基于分布式环境的存储负载均衡算法研究

随着网络的高速发展以及海量数据的扩充,云存储技术得到广泛的应用,分布式存储中动态负载均衡策略也逐渐为人们所重视。本文在已有的负载均衡策略基础上,提出了一种加权轮询负载算法,通过阀值的设置划分节点,并查询负载表轮询分配存储任务,保证分布式系统能够合理的提高资源利用率,动态调整存储节点的工作负载。     

采用混合粒子群算法的星图识别方法

为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且所需的导航星库容量小.     

基于二维粒子群优化的图像模糊增强算法研究*

针对传统基于灰度变换方法进行图像增强后图像质量不高等现象,对粒子群优化算法、模糊增强算法进行研究,同时结合禁忌搜素和粒子空间对称分布原理,提出一种基于二维粒子群优化的图像模糊增强算法。该算法通过对搜索粒子进行空间对称分布调整以避免算法陷入局部最优、提高全局搜索能力,并且在算法迭代后期加入禁忌搜索算法记录粒子搜索位置,以减少粒子位置重复寻优、提高算法搜索效率。最后将改进后的粒子群优化算法中粒子搜索位置和速度更新方向设定为二维并与模糊增强算法相结合,自适应搜索出模糊参数Fp、Fe最优值,实现模糊增强。实验结果表明,改进后算法对图像增强效果较好,并且将算法用于过暗SAR图像、医学MR图像的增强,可有效提高图像质量。     

一种基于粒子群优化算法的快速圆检测方法

为了实现以较少的内存资源,快速而准确地进行圆 检测, 提出一种基于粒子群的快速圆检测方法。方法中,以每个粒子作为一个候选圆,采用优化策 略,以粒子 运动、融合更新等操作完成圆的检测。优化策略包括提出使用一种图像分块的策略限 定圆检测的感兴趣区 域,各个图像块的大小由各个块内粒子的生成结果决定,以起到抑制部分噪声的作用。为减 少生成无用粒子的概 率,提高检测效率,提出融入图像金字塔的思想,并以循证的方法对粒子的有效性加以验证 。实验结果表明,本文 方法对于检测手绘的、嵌套的、不完整的或包含有大量噪声的圆,均能起到较好的检测效果 ;能 够在较短的时间内排除众多干扰,准确地进行圆的检测,具有检测速度快、内存消耗小和适 用范围广等优点。     

基于改进粒子群算法的分布式频率分集阵栅瓣抑制方法

以均匀线阵（Uniform Linear Array ,ULA）为子阵,结合频率分集阵（Frequency Diverse Array ,FDA）的思想,构建了一种基于分布式子阵的频率分集阵。针对各子阵按等间距布阵将导致严重的栅瓣问题,提出了一种改进粒子群 (Improved Particle Swarm Optimization ,IPSO) 算法来优化分布式FDA中各子阵间的基线距离,以实现高效的栅瓣抑制。同时,从理论上推导了目标距离和角度均未知时参数估计的克拉美罗下界(Cramer-Rao Lower Bound ,CRLB)。仿真结果表明,优化后分布式FDA的栅瓣得到有效抑制,而且阵列角度维分辨率和估计性能亦得到大幅度提升,验证了所提算法的有效性。     

基于VB和Access的温度采集系统的设计与实现

针对函数优化问题,提出了一种基于离差平方和法的粒子群优化算法。该算法用混沌序列初始化粒子的位置和速度,选择好于粒子群优化算法产生的粒子位置。通过离差平方和法进行聚类,利用分类方式来更新粒子的速度。最后将算法应用到3个典型的函数优化问题中,数值结果比较表明,提高了算法搜索能力,全局最优解的精度和收敛速度。     

Blind signals separation with genetic algorithm and particle swarm optimization based on mutual information

Blind source separation technique separates mixed signals blindly without any information on the mixing system. In this paper, we have used two evolutionary algorithms, genetic algorithm and particle swarm optimization for blind source separation. In these techniques a novel fitness function that is based on the mutual information and high order statistics is proposed. In order to evaluate and compare the performance of these methods, we have focused on separation of noisy and noiseless sources. Simulations results demonstrate that the proposed method for employing fitness function has rapid convergence, simplicity and a more favorable signal to noise ratio for separation tasks based on particle swarm optimization and continuous genetic algorithm than binary genetic algorithm. Also, particle swarm optimization enjoys shorter computation time than the other two algorithms for solving these optimization problems for multiple sources.     

