基于矩阵编码的遗传算法研究

分析遗传算法求解矩阵函数的局限性,提出一种基于矩阵编码的遗传算法。定义该算法的选择算子、交叉算子、变异算子,编写各算子的Matlab函数,通过仿真求解二矩阵变量函数。实例证明,该算法能确保矩阵染色体的结构完整性,提高遗传算法的速度和寻优 精度。     

基于矩阵编码的多目标进化求解面试分组问题

面试分组是高校自主招生、毕业答辩中较为常见的实际问题,该问题属于具有限制条件的组合优化类难题。针对该问题,首先分析内部限制条件和制约关系,并建立合适的数学模型,确定优化目标函数。然后采用基于矩阵的多目标进化算法研究此类问题,依据建立的数学模型,构造矩阵染色体编码方式对问题进行求解,同时利用常规的方法求解该问题进行对比。实验结果显示,多目标进化算法求解此类问题时,在解的质量和数量上明显优于常规算法。     

基于改进量子遗传算法的云计算资源调度

针对云计算环境下资源的高效调度问题,当前研究较少关注云服务提供商的服务成本,为此,以云服务提供商降低最小服务成本为目的,提出了改进量子遗传算法的云资源调度算法。由于采用二进制量子位表示的染色体无法描述资源调度矩阵,该算法将量子位的二进制编码转换为实数编码,并使用旋转策略和变异算子保证算法的收敛性。通过仿真实验平台将此算法与遗传算法和粒子群算法进行比较分析,在种群迭代次数为100的情况下,分别取种群数为1和10,实验结果表明该算法能取得更小的最小服务成本。     

Web服务平台下基于遗传算法的制造资源服务选择*

针对基于Web的制造资源服务平台中的制造资源服务选择优化问题,建立了制造资源的质量属性模型,提出了一种基于质量的遗传算法。该算法设计了一种资源—任务关系矩阵编码方式;选择、交叉、变异等遗传操作只对矩阵主对角线上的任务位进行;适应度函数的设计采用制造资源服务组合的质量属性来描述。应用MATLAB遗传算法工具箱编程验证了该算法的合理性和实用性。     

面向互联网开放平台保护用户隐私的关联规则挖掘算法

互联网开放平台提供的用户信息授权服务得到了广泛应用,但其在满足第三方网站的数据挖掘需求时往往将用户隐私信息交由多方存储,因而加重用户隐私滥用与泄露风险。针对这一问题,提出了一种开放平台与网站间的分布式关联规则挖掘算法,算法无须可信第三方参与,双方各自依据挖掘条件生成以频繁-1项集编号、用户身份标志符为行、列标记的布尔型矩阵,由开放平台进行矩阵扰动和整合,再由网站在整合矩阵上挖掘全局关联规则。实验证明该算法有效,且没有因通信代价而显著降低挖掘时间效率。     

基于SPEA2+算法的Web服务选择研究

服务选择算法是影响组合服务的QoS和服务组合性能高低的关键因素。针对将多维QoS属性加权聚合为一个目标函数进行优化的选择算法不能实质性地解决基于QoS的Web服务选择问题,采用改进的强度Pareto进化算法（SPEA2+）多目标优化求解该问题,设计了一种Web服务选择算法。该算法在满足声誉、可靠性和可利用性属性的约束下,同时最小化服务时间T和服务费用C,以产生Pareto最优解集。通过与运用SPEA2算法求解该问题的实验对比,表明了两算法所获取的Pareto最优解集中QoS属性T和C各均值各有优劣,用户可依据对T或C的偏好择优选择。     

机务段整备区股道安排的算法研究

该文研究了采用基于矩阵编码的自适应遗传算法求解机务段外勤整备区股道安排的问题。通过对各种约束条件和多目标优化模型的分析,提出了基于N×M二维矩阵的染色体编码设计,并构造了基于矩阵操作的新的遗传算子,采用了自适应变换等技术。相对于传统的遗传算法而言,基于矩阵编码与自适应策略的遗传算法具有易操作性、不过早收敛、有很好的收敛精度等特点。此算法的实施克服了人工操作的主观性与繁琐性,为整备区股道安排提供了准确的决策支持。采用遗传算法求解整备区股道安排问题,具有适用广泛和计算稳定等特性。仿真试验结果表明了该算法的可行性和有效性。     

