云和声搜索算法及其在知识服务组合中的应用

云计算环境下的知识服务是知识与服务的融合, 为知识管理、知识创新提供了新的发展方向。针对基于服务质量(QoS)的知识服务组合优化问题, 在云计算平台下实现和声搜索算法的并行化, 提出了云和声搜索算法。将Skyline方法和理想点法融入到云和声搜索算法中, 对云和声搜索算法进行改进, 提高了算法的运行效率, 确保了解的有效性。实验结果表明, 改进云和声搜索算法在求解知识服务组合优化问题上取得了较好的结果, 在解的质量以及算法的性能方面均有较好的表现。     

基于禁忌搜索算法的Web服务组合优化

为有效集成网络中的Web服务,组成满足用户需求的服务链,提出了基于禁忌搜索算法的Web服务组合优化方法.建立了基于QoS感知的Web服务组合优化模型,该模型从全局限制了用户的QoS约束.简述了禁忌搜索算法求解的基本框架,在此基础之上分析了应用禁忌搜索算法求解过程中的关键设计步骤.实例仿真计算结果表明,该算法求解具有比线性规划算法更好的时间性能,并具有与遗传算法相仿的表现.     

基于动态行为选择的和声搜索算法

和声搜索算法是一种模拟音乐即兴创作过程的元启发式搜索,已成功应用于解决许多实际问题.针对高维函数优化问题,提出一种基于动态行为选择的和声搜索算法.在算法中新和声的即兴创作有3种策略,迭代过程中通过计算每个策略的即时价值和综合价值选择和声的即兴创作策略,并通过个体即兴创作策略选择方法提升寻优速度或避免陷入局部最优解.将所...     

基于和声搜索算法求解组合优化问题

为了能够应用和声搜索算法（HSA）求解组合优化问题,基于HAS的三种操作的离散化实现提出了一种二进制和声搜索算法(BHSA),并将BHSA用于求解著名的k-可满足性(k-SAT)问题和0-1背包问题,通过与粒子群优化（BPSO）和遗传算法（GA）的实例计算对比验证了新算法的可行性与有效性。     

动态调整策略改进的和声搜索算法

为了得到高维复杂问题的全局高精度最优解,提出一种动态调整策略,并用该策略改进和声搜索算法。算法选取和声记忆库中最差和声向量作为优化调整目标,随着迭代的进行,逐步降低决策变量的调整概率,该方法能够使得算法在全局探索能力和局部高精度开发能力之间实现平衡,有效提高了新和声更新最差和声的成功率。通过6个高维Benchmark测试函数的仿真结果表明,提出的动态调整策略能够有效提高和声搜索算法求解高维复杂优化问题的能力。     

一种求解高维复杂优化问题的动态自适应和声搜索算法

为了更好地提高求解高维复杂优化问题的能力,提出一种动态自适应和声搜索(DSHS)算法。该算法采用正交试验来设计算法的初始化和声记忆库;利用多维动态自适应调整算子和单维和声微调算子相结合的策略进行和声创作;改进和声音调调解步长,从而增强算法的扰动能力,避免其陷入局部搜索。通过6个标准Benchmark函数测试表明,该算法在全局搜索能力、收敛速度和稳定性方面都有明显提高。     

基于BtW的和声搜索算法在BP网络优化中的应用

针对和声搜索算法参数影响其优化BP神经网络的性能问题,提出了一种可有效提高BP神经网络收敛速度和准确度的基于BtW参数动态变化的改进和声算法,同时用于BP网络优化。算法根据和声搜索参数的特点,采用以BtW为自变量的非线性函数变换方法,对微调概率PAR和微调幅度BW进行动态调整,利用改进的和声搜索算法对BP神经网络的连接权和偏置值进行优化。实验结果表明,该算法有效改善了和声搜索算法在BP神经网络优化中的性能,提高了BP网络的训练速度和预测的准确度。     

改进的和声搜索算法在函数优化中的应用

针对函数优化问题,通过分析和声搜索算法的2个关键参数(和声微调概率与和声微调幅度)对算法搜索性能的影响,提出和声微调概率与和声微调幅度随搜索过程的进行而动态适应变化的方法,从而得到9种改进的和声搜索算法。仿真实验表明,所得方法具有较好的优化性能,计算结果优于M_IHS算法。     

改进的和声搜索算法求解多目标优化问题

针对和声搜索算法在求解多目标问题时效率不高、易陷入局部最优、在算法后期收敛精度不够等不足.提出一种改进的多目标和声搜索算法,其思想是通过引入自适应操作,加强算法的全局搜索能力,增加解的多样性;同时对解集根据Pareto最优解进行非支配排序,提高算法效率,增加算法在后期的收敛精度.在数值仿真实验中选取4个测试函数进行实验...     

