基于遗传算法的业务过程资源配置优化

应用遗传算法对业务过程资源配置进行优化,解决企业为业务过程分配资源的合理性问题以及业务过程在有限资源条件下对资源的有效利用问题.在算法中采用活动执行方案矩阵表示活动持续时间和资源配置之间的关系,解决配置参数量化描述问题;应用自然数编码和改进的遗传算子克服传统算法在处理业务过程资源配置参数离散分布方面的局限性;通过分层优化的方式避免对无效配置方案的分析,有效解决参数之间的约束问题.仿真实验结果表明方法求解有效,能够为决策者提供满意的资源配置方案.     

基于遗传算法的软件工程资源配置优化模型

综合软件过程中人力、物力资源的合理安排与统筹规划,提出一种基于遗传算法的活动规划与资源配置模型.在遗传算法中采用执行矩阵作为染色体,矩阵编码的染色体涵盖了活动规划与资源配置两部分内容,克服了传统的二进制字符串编码在描述复杂方案问题时存在局限性.仿真实验结果表明:基于遗传算法的软件工程资源配置模型使软件开发过程中的资源得到了合理的分配,为软件过程的管理与控制提供了科学的方案与依据,提高了软件开发的效率,保证了软件开发的质量.     

基于网络遗传算法的全局优化

本文在分析当前全局优化方法研究现状的基础上,提出了一种改进的遗传算法――网络遗传算法,应用简单实例说明了网络遗传算法的具体操作,同时应用大量数值实例证明了网络遗传算法解决全局优化问题的可行性、正确性、有效性。     

基于多目标遗传算法的工程资源优化配置

为了使工程资源能够在工程应用中最大程度的优化配置, 利用遗传算法模拟自然进化过程求得最优解的特点, 对遗传算法和多目标优化问题的理论基础和模式定理的进行了分析, 讨论了遗传算法在解决多目标优化工程资源问题过程中的优势, 最后将多目标遗传算法应用于具体工程资源配置实例予以实现. 仿真优化结果表明: 遗传算法在工程资源优化配置过程中更具有先进性, 可靠性和优化性.     

基于改进遗传算法的网络路由优化研究

针对QoS多目标优化问题,提出一种改进的遗传算法,并将其应用到解决路由优化问题。该算法在路由器数学模型的基础上满足带宽、延迟、花费等要求,以资源消耗和负载均衡分布为目标,使得资源消耗最小同时负载均衡分布,从而降低网路拥塞的发生。仿真证明该算法具有一定的优越性。     

基于遗传算法的智能化公交网络优化方法研究

智能公共交通系统是智能运输系统的重要研究内容,是将信息、通信控制、卫星定位、计算机网络等技术科学集成应用于整个公共交通系统当中,解决公交车辆运行中的无序、失控与低效率状态,以达到更好地为乘客服务的目的。论文主要研究智能化调度下的公交网络优化模型建立,并用遗传算法进行求解。     

基于遗传算法的网络编码优化

在前人优化研究方法的基础上,结合网络编码优化问题自身的特点提出了新的解决方案.首先是算法的预处理部分:1) 给出了统一的方法由不同的资源描述函数生成遗传算法所必须的适应值函数,使得各种不同的网络编码资源优化问题都能利用同样的遗传算法模型;2) 通过检验有多条输入链路的输出链路进一步缩小优化算法的搜索范围.其次,针对网络编码资源优化问题随机解几乎不能让所有接收者都达到组播速率的特点,在一般的遗传算法中加入以下新的处理:1) 在初始化阶段使用更为精细的算法产生更高质量的初始成员.2) 在遗传算法每次循环开始时额外调用初始成员生成算法,加入一定数量的新成员,从而避免了局部性问题.3) 对于不能达到最大组播速率的网络编码方案,基于各个接收者各自的接收速率确定更为合适的适应值而不是统一设为?1,从而使这些方案也能参与算法的进一步处理而不是完全被淘汰.模拟实验结果显示,新的优化算法不仅运行得更快,而且输出的网络编码方案所消耗的资源也更少.     

基于改进遗传算法的航天测试资源配置优化方法研究

随着测试技术的不断发展,可选的测试资源总类不断丰富,测试系统组建的灵活性大大增加,这就为测试资源和路径提供了许多选择,因此测试资源的最佳配置问题就成为组建航天测试系统的关键问题;提出了一种基于改进遗传算法的航天测试资源配置优化方法,实现了测试资源的最佳配置,并通过某型运载火箭分系统测试实例仿真验证了该算法的有效性;通过与多色蚁群算法的比较,显示出了算法的优越性。     

基于遗传算法的资源均衡优化研究

从多任务的资源优化问题出发,对利用遗传算法对资源受限的多任务调度问题及其资源均衡优化问题进行了研究.对多任务网络计划的资源均衡问题进行了讨论,重点将资源受限的多任务调度问题与资源均衡优化相结合进行均衡优化,提出了一种基于改进遗传算法的求解方法,很好地解决了多任务调度问题并使资源分布更为均衡.该方法在解决较大规模网络计划的多任务调度及资源均衡问题时,具有其它方法无法比拟的优势.     

