基于广义反向学习的磷虾群算法及其在数据聚类中的应用

针对磷虾群（KH）算法在寻优过程中因种群多样性降低而过早收敛的问题，提出基于广义反向学习的磷虾群算法GOBL-KH。首先，通过余弦递减策略确定步长因子平衡算法的探索与开发能力；然后，加入广义反向学习策略对每个磷虾进行广义反向搜索，增强磷虾探索其周围邻域空间的能力。将改进的算法在15个经典测试函数上进行测试并与KH算法、步长线性递减的磷虾群（KHLD）算法和余弦递减步长的磷虾群（KHCD）算法比较，实验结果表明:GOBL-KH算法可有效避免早熟且具有较高的求解精度。为体现算法有效性，将GOBL-KH算法与K均值算法结合提出HK-KH算法用于解决数据聚类问题，即在每次迭代后用最优个体或经过K均值迭代一次后的新个体替换最差个体，使用UCI五个真实数据集进行测试并与K均值、遗传算法（GA）、粒子群优化（PSO）算法、蚁群算法（ACO）、KH算法、磷虾群聚类算法（KHCA）、改进磷虾群（IKH）算法进行比较，结果表明:HK-KH算法适用于解决数据聚类问题且具有较强的全局收敛性和较高的稳定性。     

面向节点异构GPU集群的能量有效调度方案

GPU集群已经成为高性能计算(HPC)领域的主流组件。随着处理单元的发展和集群节点的拓展,GPU集群将在节点层面趋于异构化。提出一套针对异构任务在节点异构GPU集群上的能量有效调度方案。形式化地描述其任务和资源模型以及能耗评估模型。通过特定的节点选择策略,减少空闲状态的能耗损失。通过任务类型划分和组合分配以及DVFS,增加CPU资源利用率。该方案从系统层面着手,能够与现有的算法和指令层面的优化方法兼容。     

一种基于改进KH与KHM聚类的混合数据聚类算法

为解决K-means聚类对初始聚类中心敏感和易陷入局部最优的问题,提出一种基于改进磷虾群算法与K-harmonic means的混合数据聚类算法.提出一种具有莱维飞行和交叉算子的磷虾群算法以改进磷虾群算法易陷入局部极值和搜索效率低的不足,即在每次标准磷虾群位置更新后加入新的位置更新方法进一步搜索以提高种群的搜索能力,同时交替使用莱维飞行与交叉算子对当前群体位置进行贪婪搜索以增强算法的全局搜索能力.20个标准测试函数的实验结果表明,改进算法不易陷入局部最优解,可在较少的迭代次数下有效地搜索到全局最优解的同时保证算法的稳定性.将改进的磷虾群算法与K调和均值聚类融合,即在每次迭代后用最优个体或经过K调和均值迭代一次后的新个体替换最差个体.5个UCI真实数据集的测试结果表明:融合后的聚类算法能够克服K-means对初始聚类中心敏感的不足且具有较强的全局收敛性.     

含风电的发电资源优化调度与仿真研究

风电大规模集群接入电网给电力系统的调度带来巨大挑战.基于对风功率波动特性的分析,将风电作为负的负荷,构建了以污染物排放最小为目标的含风电的电力系统优化调度模型.根据次日风功率和负荷功率的预测值,安排火电机组的发电调度计划.把目标函数作为适应度函数,利用遗传算法迭代优化蚁群算法的参数,得到两者融合后的改进算法,最后求得最优解.实例仿真表明,本文提出的运行调度模型及改进求解方法能够用于计划机组出力,可有效减小污染物的排放.     

基于Map-Reduce模型的云资源调度方法研究

为提高Map-Reduce模型资源调度问题的求解效能,分别考虑Map和Reduce阶段的调度过程,建立带服务质量(QoS)约束的多目标资源调度模型,并提出用于模型求解的混沌多目标粒子群算法。算法采用信息熵理论来维护非支配解集,以保持解的多样性和分布均匀性;在利用Sigma方法实现快速收敛的基础上,引入混沌扰动机制,以提高种群多样性和算法全局寻优能力,避免算法陷入局部最优。实验表明,算法求解所需的迭代次数少,得到的非支配解分布均匀。Map-Reduce资源调度问题的求解过程中,在收敛性和解集的多样性方面,所提算法均明显优于传统多目标粒子群算法。     

基于能量效率的认知无线网络联合优化算法

为提高认知无线网络能量有效性,提出一种基于能量效率的联合优化算法。在考虑主用户干扰容限的基础上构建了能量有效性模型,将优化目标分解为接入策略求解和功率优化问题,采用粒子群算法反复迭代,得到接入概率与功率分配的联合最优解。仿真结果表明,相对于不考虑功率优化或接入概率的传统优化方法,所提算法可使系统能量效率得到显著提升。     