应用改进区块遗传算法求解置换流水车间调度问题

针对最小化最大完工时间的置换流水车间调度问题，提出一种将遗传算法与蚁群算法相结合的改进区块遗传算法。算法利用随机机制和改进反向学习机制相结合的方式产生初始解，以兼顾初始种群的多样性和质量。通过若干代简单遗传算法操作产生精英群体，借鉴蚁群算法中利用蚂蚁信息度浓度统计路径和节点信息的思想，对精英群体所携带信息进行统计分析并建立位置信息素矩阵和相依信息素矩阵，根据两矩阵挖掘区块并将区块与非区块组合形成染色体。将染色体进行切段与重组，以提高染色体的质量，使用二元竞赛法保留适应度较高的染色体。算法通过Reeves实例和Taillard实例进行测试，并将结果与其他算法进行比较，验证了该算法的有效性。     

基于人工鱼群算法的QoS全局最优Web服务选择的研究

针对现有的服务选择算法单目标、局部最优等不足,提出基于人工鱼群的Web服务选择算法。首先建立QoS全局最优Web服务选择模型,之后运用人工鱼群算法来求解该模型,可以在有限迭代次数内产生一组满足用户需求的非劣组合服务集。最后通过仿真实验验证了该算法的有效性和可行性。为解决服务选择问题提供了新方案。     

面向交通出行服务的多目标优化选择方法

随着交通信息化和服务多元化的发展，选择满足约束条件下的交通出行服务是一个难题。针对服务的多目标选择问题，给出基于改进多目标算法的服务优化选择方法。该方法对交通出行服务中的服务质量和事务属性进行分析，将烟花爆炸算法、启发式的差分进化算法相结合。该多目标优化算法通过烟花爆炸与变异算子实现了局部搜索，同时利用启发式的差分进化算法保证了种群多样性，淘汰了劣质个体。实验结果表明：该方法针对交通出行服务组合的多个参数进行优化，求得满足服务质量和事务约束的最优解，保证了服务选择的质量。     

移动云环境面向多重服务选择的计算卸载算法

移动云计算可以通过计算卸载改善移动设备的能效和应用的执行延时。然而面对云端的多重服务选择时,计算卸载决策是NP问题。为了解决这一问题,提出一种遗传算法寻找计算卸载的最优应用分割决策解。遗传种群初始化中,算法联立预定义和随机染色体方法进行初始种群的生成,减少了无效染色体的发生比例。同时,算法为预定义的预留种群设计一种特定的基于汉明距离函数的适应度函数,更好地衡量了染色体间的差异。种群交叉中分别利用近亲交配与杂交繁育丰富了种群个体。算法通过修正的遗传操作减少了无效解的产生,以更合理的时间代价获得了应用分割的最优可行解。应用现实的移动应用任务图进行仿真实验评估了算法效率。评估结论表明,所设计的遗传算法在应用执行能耗、执行时间以及综合权重代价方面均优于对比算法。     

QoS-aware web service selection with negative selection algorithm

Web service selection, as an important part of web service composition, has direct influence on the quality of composite service. Many works have been carried out to find the efficient algorithms for quality of service (QoS)-aware service selection problem in recent years. In this paper, a negative selection immune algorithm (NSA) is proposed, and as far as we know, this is the first time that NSA is introduced into web service selection problem. Domain terms and operations of NSA are firstly redefined in this paper aiming at QoS-aware service selection problem. NSA is then constructed to demonstrate how to use negative selection principle to solve this question. Thirdly, an inconsistent analysis between local exploitation and global planning is presented, through which a local alteration of a composite service scheme can transfer to the global exploration correctly. It is a general adjusting method and independent to algorithms. Finally, extensive experimental results illustrate that NSA, especially for NSA with consistency weights adjusting strategy (NSA+), significantly outperforms particle swarm optimization and clonal selection algorithm for QoS-aware service selection problem. The superiority of NSA+ over others is more and more evident with the increase of component tasks and related candidate services.     

Solution of a Diagnostics Problem on the Basis of Fuzzy Relations and a Genetic Algorithm

The use of backward logical inference in expert diagnostic systems is considered. To solve systems of fuzzy logic equations, a genetic algorithm based on the operations of crossover, mutation, and selection of an initial set of chromosomes is proposed. The efficiency of the algorithm proposed is illustrated by computer simulation.     

基于混合遗传算法的时间最优控制问题求解

研究了用混合遗传算法求解时间最优控制问题.混合遗传算法是用粒子群位移转移的思想改变遗传算法的变异规则,通过记录各染色体的历史最优值和种群的最优值,来修正下一代的染色体,新的算法保留了遗传算法的选择和交叉操作,保证了遗传算法强大的全局搜索性能,该算法可求解数学优化问题.在分析时间最优控制问题已有求解方法优缺点的基础上,提...     

