基于文化社会认知算法的云服务优化组合研究

QoS感知的云服务优化组合是云计算领域亟需解决的问题。针对该问题,首先对社会认知算法进行了改进,然后将改进的社会认知算法纳入文化算法的框架之内,构造了新颖的文化社会认知算法,并采用该算法解决QoS感知的云服务优化组合问题。实验结果表明,文化社会认知算法在求解云服务优化组合问题时具有较强的搜索能力和较快的收敛速度;同时,该算法具有很强的推广性,可以用来求解其他类似的组合优化问题。     

基于混沌优化的多模型容错控制方法

为了提高主动容错控制中故障诊断和容错控制律重组重构的快速性和可靠性,在建立了非线性受控对象正常或故障状态的神经网络模型的基础上,采用带有混沌动态量的自适应BP改进算法整定出系统各种运行模式下的控制律,由此建立了模型库;进而以一种隐形的故障诊断机制,通过对系统性能容忍度和模型失配度的在线计算判断系统的工作状态,并从动态模型库中调用与之匹配的控制律,从而达到容错效果.仿真结果表明,混沌机制的引入为提高系统发生故障时在线进行控制律重组重构的实时性和可靠性提供了一条有效途径.     

基于LG-MMAS算法的制造云服务优化组合研究

制造云服务组合是一种提高云制造资源利用率,实现制造资源增值的新技术,对云制造产业的快速发展具有重要的支撑作用。随着云制造技术的日益成熟,网络上出现了大量具有相同制造功能和不同服务质量的制造云服务,如何通过这些制造云服务构建出既能满足用户制造需求,又具有最优服务质量的组合服务是云制造领域面临的难题。针对这一问题,将协作学习、变异和精英保留机制引入最大最小蚁群算法,构造了具有学习和变异能力的最大最小蚁群算法,并使用该算法求解服务质量感知的制造云服务优化组合问题。仿真实验结果验证了算法的有效性。     

针对生物振荡网络分析的周期系统目标敏感性方法研究

生物学实验和模型计算结果表明振荡是一种常见的生物学现象, 越来越多的研究人员关注生物系统内部的振荡现象是如何产生的、引起振荡的关键因素是什么等问题. 敏感性分析定量分析系统行为在模型参数、系统输入或者初始条件发生变化时受影响的程度. 对周期系统进行传统的状态敏感性计算时, 得到的灵敏度指标随着时间的增加而发散, 因而对其进行敏感性分析是一项具有挑战性的工作. 本文针对这类系统, 首先提出基本状态敏感性的概念, 由此进一步推导出一种相敏感性分析方法. 在计算周期灵敏度过程中, 提出了一种基于奇异值分解的的改进算法, 简化了基本状态灵敏度的计算. 本文中的目标敏感性分析方法克服了因累积效应引起的发散问题. 通过对一个生物节律模型和一个复杂的信号转导网络系统模型进行敏感性分析, 可以看到改进的周期灵敏度计算方法得到的结果与已有方法一致, 并且新提出的目标敏感性分析方法及其计算在处理存在反应守恒的复杂生物振荡系统分析时是有效的.     

基于计算实验的集群式供应链协同采购影响因素研究

针对集群式供应链协同采购影响因素的动态复杂性,采用计算实验方法模拟协同采购的形成过程,定义了系统主体间的学习交互规则,定量地研究了市场需求、采购企业密度和采购企业自利性三个因素对企业协同采购的影响。实验结果表明,市场需求的增加会导致企业选择协同采购策略的意愿降低;当系统达到稳定状态时,企业协同采购策略变化的频率很低;市场需求的波动程度增强会导致企业选择协同采购策略的意愿增加,且波动程度越强,企业选择协同采购策略的时间越早。采购企业密度的增加会导致选择协同采购策略的企业数量不断增加;采购企业自利性的增加会导致越来越多的企业放弃协同采购策略。其实验结果对集群式供应链管理具有一定的借鉴意义。     

Web服务质量动态预测方法研究

随着面向服务计算技术(SOC)的快速发展,网络上出现了大量功能相同而服务质量(QoS)有很大差别的Web服务,QoS成为评价和选择Web服务的重要依据。由于Web服务所在环境的开放性,使得Web服务的QoS具有很强的动态性,如何精确地预测Web服务的QoS成为影响服务选择和服务组合质量的关键问题。对当前已有的Web服务QoS动态预测方法进行了深入的剖析,指出了现有QoS动态预测方法的优点与不足,讨论了未来的研究方向;明确了存在的关键问题以及未来的发展方向。     

基于谱信息熵和互补模型的声效模式检测

提出了一种基于模型融合的声效检测方法.首先提取对所有声效模式都具有良好辨识能力的谱信息熵特征,并进行声效辨识度分析;然后引入互补模型进行声效识别,从模型层面实现了整体谱特征、梅尔频率倒谱系数和谱信息熵的融合.对孤立词测试集进行了声效检测实验,识别精度为81.6%,实验结果表明,谱信息熵在3类特征中具有最好的分类能力,而互补模型能够有效集成3种特征蕴含的显著性信息.     

基于多模型切换的智能主动容错控制方法研究

针对某些具有可能故障先验知识的非线性系统,采用主动容错控制方法,基于神经网络对系统正常及各种先验故障情形建模,并采用基于神经网络的PID控制方法离线整定出各种故障模式下的控制律,由此建立模型库;在系统实时运行时,依据系统性能容忍度指标和模型失配度指标的计算分析,判断系统所处运行模式,切换与该模式匹配的控制律,从而达到系统主动容错控制的目的.最后将所提出的主动容错控制方法应用于某一非线性系统和线性系统,仿真结果表明了方法的有效性.