基于PSO的多QoS约束路由问题研究

研究了计算机网络在多QoS约束条件下的路由问题。针对该问题的特点,改进了粒子群优化算法(Particle Swarm Op-timization algorithm,PSO),采用了新的粒子速度更新策略和粒子抗拥塞策略,使之成为一种解决多QoS约束路由问题的新算法。在一个8×8网状拓扑结构的仿真网络里对该算法进行了仿真实验,实验结果表明新算法对于多QoS约束路由问题可行且收敛快。     

一种基于QoS的网格资源选择优化模型

大量任务请求使用网格资源时,必须进行合理调度和资源分配才能提供较高的服务质量。通过对网格QoS几个重要属性进行量化,以最大化系统服务性价比为目标,提出了一种基于退火遗传算法的网格资源选择优化模型,并介绍了算法的详细流程。最后,通过仿真实验验证了该模型的有效性。     

多QoS约束下的PSO云存储任务调度算法

为研究云存储系统任务调度的问题,根据云存储系统的特点,前人已通过存在矩阵对PSO算法初始化与迭代更新进行约束,解决了PSO初始化以及迭代解对于云存储无意义的问题,使得PSO调度算法的迭代次数以及执行时间大幅降低,但其未充分考虑网络当前的状态以及网络服务质量问题。针对这一缺点,通过多QoS约束改进 PSO调度算法在QoS要求下的性能特征,使解更符合当前网络的状态以及用户对多QoS的需求。实验结果表明,虽然迭代次数和运行时间没有明显的变化,但是相对于现有算法在多QoS性能方面平均满足率仅有33％, QoS约束将该值改进至45.6％,满足多QoS的需求。     

基于全局QoS 约束分解的Web 服务动态选择

随着执行时绑定的Web服务的提出及其被大量地应用到开放式服务中,用户对支持快速和动态的Web服务组合提出了新的要求.即在组合过程中,用尽可能短的时间花费选择满足用户端到端的QoS要求的服务.针对上述要求,提出了一种基于全局QoS约束分解的动态服务选择方法(Web service dynamic selection approach,简称WSDSA).该方法的主要思想是,通过基于模糊逻辑的自适应调整方法(adaptive adjustment method,简称AAM)和自适应粒子群优化算法(adaptive particle swarm optimization,简称APSO)将全局QoS约束自适应地分解为满足用户偏好的局部约束,然后利用局部最优获得最合适的组合服务.性能评价表明,WSDSA方法具有较好的有效性,仅用较低的时间花费就能达到或接近全局最优解,能够满足服务选择的实时性和动态性.     

基于银行模型的QoS网格资源量化

要解决网格的服务质量问题,必须要引入QoS机制,也就是参数化的QoS描述等问题。目前关于QoS方面的研究很多,但都很少涉及QoS的量化问题,用经济学的原理来分析QoS问题就更少了。文章利用分层的思想,提出了一种基于QoS的网格银行模型,并将网格银行模型分为应用层、虚拟组织层、物理资源设备层。对每一层上的逻辑资源QoS、系统QoS、安全QoS、信任QoS、记账QoS共5类QoS的属性进行了分析,并提出了测量五类QoS的初步设想。最后,根据测量的结果,加入到服务等级协议（SLA）中,使SLA成为各方往来的依据。通过这种方式,可以将研究成果广泛应用于对网格QoS控制策略的评价、选择和优化上。     

PSO算法在多约束染色工艺优化模型中的应用

针对染色工艺优化设计,存在周期长、成本高、无法精确定量的问题,以生产成本最小化为优化目标,构造染色工艺优化设计的数学模型。从模型可知,染色工艺优化问题是一个具有大量局部极小值、不连续、多变量、多约束的复杂优化问题。粒子群(PSO)算法是一种基于群体智能的启发式算法。它具有简单易行、收敛速度快、优化效率高、对种群规模不十分敏感、鲁棒性好等特点,能方便地被用于求解带离散变量、不连续、多变量、多约束、非线性的复杂优化问题中。因而,提出粒子群算法来求解染色工艺优化模型。考虑到粒子群算法(PSO)易陷入局部最优解的局限性,提出一种基于改进惯性权重粒子群算法。该方法通过引进指数因子改进标准粒子群算法的惯性权重,平衡了其全局和局部搜索能力,在速度和精度上满足了计算要求。仿真结果表明,在满足实际生产要求的条件下,该方法优化后的生产成本节约了25%。证明该优化模型及算法是一种可行而有效的方法,对生产成本的预测以及染色工艺参数的制定具有指导意义。     