多目标自适应和声搜索算法

提出了一种利用Pareto支配来求解多目标优化问题的自适应和声搜索算法（MOSAHS）。该算法利用外部种群来保存非支配解,为了保持非支配解的多样性,提出了一种基于拥挤度的删除策略,这个策略能较好地度量个体的拥挤程度。用5个标准测试函数对其进行测试,并与其他多目标优化算法相比较。实验结果表明,与其他的算法相比,提出的算法在逼近性和均匀性两方面都有很好的表现,是一种有效的多目标和声搜索算法。     

A two‐phase harmony search algorithm for continuous optimization

Harmony search (HS) algorithm is inspired by the music improvisation process in which a musician searches for the best harmony and continues to polish the harmony to improve its aesthetics. The efficiency of evolutionary algorithms depends on the extent of balance between diversification and intensification during the course of the search. An ideal evolutionary algorithm must have efficient exploration in the beginning and enhanced exploitation toward the end. In this paper, a two‐phase harmony search (TPHS) algorithm is proposed that attempts to strike a balance between exploration and exploitation by concentrating on diversification in the first phase using catastrophic mutation and then switches to intensification using local search in the second phase. The performance of TPHS is analyzed and compared with 4 state‐of‐the‐art HS variants on all the 30 IEEE CEC 2014 benchmark functions. The numerical results demonstrate the superiority of the proposed TPHS algorithm in terms of accuracy, particularly on multimodal functions when compared with other state‐of‐the‐art HS variants; further comparison with state‐of‐the‐art evolutionary algorithms reveals excellent performance of TPHS on composition functions. Composition functions are combined, rotated, shifted, and biased version of other unimodal and multimodal test functions and mimic the difficulties of real search spaces by providing a massive number of local optima and different shapes for different regions of the search space. The performance of the TPHS algorithm is also evaluated on a real‐life problem from the field of computer vision called camera calibration problem, ie, a 12‐dimensional highly nonlinear optimization problem with several local optima.     

业务流程管理即服务中的多租户问题研究

分析软件即服务技术,针对业务流程管理即服务(BPMaaS)中的多租户问题,提出一种基于中间件的资源独占和共享方法。设计BPMaaS多租户应用程序接口,实现单个应用对多租户使用的支持,从而提高计算资源的利用率。通过JUnit对应用实例进行测试,结果验证了该方法的可行性。     

面向托管的数据库即服务系统及资源优化技术

数据库即服务（DBaaS）是云计算的一个研究热点,而数据应用托管则是当前DBaaS的一个重要应用领域。为满足行业数据应用托管中对DBaaS提出的数据隔离、性能隔离及可靠性保障等方面的要求,提出一种无共享架构下基于虚拟机、支持副本的多租户数据托管方法及相应的数据库即服务系统。针对该系统中面向租户的虚拟机资源（CPU、内存等）动态优化这一核心问题,建立了基于虚拟机的系统资源效用函数和数据库性能计算模型,并在基础上给出了一种根据租户数据请求负载并采用贪心方式的虚拟机资源动态优化算法。结合科技信息服务数据库托管应用示例进行了实验,实验结果表明提出的方法可以根据各个租户的数据库负载动态优化虚拟机的资源分配,能够在满足性能需求同时达到了提高系统资源利用率的目的。     

极大熵和声搜索算法求解多目标优化*

给出了求解多目标优化问题的一个新算法。首先利用极大熵函数,将多目标优化问题转换为一个单目标优化问题;然后利用和声搜索算法对其进行求解,进而得到多目标优化问题的有效解。该算法对目标函数的解析性质没有要求且容易实现,数值结果表明了该方法是有效的。     

改进二进制和声搜索算法求解多维背包问题

和声搜索（HS）是一种已广泛应用于连续优化问题的元启发式方法。针对典型的组合优化问题——多维背包问题（MKP）,提出一种改进二进制和声搜索（IBHS）算法。算法通过伯努利随机过程生成二进制群体,在候选和声生成算子中,引入动态自适应参数,通过算法参数的自适应调整来协调算法的全局搜索和局部搜索,并提出一种新的更有效的衡量商品多维加权价值密度的方法用于二进制个体修正和优化;引入精英局部搜索机制进行协同寻优,提高IBHS的收敛速度。通过求解10组不同规模的典型多维背包算例和与贪心二进制狮群优化（GBLSO）算法、改进的差分演化（MBDE）算法以及二进制修正和声（BMHS）算法的对比分析,实验结果表明,所提算法在求解MKP时有具有良好的收敛效率、较高的寻优精度和很好的鲁棒性。     

A comparative analysis of genetic algorithms and directed grid search for parametric optimization

In this paper, a comparative analysis of the performance of the Genetic Algorithm (GA) and Directed Grid Search (DGS) methods for optimal parametric design is presented. A genetic algorithm is a guided random search mechanism based on the principle of natural selection and population genetics. The Directed Grid Search method uses a selective directed search of grid points in the direction of descent to find the minimum of a real function, when the initial estimate of the location of the minimum and the bounds of the design variables are specified. An experimental comparison and a discussion on the performance of these two methods in solving a set of eight test functions is presented.     

一种灵活的IaaS云服务租户带宽保障模型

针对云数据中心中基础设施即服务（IaaS）的租户带宽保障问题,提出了租户需求模型弹性带宽保障模型（EBG）。提出了以往研究中没有涉及到的租户需求扩展问题。EBG模型通过解耦合网络与计算资源提供了灵活性,能更有效地利用网络资源,同时解决了租户扩展问题。设计实现了EBG模型的部署算法,通过模拟实验证实了新模型能够更好地利用网络带宽资源,同时减少因为租户扩展需求造成的虚拟机迁移问题。