QPSO算法在FIR数字滤波器设计中的应用

FIR数字滤波器的设计实际上是一个多维变量寻优问题,滤波器的设计可转化为滤波器参数优化的问题。文章介绍了粒子群优化算法、量子粒子群优化算法,然后利用算法对参数空间进行搜索以获得参数的最优化,根据预期频率特性的设计要求,通过仿真实验表明设计方法的有效性。     

云环境中基于粒子群算法的任务调度研究

任务调度是云计算实现高效计算的关键技术。本文采用粒子群算法进行任务调度求解,对每个子任务占用的资源采用间接编码方式,考虑时间和成本定义合理的初始化参数,选择合适的适应度函数,尽量避免陷入局部最优。仿真结果表明,改进算法具有寻优能力强、耗时少等优点,实现较为理想的任务调度结果。     

量子粒子群多目标优化算法及其在云计算调度优化中的应用研究

粒子群算法是一种新的模仿鸟类群体行为的智能优化算法,现已成为进化算法的一个新的重要分支。基本粒子群算法和改进粒子群算法的原理对科技发展有相当重要的作用。本文主要分析了子群算法在函数优化、图像压缩和基因聚类中的应用,得出了粒子群算法的应用综述和相关程序代码。     

基于PSO算法的医疗大数据任务调度策略

在医疗信息共享平台下,选取一种合适的任务调度策略完成医疗数据查询任务在各医院内的调度分配,是医疗大数据处理所需解决的重要问题。为了保证任务调度时间最短和成本最低,提出一种改进的粒子群算法。该算法构造了时间最优和成本最优双适应度函数,自适应地调整粒子速度更新的惯性权重,加快搜寻最优粒子的速度,并求解出最合理的数据查询任务调度方案,最大限度地提高医疗信息共享平台中医疗数据查询的效率。实验结果验证了所提出算法的有效性。     

基于云计算的大数据聚类挖掘算法研究

基于云计算的大数据聚类挖掘,需要结合改进粒子群算法、k-means算法的优势,提出基于改进粒子群优化（Particle Swarm Optimization,PSO）的k-means聚类算法,设置自调节惯性权重、云变异算子,根据数据集种群的进化程度,调整粒子群算法的全局搜索、局部搜索能力,追踪数据粒子的个体极值、全局极值,更新每个数据个体在解空间中的点位置、更新速度,并在数据种群进化到一定程度时进行变异操作,选择全局极值作为期望Ex来控制种群迭代次数,避免数据挖掘陷入早熟收敛、局部最优解的情况。     

改进协同量子粒子群优化算法在流水车间调度中的应用

作为一类典型的调度问题,流水车间调度是N-P难调度问题,因而引起了众多研究者的兴趣。本文提出了一种改进的协同量子粒子群优化算法,该方法中定义了量子角的表达式,所有的子种群采用优化协同模式以确保算法收敛,采用扰动机制避免算法陷入局部最优,运用了综合学习策略以提高种群的多样性。改进的协同量子粒子群算法应用于流水车间调度,仿真结果验证了改进算法能改善全局收敛能力。     

车间调度问题的量子粒子群优化算法设计

针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,将量子粒子群优化算法用于求解车间调度问题,按照量子粒子群优化算法的进化规则在调度空间内搜索最优解,并对量子粒子群算法的参数选择进行了研究。以典型的Job-Shop调度问题作为实验对象,实验结果表明QPSO算法相对PSO算法具有较好的全局搜索能力。     

分组扰动的粒子群优化算法在车辆调度中的应用

车辆调度是一个复杂的系统,具有多目标控制、高度非线性、时变等特征。基于粒子群算法,本文引入了分组扰动的思想,将其应用于高铁施工现场混凝土预拌车调度方案优化问题中。通过对一个实例的仿真研究表明,该算法可以极大限度地同时满足混凝土拌合站和工地的利益,能够很好地解决车辆调度优化问题。     

基于QPSO的模糊C均值聚类算法

针对模糊C均值(FCM)聚类算法存在的缺点,利用量子粒子群优化(QPSO)算法的全局搜索能力,提出了一种新的聚类算法——基于量子粒子群优化的FCM聚类算法(QPSOFCM).QPSOFCM算法先对随机初始点利用QPSO进行优化,然后利用产生的中心点进行聚类,重复上述两步操作直至结果满意为止.新算法可以降低FCM算法对初始点的敏感度,一定程度上避免了FCM算法易陷入局部极优的缺陷.几组数据实验结果表明,与FCM和PSOFCM算法相比,提出的QPSOFCM算法聚类结果更可靠.     