多QoS约束的双目标最优的网格工作流调度研究*

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流,涉及QoS参数较少或将多QoS参数聚合成一个单目标函数进行优化调度,提出了一种多QoS约束的双目标最优的网格工作流调度算法。该算法是基于AGWL网格工作流模型和改进的MOPSO算法,其目标是在满足可靠性、可利用性和声誉这三维QoS参数约束下,同时最小化两个冲突目标,即响应时间和服务费用。通过与原MOPSO所设计的网格工作流调度算法比较,该算法能获得更优的优化解。     

基于聚类和二进制PSO的特征选择

特征选择是模式识别及数据挖掘等领域的重要问题之一.特征选择不但可以提高分类精度和效率,也可以找出富含信息的特征子集.针对此问题,在分析了常用的一些特征选择算法之后,文中提出一种基于聚类和二进制PSO算法的特征选择方法,首先基于特征之间的相关性聚类来进行特征分组及筛选,然后针对经过筛选而精简的特征子集采用二进制粒子群算法进行随机搜索.实验结果表明,该算法可有效地找出具有较好的线性可分离性的特征子集,具有特征精简幅度较大、运行效率较高等优点.     

资源约束下基于离散粒子群算法求解多Agent资源结盟博弈问题

针对资源结盟博弈(CRGs,Coalitional Resource Games)中自治Agent结盟问题,每个Agent占有的资源不足以满足其目标要求,Agent通过建市联盟可以相互合作.各自实现目标.求解CRGs稳定联盟及其可达目标集的问题是一个NP-完全问题,由于可能的联盟数目随着Agent数日呈指数增长,需要设计高效的搜索算法.通过引入离散粒子群算法解决CRGs中自治Agent结盟问题.     

多QoS约束下网格工作流调度的克隆选择算法

多QoS约束下的工作流调度是网格计算中难以求解的问题.在深入剖析该问题难解性基础上,采用克隆选择算法求解该问题.首先通过增加网格服务的唯一标识,简化工作流调度的编码方式.其次,提出QoS偏好的概念,将调度问题的目标函数转换为适应值函数.该算法具有QoS属性的可扩展性.最后通过大量实验,优化算法参数,与基于遗传算法、蚁群算法的调度算法对比,克隆选择算法求解效率较优.在扩展情况下,与单一QoS约束下的时间、费用贪婪算法对比,克隆选择算法能进行最优调度.     

网格环境下基于模糊筛选的自由资源选择方法

针对网格中同类型不同版本资源所提供服务质量(QoS)的多样性,对用户从这一类型资源中选择具体资源造成困难的问题,提出了基于模糊筛选的资源选择策略。根据用户评价历史信息对资源进行模糊划分,建立资源版本评价矩阵,进行模糊筛选。实验结果表明,该策略较好地解决了用户需求和资源匹配问题,提高了用户的满意度。     

基于DSOF的网格资源发现模型研究

为了解决传统资源发现机制不能很好地适应网格资源环境的问题,在有效组建网格资源虚拟组织的基础上,提出了资源虚拟组织中联系结点的选取原则和选取算法,通过该算法从具有相同资源类型的联系结点中选出管理结点.联系结点和管理结点之间采用类似二部图的方式进行连接,构成基于动态自组织覆盖架构的网格资源发现模型.从资源发现能力、资源发现效率和系统可扩展性等方面对该模型进行了综合评价,结果显示该模型适合网格资源的特征,在大规模网格系统中能够有效提高资源发现性能,仿真实验验证了该模型的有效性.     

