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。     

基于遗传算法的网络资源配置优化

随着新一代网络的结构复杂化和应用多样化,如何进一步提高实时业务的服务质量,是急需解决的重要问题之一,而合理配置和优化网络资源是解决该问题的有效方法。针对多业务网络,提出一种以网络资源均衡度为目标、QoS为约束的优化模型;应用改进的遗传算法实现带宽和节点缓冲区资源的优化配置,以实现网络流量分布均衡,从而提高网络性能。通过分析遗传算法种群适应度的变化趋势,给出一种基于种群稳定性系数阈值的迭代终止方法,以提高算法收敛效率。通过实验验证了以上方法的有效性。     

OFDMA系统中基于遗传算法的资源分配

资源分配是OFDMA系统中保证用户QoS和提高系统容量的一种重要手段.在传统的OFDMA资源分配算法中,分组调度和子载波分配两部分是独立进行优化的.为了进一步提高系统的整体性能,提出一种基于遗传算法的分组调度和子载波分配联合优化的资源分配算法.资源分配算法中,利用随机逼近的方法来更新调度算法中的控制参数,在保证用户公平性的前提下最大化系统吞吐量;利用遗传算法来求解联合优化中的子载波分配.仿真结果表明,无论是在系统的吞吐量、丢包率,数据包等待时延还是用户公平性方面,都具有良好的性能.     

一种新的求解多目标优化问题的混合遗传算法

分析了遗传算法和单纯形算法的特点，充分利用二者的优点，把单纯形算法作为一种局部搜索方法与变权系数遗传算法有机地结合起来，提出了一种求解多目标优化问题的混合遗传算法。数值实验表明该混合遗传算法能求得问题的数量更多、分布更广的Pareto最优解。     

基于遗传算法的网络备用资源规划

利用网络备用资源提高网络的生存能力是一种十分有效的方法。该文提出了一种基于遗传算法的网络备用资源规划方法,该方法操作简单、收敛速度快,并且适用于大规模的、动态的网络备用资源的规划问题。     

一种求解优化问题的新型混合遗传算法

论文在标准遗传算法中引入新的交叉运算和变异运算,针对优化问题提出了一类新型混合遗传算法。具体算例验证了算法的有效性和相对于标准遗传算法及某些混合遗传算法的优越性。     

OFDMA协同通信系统资源分配算法

提出了一种OFDMA协同蜂窝网中满足用户QoS需求且兼顾用户公平性的子载波和功率联合分配算法。针对已有算法仅考虑平均功率下的子载波分配、中继节点存在未用功率的情况,研究了子载波分配完毕后中继节点剩余功率最优分配问题。给出了一种基于二分法的功率注水分配方案。仿真结果表明,所提出的子载波和功率联合分配算法能够在满足用户QoS需求及公平性的同时,进一步提高网络吞吐量。     

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。     

带平衡约束矩形布局优化问题的遗传算法

研究二维矩形布局优化问题,将多个不同重量和尺寸的矩形目标填充到一个圆形容器中,要求给出最小的容器半径,并且系统保持平衡。目前的文献多采用局部搜索方法,但布局质量有待提高。文中设计一种构造式方法——定位法。其基本思想是将一个矩形围绕另外一个已经确定位置的矩形作为参照进行部署。由于围绕着参照矩形部署时只考虑有限个可布局位置,故定位法具有多项式时间复杂性。定位法可能得到较好的布局,但其质量受到布局顺序的影响较大,因此文中提出一种基于遗传算法的布局顺序寻优算法,其中遗传算法的交叉算子和变异算子经过特别的设计,使得遗传的下一代能继续作为布局顺序。在具有大规模测试用例的测试集上的计算结果表明,该布局方法比局部搜索方法有更优良的计算性能。     

求解QoS组播路由问题的启发式遗传算法

将启发式方法跟遗传算法相结合,利用染色体作为启发信息,提出了求解Qos组播路由问题的新的遗传算法。分析了该算法的复杂性并进行了大量仿真,实验表明该算法能以较高速度收敛。     

基于粒子群算法的无线信道资源分配算法研究

为了 最大化 多媒体无线信道资源分配的网络效用,提出了一种新的基于粒子群算法的信道时间分配算法。该算法能够优化分配给网络内每个设备的时间,以便为每位网络用户 提供最优化的服务质量(QoS)。所提算法结合了多样性增加函数以及基于个体最优值的学习方法,并基于自适应粒子群算法进行了改进,在持续增强QoS的同时加快了收敛速度。在多达40个设备的千兆网络环境内对所提算法进行了测试。实验结果表明,提出的算法能够大大提升资源分配能力,尤其是在网络规模较大的情况下。     