基于内容的网络集群负载平衡算法模型

在论述网络集群负载平衡算法的基础上,基于内容分类的方法,给出基于内容的网络集群负载平衡算法三元组模型。请求分类有利于提高缓存命中率,调度机制说明如何适当地转发请求,动态反馈避免将请求分配到重载的服务器,进而分析了调度机制的八种调度策略和六种基于内容的调度转发技术。该模型利用缓存内容来提高集群的吞吐量和响应时间,可部署多种服务类型。     

Web集群请求分配与选择算法性能评价模型的研究

请求分配和选择算法是Web集群技术的重要研完内容。本文基于当前世界上在Web集群请求分配与选择算法研完上的主要结果，建立起一个系统的Web集群请求分配与选择算法的性能评价体系，提出了评价指标参数，并详细介绍了Web集群调度模拟器(Web Cluster Schedule Simulator，WCSS)的设计模型和实现方法，最后以作者提出的基于资源优化的调度策略进行了模拟，实验结果较为理想。     

基于最优虚拟截止日期多处理器混合时序调度

为提高混合临界系统实时调度有效性,提出基于最优虚拟截止日期的多处理器混合时序调度算法.将现有非抢占最早截止时间可调度性测试算法推广到混合临界多处理器系统,引入时序保证技术,确保系统在两个不同临界值间过渡;将所提可调度性测试扩展到混合临界系统,利用系统级截止期缩减参数控制,设计最优虚拟截止日期分配策略.仿真结果表明,采用最优虚拟截止时间分配策略可调度性测试可发现大量额外可调度任务集,实现混合临界多处理器非抢占调度性能提升.     

风力与火力发电并网优化调度仿真研究

在风力和火力发电并网的优化调度节能减排的研究中,风电出力的随机性使得风电并网时达到最优调度成为难题.为解决传统方法进行优化调度仿真时,在煤耗成本上易陷入局部最优,并兼顾优化效率,提出了两层策略对风电并网的优化调度问题进行求解.外层采用加入部分贪心变异策略的量子离散粒子群算法确定机组启停,内层使用二次规划法求解负荷经济分配问题.以含风电场的10机组系统为算例,求解了机组分钟级爬坡速率约束下和不同置信度水平情况下的调度方案.计算结果表明,优化结果明显优于传统方法的求解精度和效率,为风电并网优化调度提供了新思路.     

认知无线电中能效优化的子载波匹配策略

针对协作认知无线电系统中的能量效率问题,提出一种以最大化能量效率为目标的资源联合分配算法。在满足服务质量要求和功率约束的情况下,首先通过一种能量效率优先的启发式方案对子载波进行匹配,再引入基于拉格朗日对偶算法对其中的功率分配问题进行非线性优化,从而最大限度地提高整个系统的能量效率。仿真实验结果表明,所提算法的能量效率得到显著提升,验证了所提方案的有效性。     

基于用户需求的图着色论频谱分配算法

对最新的图着色论频谱分配算法进行了分析,针对认知用户需求未得到满足的缺点,提出用户满意度,根据它来设置频谱分配优先级函数,对需求满足情况较差的用户优先进行分配,得到一种基于用户需求的图着色论频谱分配算法。仿真结果表明,提出的算法能增加系统信道效益,更好地满足多个用户的信道需求,提高了频谱利用率。     

采用自适应扰动观察法的光伏并网系统最大功率点跟踪

提出了一种自适应扰动观察（P＆O）算法,用于在不同天气条件下太阳能光伏（PV）并网系统的最大功率点跟踪（MPPT）控制策略。该策略对于从太阳能光伏电池板中,获取最大的功率输出是十分重要的。利用一种依赖于功率变化的可变的扰动步长,提出了改进的自适应扰动观察算法。最后将通过仿真所得到的数据与传统的扰动观察算法进行了比较,结果表明所提出MPPT算法的收敛值和速度得到了改善,稳定时间缩短25%,稳态值提高20%以上,在太阳能光伏并网系统的最大功率点跟踪时是有效而实用的。     

Profit based unit commitment using memetic binary differential evolution algorithm

Profit-based unit-commitment problem (PBUCP) is a notable combinatorial optimizing problem faced in the deregulated power industry. The PBUCP finds the best profitable solution by committing and scheduling the thermal generating units efficiently. To solve the PBUCP, a new memetic binary differential evolution algorithm is proposed which considers binary differential evolution (BDE) algorithm as global search operator to improve the exploration aspect and binary hill-climbing (BHC) algorithm as local search operator to improve the exploitation aspect. A binary differential evolution algorithm is introduced whereby a new mutation strategy is implemented. A novel BHC algorithm makes priority-based perturbations on unit’s status to improve the global best solution searched by the BDE algorithm alone. A new excessive unit de-commitment strategy based on priority and total profit is also proposed. The power to committed units is allocated based on priority of units. The efficacy of algorithms has been researched on the PBUCP test systems comprising of 10-, 40- and 100-units over a time horizon. The outcomes of the proposed algorithms are compared with previously known best solutions. Simulated outcomes achieved by the proposed algorithms compete with the already reported algorithms to solve the PBUCP. Wilcoxon signed-rank test proves the predominance of the proposed algorithms statistically.     