基于遗传算法的SDN网络装箱问题研究

随着网络规模愈加庞大和复杂,运营商正处于逐渐从传统IP网络向SDN网络架构发展阶段。论文以SDN架构下的网络为研究对象,建立以最大带宽利用率最小化和新增业务后全局网络扰动最小为目标的网络模型,提出基于改进的遗传算法对复杂网络环境下的装箱问题进行求解。利用Java编写并模拟仿真当前运营商主流网络场景IPRAN,分析遗传算法和其他启发式算法,如粒子群,模拟退火算法在装箱问题的优化效果,验证所提出的改进遗传算法对于解决网络装箱问题的有效性。     

基于改进遗传算法的D2D资源分配策略

针对D2D（Device to device, D2D）通信技术在蜂窝系统中的资源分配与干扰问题,提出一种基于改进遗传算法的D2D资源分配策略。首先,确定保证蜂窝用户和D2D用户通信质量的功率范围,然后提出一种改进的遗传算法来确定D2D的最佳发射功率,最大化系统吞吐量。该算法在保证蜂窝系统服务质量（Quality-of-service, QoS）的同时,让交叉算子和变异算子随进化代数进行自适应变化,从而达到全局最优。仿真结果表明,本文所提算法可有效提升系统吞吐量并提高D2D用户的信道利用率。     

基于网络图的资源分配问题的算法研究及实现

图论是应用十分广泛的运筹学分支，用网络图来解决资源分配的问题不仅可以简化求解过程而且丰富了求解方法。在深入分析Dikstra算法的基础上，实现了基于网络图的资源分配问题的求解和图形表示，     

基于遗传算法的容器云资源配置优化

提出一种基于遗传算法的容器云资源配置优化方法。充分考虑虚拟机配置于物理主机以及容器配置于虚拟机的资源分配情况,将容器云平台数据中心整体能耗最低作为目标函数,设置物理主机与虚拟机对应、虚拟机与容器对应等约束条件,利用遗传算法通过染色体表达、初始化、交叉操作、变异操作以及设置适应度函数5个步骤求解目标函数,获取最优容器云环境资源配置结果。实验结果表明,本文方法可实现容器云资源的合理配置,提高物理资源的利用效率,实现数据中心节能的目标。     

基于网络图的资源分配问题的算法研究及实现

图论是应用十分广泛的运筹学分支,用网络图来解决资源分配的问题不仅可以简化求解过程而且丰富了求解方法。在深入分析Dijkstra算法的基础上,实现了基于网络图的资源分配问题的求解和图形表示。     

一种基于蜂窝网络的D2D通信资源分配算法

设备直连（Device-to-device,D2D）通信用户通过复用蜂窝用户的频谱资源可提高频谱利用率和系统的整体通信容量,但复用蜂窝网络频谱资源会带来严重的干扰,影响整体通信质量。针对干扰问题,本文通过建立通信系统模型,研究系统的线性规划问题以及相应的最佳资源分配算法。考虑到最佳算法复杂度较高,本文提出一种启发式算法来分配通信资源,通过遍历D2D对用户与蜂窝用户之间的干扰矩阵找到最小干扰值,分配复用资源给相应的蜂窝用户和D2D对用户。在蜂窝用户都分配到通信资源之后,对D2D对用户进行专用通信资源分配。仿真结果表明,该算法在降低算法复杂度的基础上显著地减小了D2D对用户对蜂窝用户的干扰,能够最大程度地增加D2D对用户的数量。     

一种基于并行遗传算法的网格资源分配方法

提出了基于并行遗传算法的网格资源分配方法,并采用粗粒度模型设计了该并行算法。为了评估该并行算法的性能,在PC集群上实现了该并行算法和一个串行遗传算法。通过比较两个算法的执行时间和解的质量,说明了并行算法极大地提高了求解的速度和质量,是一种高效的资源分配方法。     

A Heuristic Genetic Algorithm for Solving Resource Allocation Problems

In the paper, a heuristic genetic algorithm for solving resource allocation problems is proposed. The resource allocation problems are to allocate resources to activities so that the fitness becomes as optimal as possible. The objective of this paper is to develop an efficient algorithm to solve resource allocation problems encountered in practice. Various genetic algorithms are studied and a heuristic genetic algorithm is proposed to ameliorate the rate of convergence for resource allocation problems. Simulation results show that the proposed algorithm gives the best performance.     

超密集网络中基于干扰协调的资源分配算法

超密集网络中,严重的小区间干扰制约了终端用户的数据速率,针对该问题,该文提出一种基于干扰协调的资源分配方案。该方案分为两个模块：第一模块基于毫微微接入点(Femtocell Access Points, FAPs)间的干扰程度,将干扰强的FAPs分到同一簇内,同簇内的FAPs共享频带资源,通过FAPs间的协作使不同簇之间实现频谱的复用;第二模块基于最大功率和最低速率的公平性准则进行最优功率分配,动态分配资源。仿真结果表明,该算法在超密集网络场景下能够有效控制FAPs间的干扰,最大化系统吞吐量。     

基于遗传算法的工程项目资源优化

基于遗传算法建立了面向工程项目的资源优化模型。通过在模型中构造一个能反映“资源分配”和“资源均衡”两方面优化程度的适应度函数,并在复制操作中,对群中个体先进行分类再选择复制,有效地解决了多种资源的综合优化问题。给出了利用遗传算法对资源优化问题的求解设计思路,阐述了算法的实现流程,并通过实例验证了该模型的可行性。     

网格环境下改进PSO算法的资源分配研究

针对网格计算中的资源分配问题,提出一种融合粒子群优化算法和遗传算法的新算法。通过在粒子群算法中引入遗传算法,有效克服粒子群算法容易陷入局部最优值这一固有缺陷,重新在搜索空间寻找全局最优值。该方法具有操作简单、设置参数少、收敛速度快等特点。仿真实验结果表明,该融合算法在网格资源分配方面能取得较好的效果。