基于并行基因表达式编程的网格资源分配算法

 网格下的资源分配属于NP-难问题.为了更好地解决这个问题,文中首先提出了网格资源分配模型,并对资源个数与任务个数的三种不同情况进行了详细的分析,最后提出基于并行基因表达式编程的网格资源分配算法(Grid Resource Allocation Algorithm based on Parallel GEP,GRA-PGEP).该算法采用了基于资源与任务相关的非线性的编码方式和反转操作,同时应用粗粒度模型设计了该算法.仿真实验表明,GRA-PGEP算法在优化成功率、平均收敛代数以及耗时方面都要优于传统的GEP和GA算法.     

基于Agent的计算网格资源分配

提出了一种基于Agent的计算网格资源分配框架，在这个模型中，用效用函数刻画用户对网格服务的满意程度．将计算网格资源分配问题转化为在传统的考虑负载平衡的基础上，求最大化所有用户的效用和，并给出了分布式、可扩展的算法。     

基于并行遗传算法的对称多处理器任务调度策略研究

任务分配问题是公认的NP难问题。文章在以往有关多处理机任务分配算法的基础上，提出了一种适用于SMP系统结构的并行遗传调度算法。仿真结果表明。该算法具有较好的效果和收敛性。     

基于遗传算法的网格任务调度研究

网格调度是一个典型的NP问题,研究表明遗传算法是解决复杂环境下资源调度的有效方法之一。针对异构环境下的网格任务调度,提出了一种改进的遗传算法,并改进了遗传算法的收敛特性,通过分析实验结果证明该算法优于传统的调度算法。     

基于组合双向拍卖的网格资源分配

 针对网格环境中资源分配的特点,提出新的基于组合双向拍卖的网格资源分配模型,通过网格用户和业务提供者的组合双向拍卖来实现资源的分配,并提出了网格资源定价算法,用以解决资源分配基础之上的计费问题.仿真结果表明,所提出的方案可以高效的完成资源的分配及定价,并且可以对平均报价较高的竞买方以及平均报价较低的竞卖方给予价格补偿.     

基于动态选择遗传算法的雷达干扰资源分配

电子战中如何针对敌方目标雷达合理高效地分配己方干扰资源,对于获取最佳干扰效益能够起到重要的作用。文中针对雷达干扰资源分配的干扰效益建立评估模型,在模糊综合评估方法的基础上引入遗传算法进行最优解搜索,在遗传算法中关键的选择步骤运用动态选择概率代替了轮盘选择,从而得到了一种行之有效的雷达干扰资源分配方法,预防了经典遗传算法中的早熟收敛问题,使资源分配算法以更大概率收敛至全局最优解。通过进行大量仿真检验,验证了文中所提方法具有有效性和正确性。     

基于并行混沌遗传混合算法的多用户检测

基于传统遗传算法的多用户检测器易陷入局部最优解且收敛较慢,影响实时性。本文利用混沌优化算法的优势来弥补遗传算法的这一缺陷,使两种算法优势互补,同时采用具有“迁移策略”的并行搜索机制,提出了一种新的次优多用户检测方法———并行混沌遗传混合算法(PCGA),并在同步CDMA系统中对其性能进行了研究。仿真结果表明,我们提出的这种算法能有效克服传统遗传算法易陷入局部极小的问题,计算量小,收敛速度快,在抗干扰与克服“远-近”效应方面均有明显的优势。     

量子遗传算法在对抗资源分配中的应用

针对平台对抗威胁目标威胁度动态变化的应用背景,提出了一种基于量子遗传算法的对抗资源调度方法。该方法可有效克服传统遗传算法易早熟与局部寻优能力差的缺点,提高了寻优的效率。分别针对在一段时间内2个平台对抗6个、10个、12个威胁目标的情况进行了仿真,结果表明使用量子遗传算法比随机分配和传统遗传算法具有更好的处理效果,可以提高目标业务威胁程度动态变化时的对抗能力。     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向。任务调度问题的解决是网格得以充分发展的基本前提。提出了一种基于改进蚂蚁算法的网格任务调度策略。不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能。任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务。改进蚂蚁算法以及任务调度策略的有效性已被OPNET上的仿真结果所验证。     

一种基于定价与信任的网格资源分配算法

该文首先对基于组合双向拍卖的网格资源分配与定价模型进行改进,提出以各类资源的单价定价的算法。然后提出一种等效价格算法,设计基于信任度的价格调整函数,将不同信任度的各节点的报价,都映射为基准信任度下的等效价格。最后基于该等效报价,以组合双向拍卖模型进行网格资源分配。仿真表明所提算法的交易率较高,能防止恶意节点参与交易,所得交易效用可激励买家提高和卖家降低其等效报价。     