基于NSGA-II的并网型风光互补发电系统协调控制

针对并网型风光互补发电系统中,系统最大输出功率大于给定功率时,风力发电子系统和光伏发电子系统功率如何协调的问题,提出了一种功率协调控制方法.在该方法中,根据系统并网收益最大和输出电流谐波最小构建目标函数,采用带精英策略的快速非支配排序遗传算法对风力发电子系统和光伏发电子系统的输出功率进行多目标优化,协调控制子系统的发电功率;并以甘肃华电阿克赛风光互补发电项目为例进行了仿真验证.仿真结果表明,与传统的光伏优先接入方式相比,基于NSGA-Ⅱ的并网型风光互补发电系统协调控制方法可以更加合理地利用风能和太阳能,提高新能源电能的电网友好性.     

Yaw Moment Control Strategy for Four Wheel Side Driven EV

When four wheel side driven EV travals in steering or changes lanes in high speed, the vehicle is easy to side-slip or flick due to the difference of wheel hub motor and a direct effect of vehicle nonlinear factors on vehicle yaw motion, which would affect vehicle handling and stability seriously. To solve this problem, a joint control strategy, combined with the linear programming algorithm and improved sliding mode algorithm, which combines the exponential reaching law and saturation function was proposed. Firstly, the vehicle dynamics model and the reference model according with the structure and driving characteristics of four wheel side driven EV were set up. Then, introduced the basic method of the improved sliding mode variable structure control and complete the sliding mode variable structure controller design basic on vehicle sideslip angle and yaw velocity.The controller accomplish optimal allocation of vehicle braking force through a linear programming algorithm, according to yaw moment produced by the vehicle motion state. Single lane driving simulation results show that the proposed control strategy can not only control vehicle sideslip angle and yaw velocity well, but also accomplish good controlling of the vehicle yaw moment, so as to significantly improve the handling and stability of vehicle.     

非完美频谱感知下认知超密集网络的资源分配

针对实际认知超密集网络场景中认知无线电存在非完美频谱感知的情况,提出了一种基于非完美频谱感知的资源分配方案,目标是在考虑跨/同层干扰约束、保障用户服务质量下,最大化非完美频谱感知下认知超密集网络中次级网络的能效。为此,依据网络模型构建能效优化问题,其为混合整数非凸规划问题,先通过分时共享松弛法和丁克尔巴赫法将其转换成等价的凸优化问题,再使用拉格朗日对偶法求其最优解,以此获得最优能效时的子信道和功率分配策略。基于此,提出了一种迭代的子信道和功率分配算法;为权衡计算复杂度,还提出了一种实用的子信道和功率分配算法。仿真结果表明,所提算法都有效地提升了网络能效。     

基于动态资源权重的多技能项目调度启发式算法

多技能资源受限项目调度问题中,一个资源可同时具备多项技能,相较于传统的单技能项目调度,其资源分配对调度计划的工期影响程度更大,因此在对多技能项目进行排程时更加重视资源的分配.基于此,从资源视角提出一种启发式算法求解工期最短的调度计划.算法以并行调度为主体,并设计一种动态资源权重计算方法,在每一决策点,首先采用二分图最大匹配法确定当前可排活动集,而后将动态资源权重值作为调度过程中资源分配的依据,其核心思想是将资源灵活度高、对后续活动影响大的资源留置,以待下一决策点调用.最后,为验证算法有效性,对不同参数设置下的算例进行实验,结果表明,相较于随机资源分配算法和静态资源权重算法,新算法具有明显优势.     

应用于实时系统的DMS算法可调度性分析

固定优先级任务的可调度性判定是实时系统调度理论研究的核心问题之一。本文提出了一种可行的DMS可调度性判定方法——确切性判定方法（precised schedulability test algorithln,简称PSTA）,利用DMS调度的充要条件,保证任何任务集均可被判定,并且判定结果是确切的。首先给出了DMS调度模型,介绍了可调度性判定的基本思想,然后进一步通过实验提出并证明了PSTA相关的定理。