校园网格资源管理模型的研究

设计了一个基于分层模型的校园网格资源管理模型,对其核心部分"服务层"所使用的资源表示机制、资源查找策略、资源调度策略、任务调度策略等一系列机制进行了描述.通过对各种分布的、异构的资源的统一管理,实现对整个网格系统资源的访问并且使资源管理模块具有可扩展性.     

基于资源预测的网格任务调度模型

跨越虚拟组织中多个域(或集群)的网格任务调度由于资源的不确定性（如动态性和异构性）而成为网格应用中亟待解决的问题。提出了一种有效的基于资源预测的网格任务调度模型——RPTS,该模型利用加权最小二乘方法进行参数估计的自回归滑动平均(ARMA)预测方法对网格环境下的主机负载进行预测。利用上述资源预测结果和一类数据并行性网格任务的建模结果,对它们进行预处理、匹配并调度执行。RPTS充分考虑了网格环境下资源的动态性和异构性,为解决网格环境下任务调度问题提供了一种较好的方法。与其他一些网格任务调度方法进行了一系列的仿真实验,结果表明RPTS模型具有任务执行时间最短和稳定性较好的特点。     

非集中调度模型下的网格资源调度研究*

针对当前网格资源调度系统扩展性差的问题,提出了基于非集中调度模型的以保守Backfilling算法为核心的网格资源调度算法.探讨了网格任务在站点处理器数目异构情况下,网格作业多站点协同调度问题.实验仿真证明,在跨网格站的资源调度中,运用资源预留策略和多站点作业分块可以改善作业的平均响应时间,并起到负载平衡的效果.     

基于混合粒子群算法的保障资源优化研究

针对目前我军在武器保障过程中人力资源的过载问题,提出了应用混合粒子群算法求解资源约束项目调度问题的实现方法.分析了网络计划中工序逻辑关系特点,采用工期指标建立优化模型.在算法设计中,使用遗传算法的交叉和变异操作替代粒子速度和位置的更新,并采用修复算子,以保证个体生成的合法性.对某型武器装备保障进行了优化分析,结果表明方法具有很强的寻优能力,对于促进保障单位合理利用资源、科学安排工程调度具有重要的现实意义.     

A portfolio selection model with borrowing constraint based on possibility theory

Compared with the conventional probabilistic mean-variance methodology, fuzzy number can better describe an uncertain environment with vagueness and ambiguity. In this paper, the portfolio selection model with borrowing constraint is proposed by means of possibilistic mean, possibilistic variance, and possibilistic covariance under the assumption that the returns of assets are fuzzy numbers. And a quadratic programming model with inequality constraints is presented when the returns of assets are trapezoid fuzzy numbers. Furthermore, Lemke algorithm is utilized to solve the model. Finally, a numerical example of the portfolio selection problem is given to illustrate our proposed effective means and variances. The results of the numerical example also show that the investor can make different decisions according to different requirements for the values of expected returns. And the efficient portfolio frontier of the model with borrowing constraints can be easily obtained.     

基于计算经济的网格资源管理模型研究

由于网格中的资源具有分布性、自治性、异构性和动态性,对网格资源进行高效的管理是一个具有挑战性的问题.提出把移动Agent和Agent技术、计算经济机制引入网格资源管理.自治Agent利用双向拍卖经济杠杆的调节,以用户的QoS所驱动,对资源的使用进行竞价拍卖,使网格的资源管理能够自动适应环境的变化.提出的基于计算经济的网格资源管理模型DynamicSA,实现了以用户的QoS驱动,对网格资源的有效管理具有一定的理论意义.     

一种基于最小代价的网格资源发现模型

引入域和资源路由节点的概念,设置最小代价函数对网格资源进行分层按域划分,形成一种基于最小代价的分层次网格资源发现模型;并为模型设计了相应的资源路由器节点选择算法、资源注册和查询算法。性能分析和模拟实验结果表明,模型具有良好的可扩展性和容错性,且系统代价低;模型能够在屏蔽网格资源异构性的同时很好地满足其动态性、分布性和扩展性的要求,具有较高的资源搜索性能。