一个基于网格资源超市的计算网格资源管理模型

在现有的基于经济模型的网格资源管理方法中,用户共享资源访问一般经由网格用户代理实现,而资源提供者将资源交给网格资源代理处理,网格用户代理通过网格资源经纪访问网格资源代理,获取共享资源信息并使用共享资源。这类方法制约了用户直接选择使用共享资源,也限制了用户共享资源的范围、延长了作业运行周期。文章给出的基于网格资源超市的计算网格资源管理模型、共享资源访问流程及网格资源管理分配策略,较好地解决了这几个问题。     

基于树型网格的混合遗传算法

资源调度算法是网格计算研究的一个重要研究方向。文章讨论了树型网格的逻辑调度模式．提出了基于树型网格的混合遗传算法HGATG。算法利用启发式操作算子加快最优值的收敛速度．并采用随机法和唯一法来避免算法的早熟。实验结果表明HGATG算法在求解速度、成功率和求解问题的规模等方面有较好的效果。     

基于改进混合遗传算法的云资源调度算法

在云计算中,系统规模和虚拟机迁移数量都是十分庞大的,需要高效的调度策略对其进行优化。将云计算的任务分配抽象为背包求解问题,可通过遗传算法进行求解。传统的遗传算法具有局部搜索能力差以及早熟现象的缺点,本文采用遗传和贪婪相结合的混合遗传算法。针对混合遗传算法在资源利用率与能源消耗的收敛速度较慢问题,本文通过改进适应度函数,改变了适应度函数在不同染色体间的差异度,从而提高了染色体在选择算子中的择优性能。仿真结果表明,该方法能够有效提高混合遗传算法在云计算资源优化中的收敛速度。     

基于改进遗传算法的网格资源调度算法

网格计算关注大规模的资源和任务调度，要求采用的调度算法能够具有高效性。提出一种基于改进遗传算法的资源调度算法，该算法综合考虑了资源任务分配量以及任务完成时间，从而设计出良好的交叉和选择算子，既能够保留完成时间比较小的个体又能够保留具有一部分优秀资源分配方式的个体．算法具有较好的效率和收敛性。     

基于QoS的动态网格资源分配策略研究

网格资源节点的动态性、网格资源的分布性和异构性,决定了基于QoS保证来满足用户的要求,如何在竞争资源的应用之间合理分配资源,使得在满足用户QoS要求的基础上资源的利用率最高成为一个急需解决的问题.针对网格资源的特性介绍了一种基于QoS的动态网格资源分配策略,提出了基于网格的资源预留机制,提高了资源管理的可靠性和准确性.在此基础上,提出了选择性QoS调整机制.仿真试验表明该方法能有效地确保系统QoS,并获得近似最优的资源分配方案.     

带精英集并行遗传算法的无人机干扰资源调度

在中大规模无人机干扰资源调度中,针对现有模型约束条件简单、调度算法适用规模较小的问题,该文提出了带最少任务数约束的资源调度模型,以最大化干扰效益和最小化成本为目标,用层次分析法对效益与成本指标赋权,并设计了一种用精英集加快收敛的改进并行遗传算法。在中等规模和500:500(干扰资源数:目标数)的更大规模仿真实验中,所提算法与遗传算法、非支配排序遗传算法II、修复遗传算法、基于岛屿模型的并行遗传算法和自适应模拟退火遗传禁忌搜索算法的性能相比,能在更短的时长内达到较优的目标函数值。     

基于并行遗传算法的弹性TSP研究

文章针对并行遗传算法求解TSP问题,探讨了使用弹性策略来维持群体的多样性,使得算法跨过局部收敛的障碍,向全局最优解方向进化.通过对算法的分析和实验,尤其是在典型的CHN144 TSP求解上发现了新的最优解这一结果表明,本文算法的改进是有效的.     

Resource Allocation Algorithm Based on PSO-GA for Multi-User OFDM System

In order to minimize the transmitted power in the multi-user orthogonal frequency division multiplexing (OFDM) system, a scheme combining the improved particle swarm optimization (POS) algorithm with genetic algorithm (GA) is proposed to optimize the sub-carriers and bits allocation. In the algorithm, a random velocity between the maximum and minimum particle velocity is used as the updating velocity instead of maximum or minimum velocity when the updated particle velocity is higher than the maximum particle velocity or lower than the minimum particle velocity. Then, the convergence population is used as the initial population of the genetic algorithm to optimize the sub-carriers and bits allocation further. Simulation results show that the transmitted power of the proposed algorithm is about 2 dB to 10 dB lower than that of the genetic algorithm, particle swarm optimization algorithm, and Zhang's algorithm.