PSO算法在物流配送车辆路径优化模型中的应用

物流配送中车辆路径优化问题是一类有实用价值的组合NP问题。粒子群算法是一种新出现的群智能优化方法,将其应用于车辆路径优化问题,构造车辆路径问题的粒子表达方法,建立此问题的粒子群算法,并与实际情况作了对比,结果表明,粒子群算法可以快速、有效的求得车辆路径问题的优化解,是求解车辆路径问题的一个较好方案。     

基于粒子群算法的嵌入式云计算资源调度

随着移动互联网的发展,基于嵌入式设备的云计算服务成为研究热点。在国内,嵌入式云计算目前正处于探索研究阶段,云资源管理调度是嵌入式云计算的核心技术之一,其效率直接影响嵌入式云计算系统的性能。为了提高云计算性能,本文提出一种基于粒子群优化算法的云计算任务调度模型。粒子群算法中粒子位置代表可行的资源调度方案,以云计算任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找出最优资源调度方案。在matlab实验平台进行了仿真,通过大量数据模拟实验表明,该模型可以快速找到最优调度方案,提高资源利用率,具有较好的实用性和可行性。     

云环境下基于Min-Min改进的任务调度算法

在Min-Min的基础上,针对所存在的缺陷,提出了一种负载均衡的改进算法.仿真实验表明,在一定条件下,改进后的算法比传统的算法有一定的提高.     

基于特征粒子的调度算法在云计算中的应用

针对云计算中资源调度的无序性,以及虚拟机级别上负载均衡难以处理的问题,提出特征粒子调度算法。该算法能够快速、高效、有选择性地完成资源节点的筛选和调度,从而在全局上能够实现节点处理能力的均衡,以及节点资源的最佳利用。通过在模拟仿真平台(Cloud-Sim)上的模拟测试,实验结果表明,此算法能够有效地整理不同特征的云资源节点、缩短云环境下的任务平均运行时间,提高资源的利用率,并在理论上可大大降低整个云的资源消耗。     

云计算资源调度算法的研究与实现

在研究蚁群算法、任务分配和资源调度的基础上,提出了一种改进的蚁群资源调度算法.首先通过引入节点可信度机制在一定程度上增强了云计算资源的搜索能力和节点完成任务的成功率.然后在改进的算法中使用了信息素的局部更新机制和全局更新机制,可以有效地平衡负载.最后通过选取合适的参数利用CloudSim仿真工具对改进的资源调度算法进行实验测试,实验结果表明此算法缩短了任务的执行时间,改善了云计算资源调度的性能.     

面向在线日志云的海量数据分级归档机制

传统日志系统和基于Hadoop的离线日志系统在分析海量日志时都具有时延长、效率低等弊端。为构建新的基于Hadoop的在线日志系统,提出了新的数据分级归档机制,用以管理海量日志数据并形成分级优化的存储文件结构。实验结果表明该机制具有良好的可扩展性,可以有效存储海量日志数据;同时,它还有助于加快系统的数据处理速度,缩短系统的处理响应时间,使其满足在线处理的要求。     

云计算环境下电力大数据的分析技术与应用

本文将简单介绍云计算和电力大数据,从系统和技术两个层面对云计算环境下的电力大数据分析技术进行分析,并就相应的分析技术应用展开探讨。     

基于云环境下海洋环境监测大数据处理平台的研究

云计算是IT行业发展的新阶段.它是并行计算,网格计算,分布式计算和网络技术发展的结果.大数据技术的应用,实现了多源异构海洋环境监测数据的集成,对海洋环境监测数据的发展非常有意义.并且可以共享,以避免出现信息孤岛.能够为数据分析和挖掘提供所需的数据.这项研究有利于解决海量海洋环境监测数据管理问题,满足海洋环境研究人员对大...     

基于大数据处理技术的深度学习算法的图像处理优化技术研究

文章通过对人工神经网络算法技术、粒子群算法技术、图像匹配算法进行深入的剖析,对算法的理论原理进行简析,对算法的特点进行分析,对算法在图像处理优化技术中的应用进行解析,诠释图像处理优化技术解决的图像处理中遇到的问题和难题。借助算法来优化处理大数据存在的弊端和难点,进而达到优化图像处理优化技术的目的,使得图像处理过程更加高效、传输便捷、应用方便,给人以视觉上的最真实的实景享受。     

基于云计算技术的大数据分析平台设计与开发

云计算技术通过网络云将巨大的数据计算处理程序分解成无数个小程序,再通过多部服务器组成的系统进行处理和分析这些小程序,进而给用户提供更加精准的有效数据.进一步分析云计算技术在计算机大数据分析中的应用,不仅能够推动计算机大数据分析技术发展,还能提升数据的处理效率.本文基于云计算就大数据分析平台进行研究与设计,希望可以为...     

大数据时代云计算对企业会计信息化的冲击

企业的会计信息直接响着经济效益,而会计信息质量的高低在很大程度上取决于会计信息化水平。文章结合大数据时代的背景,把云计算与我国企业会计信息化相结合,分析了云技术在我国企业中的应用现状和SWOT,并初步探讨了如何通过应用云技术发挥优势克服其现有障碍,来提高企业会计信息化水平,为企业创造出更多的经济效益。