基于思维进化计算和蚂蚁算法的网格资源分配

网格环境中的资源调度是网格技术的核心问题之一,启发式方法在解决复杂困难的系统优化问题方面具有优越性,成为最通用的解决方案。将思维进化计算和蚂蚁算法2种新型的启发式优化算法融合,利用思维进化计算的快速寻优能力产生信息素的初始分布,再利用蚂蚁算法的正反馈机制求得最终优化解,并将该融合算法用于网格资源的动态分配研究。实验验证了该分配方案的有效性。     

一种面向多核处理器并行系统的启发式任务分配算法

多核处理器使得并行系统的结构更加复杂并且其中任务个数大大增加,为了在这类系统中高效地进行任务分配,建立了任务分配模型,并提出了一种包含两轮操作的启发式任务分配算法,分别完成进程到处理节点和进程内线程到处理器核的分配.每轮操作经过带回溯的多次迭代处理,最终得到任务到处理器核的分配方案.与穷举查找法和遗传算法的对比测试表明该算法能在较短时间内求得近优解,并且当线程个数增大时,算法的求解时间远小于遗传算法.     

求解组合拍卖NP问题的遗传算法

多智能体系统采用多件物品组合拍卖协商协议能高效地实现组合资源及多任务的分配,但在传统组合拍卖协商协议中拍卖方选择买方以实现最大赢利的过程是一个NP问题,本文提出了利用改进的遗传算法来求解该NP问题的新方法,并应用于一个企业供应链管理的自动协商交易系统中。实验表明,该算法具有较优的性能。     

一种基于OFDM认知无线电网络的次优动态资源分配算法

研究了采用正交频分复用的认知无线电网络中的多用户资源分配问题,包括子载波分配和功率分配。在认知无线电系统中,除了考虑主用户与次用户之间的相互干扰,还要求将主用户对次用户的干扰控制在预设门限之下,因此,系统模型更为复杂。整数约束条件,使得寻求最优解的算法复杂度高,无法用于对实时性要求高的系统。因此,提出了一种寻求次优解的分步式资源分配算法,以降低算法的复杂度。首先采用一种综合考虑了功率限制和对主用户的干扰限制的新型子载波分配方案,然后提出改进的线性注水算法进行功率分配。仿真结果表明,相比于最优分配算法,所提出的算法可以在获得较好的系统容量的同时,有效地降低系统的复杂度,适用于对实时性要求高的系统。     

A Genetic Algorithm Approach to Solving Stochastic Job-shop Scheduling Problems

This paper proposes a method for solving stochastic job-shop scheduling problems based on a genetic algorithm. The genetic algorithm was expanded for stochastic programming. In this expansion, the fitness function is regarded as representing fluctuations that may occur under stochastic circumstances specified by the distribution functions of stochastic variables. In this study, the Roulette strategy is adopted for selecting the optimum solution in terms of the expected value. Within this algorithm, it is expected that the individual that appears most frequently must give the optimum solution. The effectiveness of this approach is confimed by applying it to stochastic job-shop scheduling problems. I compare the approximately optimum solutions found by this approach with the truly or approximately optimum solutions obtained by other conventional methods, and discuss the performance and effectiveness of this approach.     

支持多速率多播的Ad hoc网络资源分配算法

多播流是无线Ad hoc网络中的一种常见和有效的通信形式,尤其是对多媒体业务而言。提出了一种支持多速率多播传输的Ad hoc网络资源分配算法,它通过引入基于价格的流量分配方案来解决多速率多播传输问题,从而能够自适应地分配网络流量,并且最大化网络流的总效用。仿真结果表明,该算法不仅具有良好的收敛性,而且它的多速率多播传输特性使得不同信道条件的用户能获得最佳的网络性能,从而提高了网络吞吐量。     

基于遗传算法的网格计算资源调度策略

如何将网格这个复杂环境中的计算资源进行有效调度,是一个NP问题。遗传算法被证明是解决这类问题的有效算法,同时遗传算法有“早熟”和慢速收敛等缺点。为了克服其缺点,提出一种新的并行遗传算法,采取避免近亲繁殖的交叉策略和保护优秀个体的方法,提高算法搜索能力和收敛速度。仿真结果表明该算法能有效地解决网格计算资源分配问题。     

一种求解集装箱装载问题的启发式算法

所谓集装箱装载问题,就是将若干大小不同的长方体盒子装进一个大小已知的长方体容器,其目标是最大化容器的积裁率.对这一问题,国内外学者利用不同的哲学思想,提出了诸如遗传算法、模拟退火算法等求解算法.本文提出一种求解此问题的基于最大穴度优先原则的启发式算法.算法中使用了两个重要的策略:最大穴度原则和最小边度原则.用一些公开的算例对算法性能进行了实算测试,测试结果表明:算法所得结果的容器积载率高,是求解集装箱装载问题的有效算法.     

利用遗传算法求解线程分配问题

文章讨论了软件实现的多线程DSM系统中的线程分配问题,提出了一种新颖的基于遗传算法的动态分配方法,试算结果表明,该方法收敛稳定,求解性能良好.