了战时作战单元战斗力指数、抢修花费代价的计算方法,设计了相应遗传算法对模型优化求解。最后,以战场抢修任务为背景,用算例验证了模型的实用性和算法的有效性。     

基于遗传算法的数据交换问题求解方法

数据交换问题是信息集成中的关键问题之一。针对数据交换问题的基本定义描述、算法以及求解过程,提出改进的数据交换问题求解过程,解决当某类依赖条件下无解或不能在多项式时间内求解问题。该方法通过对约束条件有依据地弱化修正,使得能够在多项式时间内求出近似解,并最大限度地满足用户对于目标数据库的需求,最后进行了实验验证。     

Web服务中一种面向用户群偏好向量的计算方法

用户偏好用于描述用户的偏好倾向和历史行为等,通过这些信息,系统可以发现和预测用户的需求信息,从而提供最接近用户请求的服务。在Web服务的应用中,用户偏好信息在很大程度上影响了服务质量评价。单个用户或者用户群体需要利用Web服务质量的评价来选择满足自己最大偏好的服务组合,用户群的偏好值计算需要一个可靠稳定的方法来计算。在分析基于QoS选择的Web服务基本构建框架和WSMS概念结构的基础上,引入了一种面向用户群偏好的EOWA算子计算方法,用来获取可靠、有效的用户群偏好向量,并进行了实例分析。     

用于求解旅行商问题的深度智慧型蚁群优化算法

启发式算法是求解组合优化问题求解的重要手段,其主要特征是能够以可接受的计算代价找到足够好的可行解.然而,设计良好的用于求解组合优化问题的启发式算法需要大量的专业领域知识以及大量的试错工作,且人工设计的启发式算法不能够保证在不同问题集上均具有一致性表现.另一方面,深度学习方法能够通过学习自动设计启发式规则,然而深度学习方法通常缺少在解空间内搜索的能力.为克服以上问题,提出了一种基于蚁群优化和深度强化学习的混合启发式算法框架.在该框架中,蚁群算法能够利用深度强化学习提取的启发式信息,而深度强化学习方法的解空间搜索性能也由于蚁群算法的加入而获得提高.采用经典的TSPLIB中的算例对该算法求解旅行商问题的效能进行了计算验证,结果表明采用深度学习方法能够极大地提升蚁群算法的计算表现,并降低其计算代价.     

面向服务的信息物理融合系统建模与验证

针对信息物理融合系统(CPS)中建模与验证面临的问题与挑战,基于服务组合的思想,提出一种CPS建模与验证方法。首先,综合分析已有研究成果,提出一种CPS的组成结构,包含物理世界、感知系统、信息处理系统、控制系统及时间约束。基于该结构提出CPS资源的服务分类及组成框架,并利用时间自动机理论,提出CPS物理环境建模方法、CPS原子服务建模方法及服务组合方法。最后,通过案例设计和模型检测工具Uppaal,分别对系统安全性、可达性、活性及时间约束四种类型的性质进行了相关验证。结果表明,系统通过了这些性质的验证,这也证明了面向服务的CPS建模方法的正确性。     

基于李雅普诺夫优化的移动群智感知在线任务分配策略

移动群智感知技术基于众包思想，募集移动感知设备对周围环境进行感知，能够使得环境感知和信息收集更加灵活、方便、高效。任务分配方案的合理性直接影响到感知任务能否成功，因此制定合理的任务分配方案是移动群智感知相关研究中的热点和重点。目前，移动群智感知系统中的任务分配方法多是离线的，针对的是单一类型的任务，但是在实际中，在线的、多类型的任务分配更贴近实际。因此，文中针对多类型任务，将移动群智感知技术应用于军事末端感知中，结合移动群智感知技术在军事领域的应用特点，对移动群智感知中的任务分配方法进行了研究，提出了面向系统效益的在线任务分配策略。文中建立了长期的、动态的在线任务分配系统模型，并以系统效益为优化目标，基于李雅普诺夫优化理论对问题进行了求解，实现了任务准入策略和任务分配方案的长期在线动态控制。实验结果表明，所提出的在线任务分配算法是有效可行的，能够在线、合理地分配到达移动群智感知系统的任务，保证任务队列的稳定性，且可以通过调整参数值增加系统效益。