An optimal spectrum‐balancing algorithm for digital subscriber lines based on particle swarm optimization

This paper presents a new algorithm for optimal spectrum balancing in modern digital subscriber line (DSL) systems using particle swarm optimization (PSO). In DSL, crosstalk is one of the major performance bottlenecks, therefore various dynamic spectrum management algorithms have been proposed to reduce excess crosstalks among users by dynamically optimizing transmission power spectra. In fact, the objective function in the spectrum optimization problem is always nonconcave. PSO is a new evolution algorithm based on the movement and intelligence of swarms looking for the most fertile feeding location, which can solve discontinuous, nonconvex and nonlinear problems efficiently. The proposed algorithm optimizes the weighted rate sum. These weights allow the system operator to place differing qualities of service or importance levels on each user, which makes it possible for the system to avoid the selfish‐optimum. We can show that the proposed algorithm converges to the global optimal solutions. Simulation results demonstrate that our algorithm can guarantee fast convergence within a few iterations and solve the nonconvex optimization problems efficiently. Copyright © 2008 John Wiley & Sons, Ltd.     

基于粒子群选优相似性的协同过滤算法

协同过滤算法中最重要的是计算用户或项目之间的相似性,文中提出一种基于粒子群选优的相似性计算指标,适用于所有的协同过滤推荐系统。该度量指标是通过一个简单的线性组合得到,其中参数的选定主要依靠粒子群选优算法。在实施推荐算法前,在特定的数据集上通过粒子群选优算法得到最优的组合参数,在实施推荐算法时,运用前期学到的参数进行相应的推荐。实验结果表明文中提出的算法能显著性提高整个系统的推荐质量。     

Mobile robot SLAM method based on multi-agent particle swarm optimized particle filter

To overcome particle impoverishment, a simultaneous localization and mapping (SLAM) method based on multi-agent particle swarm optimized particle filter (MAPSOPF) was presented by introducing the idea of multi-agent to the particle swarm optimized particle filter (PSOPF) which is an algorithm for SLAM. In MAPSOPF, agents can communicate and compete with each other and learn from each other. The MAPSOPF algorithm can update the prediction of particle, adjust the proposal distribution of particles, improve localization precision and fault tolerance, and propel the particles to concentrate on the robot's true pose. Compared with standard particle filter (PF), the proposed method can achieve better SLAM precision by fewer particles. Simulations verify its effectiveness and feasibility.     

改进粒子群算法优化低功耗自适应集簇分层的路由算法

针对LEA低C功H算法的簇头分布不合理、网络能耗不均的问题,在耗自适应集簇分层路由算法。首先将分割线的选择LE问A题CH转协议的基础上,提出了一种改进粒子群算法优化化成带约束的非线性优化问题,然后利用粒子群算法求解,并针对粒子群算法的不足进行相应的改进,最后采用仿真实验测试算法的性能。仿真结果表明,相对于其它改进LEACH路由算法,本文算法有效提高了网络的能量利用率,能够实现节点之间的能耗均衡,使无线传感器的网络生存时间得到延长。     

基于粒子群算法改进的电力系统

本文针对传统粒子群算法自实际应用中出现速度缓慢及局部最优解等等问题,提出了一种改进粒子群算法,并且将其应用在电力系统中,希望能够解决电力系统所存在的例如无功优化等问题中.改进后的粒子群算法在实际应用中收敛速度更加合理,能够有效保证种群的多元性,有效解决传统粒子群所存在的局部最佳解问题.     