Understanding and improvement of the selection of replica servers in key–value stores

In current large-scale distributed key–value stores, the tail latency of the hundreds of key–value access operations generated by an end-user request determines the response time of this request. Therefore, this tail latency has great impacts on the user experience and revenue. Replica selection algorithms, which select the best replica server for the service of each key–value access operation as much as possible, is the key to cut the tail latency of these key–value access operations. This paper summarizes current replica selection algorithms, including both the algorithms employed by current key–value stores and the classic algorithms of other similar systems. These algorithms are classified into three categories: information-agnostic, client-independence and feedback, according to their demanded information. As a step further, simulation-based performance analysis of these algorithms is conducted. The result brings us the insights that the response time (RPT) is useful to measure the service rate, but will lead to the herd behaviors. Moreover, the number of outstanding key–value access operations (OSKs) is helpful to both the selection of the fastest replica server and the avoidance of herd behaviors. Based on these insights, we design the L2 algorithm by assembling the basic ideas of the Least OSK algorithm and the Least RPT algorithm. The L2 algorithm is much simpler than the recently proposed C3 algorithm and has a similar best performance with C3 as confirmed by the simulation and experimental results.     

基于遗传算法的QoS感知的Web服务选择

提出一种用于QoS感知的Web服务选择的遗传算法．该算法采用关系矩阵编码方式,克服了一维编码方式表示的局限性,并且可以通过简单的方法来表示组合服务重计划及Web服务循环路径等情况,通过该算法一次运行,就可以从所有组合路径的组合方案中选出满足用户QoS需求的组合方案,而一维编码遗传算法在多路径情况下需多次编码、多次运行．算法还采用一种变异策略来提高算法的适应度．通过仿真比较,关系矩阵编码遗传算法比一维编码遗传算法获得了更优解,变异策略在提高算法适应度方面也发挥了作用．     

GOS: a global optimal selection strategies for QoS-aware web services composition

Services composition technology provides a promising way to create new services in services-oriented architecture. However, some challenges are hindering the application of services composition. One of the major challenges encountered by composite services developer is how to effectively select a set of services across different autonomous regions (e.g., organization or business) to instantiate a composite service which can satisfy user’s QoS constraints. To solve QoS-aware Web service composition problem, this paper proposes a global optimization selection (GOS) approach based on prediction mechanism for QoS values of local services. The GOS includes two parts. First, the local preprocessing service selection algorithm can be used to increase composite services performance in run-time by predicting the change of service quality parameters. Second, GOS aims at enhancing the run-time performance of global selection by reducing QoS aggregation operations. The simulation results show that the GOS has excellent selection and lower execution cost than existing approaches.     

一种改进的业务服务选取方法

针对现有业务服务选取方法效率较低的问题,提出一种改进的业务服务选取方法。建立业务服务特征和物理服务之间的索引关系,保证建模时业务服务建模和物理服务绑定、运行时业务服务配置和物理服务选取之间的同步。实验结果表明,该方法能减少业务服务运行时服务选取的时间,提高业务服务的可用性。     

一种基于故障时间的可调域间出口选择算法

在大型Internet服务提供商中,BGP (border gateway protocol)出口路径选择常常采用"热土豆"机制.然而研究表明,该机制具有相当大的局限性以及出口调节的间接性,它容易影响域间路由的健壮性.针对"热土豆"机制的缺点,出现了一些新的BGP出口路径选择机制和算法.然而,这些方法在解决问题时往往忽略网络运行过程中经常出现的IP链路故障或故障持续时间的影响.提出了一种基于故障时间的可调域间出口路径选择算法,该算法能够根据流量工程的目标、路由稳定性等要求进行动态的调整,同时满足路由变化的实时性.模拟实验结果表明,该算法能够有效地在多个目标之间达到平衡.     

基于改进遗传算法的QoS感知Web服务组合

传统遗传算法在种群初始化的时候,普遍采用均匀取种法或随机取种法,这些方法生成的种群的平均适应度比较低,难以保证算法的搜索效率。文中提出一种改进的遗传算法用于QoS敏感的Web服务组合,采用两种不同的算法进行服务选择,避免了随机生成初始种群给算法带来的负面影响。并且,该算法将路径模板化以减少服务组合的工作量,用染色体可变长的编码方式来解决组合服务的多路径选择问题。通过仿真实验,与传统的算法相比,所提出的算法在实现服务组合时收敛更快,最优解的适应度更高。