基于分类思想的改进粒子群优化算法

针对粒子群算法存在收敛速度慢、收敛精度低且易收敛到局部极值的问题,提出一种基于分类思想的粒子群改进算法。该算法将粒子适度值和适度值均值做差与适度值标准差进行比较,从而将粒子所在区域划分为拒绝域、亲近域、合理域。根据不同区域中粒子的特点选取不同惯性权重和学习因子,使粒子高效地选择自身经验或种群经验,合理增强或减弱粒子全局搜索能力和局部搜索能力。数值实验结果表明,与其他粒子群改进算法相比,新的分类粒子群算法有效加快了粒子的收敛速度,提高了算法的收敛精度,有效改善了算法寻优性能。     

基于粒子群算法的无线传感器网络覆盖优化

传统无线传感器网络覆盖优化方法所选算法的结构不合理,使其覆盖能力、迭代能力和有效性无法维系网络基本功能,为此提出粒子群算法的无线传感器网络覆盖优化方法。通过构建无线传感器网络认知模型,将网络覆盖优化工作转化成求取目标物体最大覆盖几率问题,使用粒子群算法对模型进行编码,利用模型适应度函数给出的约束值对网络节点位置进行更新,实现对无线传感器网络覆盖率的优化。通过分析仿真实验结论可知,与传统方法相比,该方法具有更强的覆盖能力、迭代能力和有效性。     

基于改进粒子群优化算法的摄像机标定

本文在充分研究多种摄像机标定方法和粒子群优化算法（PSO）的基础上,针对传统PSO算法存在早熟和局部收敛的问题,提出了一种改进的新型粒子群优化算法在摄像机标定中的应用。该算法在基本PSO惯性权重部分加入了收缩因子,很好的改善了算法的收敛性;为了进一步提高优化的速度和可靠性,引入了多适应值函数策略。最后在OpenCV上实现了基于该改进方法的摄相机标定。实验结果表明：该摄像机标定方法有效提高了原有张正友平面标定法的标定精度,结果稳定可靠,具有一定的工程应用价值。     

基于天牛须改进粒子群算法的点云配准方法

为了提高激光点云配准精度与配准速度,采用了基于天牛须算法改进的粒子群算法,以点云分布熵为寻优目标, 寻找最优空间变换矩阵的点云粗配准,为点云精配准提供良好的初始条件。结果表明,点云分布熵较传统的均值平方差评价方式有更快的计算速度,基于天牛须算法改进的粒子群算法具有全局搜索能力强、计算速度快等特点,与传统点云粗配准方法相比,该方法配准速度提升了近25%;在点云数据量大的条件下,表现出较快的配准速度。这一方法对如何提高激光点云配准速度具有参考意义。     

Dynamic adaptive discrete particle swarm optimization algorithm based method on low-power mapping in network-on-chip

Compared to 2D NoC, 3D NoC has better integrated density and system performance, which was a reliable method to solve the problem about low-power mapping. On the basis of the traditional particle swarm optimization algo-rithm (PSOA), a dynamic adaptive discrete particle swarm optimization algorithm (DADPSOA) was proposed . Parame-ter in this algorithm was adjusted dynamically based on the degree of early convergence and the charge of individual adap-tive value to approach the optimal solution. At the same time, the reasonable structure of the particles was made aiming at reducing the time complexity of this algorithm. Experimental results show that comparing with the random mapping, genetic algorithm (GA), PSOA and dynamic ant colony algorithm (DACA), DADPSOA can save the execution time, reduce the communication power consumption of mapping results. The power consumption of the task graph is reduced.     

基于粒子群优化算法的透射滤光片设计

为了优化器件的结构参量,把光栅结构的周期、高度、占空比作为优化的粒子,采用粒子群优化算法和严格耦合波分析算法,对粒子群中粒子的适应值进行了比较,对金属-介质光栅滤光片结构进行了理论分析和仿真优化,在一定范围内找到最优参量。结果表明,根据MATLAB仿真结果进行优化,得到周期为0.300μm,金属光栅厚度为0.035μm,介质光栅厚度为0.400μm,光栅占空比为0.77;在TM光垂直入射时,该结构对波长为0.65μm的红光透射率达到80.27%,旁带透射效率不超过15%;该结构实现了特定波长光的高效透射,从而实现了滤光。该结构为亚波长光栅的设计、制备研究和实际应用提供了参考。     

基于粒子群优化算法的房屋布局优化

随着社会经济建设进程的快速发展,人们的生活水平得到提高,现代化城市建设的进程促使房地产建筑项目数量增加,我国逐渐成为全世界建筑行业发展最迅速的发展中国家之一,同时也加剧了房地产市场竞争的激烈程度。而优化房屋结构设计,能增加企业效益,满足居民需求。文章将通过粒子群优化算法对房屋布局进行优化。