云计算中一种改进的猴群算法在资源分配中研究

针对云计算中的任务完成时间和费用如何进行更好的分配问题,文章将猴群算法引入到云计算资源分配中,针对猴群算法自身存在收敛速度快,易陷入局部最优的情况;在猴群算法的初始化中引入混沌算法来优化位置,对算法中的爬过程采用定位步长和对望过程的视野距离引入参数进行改进;改进后的算法在性能和收敛速度有了明显了改进,通过CloudSim仿真平台表明文章算法与其他智能算法相比在资源分配时间,能量消耗以及资源节点吞吐量,传输率方面方面具有一定的改进,提高了云计算资源分配效率。     

融合禁忌搜索的混合果蝇优化算法

基本果蝇优化算法(FOA)种群初始位置分布不均匀,搜索后期常跳入局部最优,导致寻优速度慢、寻优精度低,为此融合禁忌搜索的“禁忌”与“特赦”思想进行搜索更新,提出融合禁忌搜索算法(TS)的果蝇优化算法(TSFOA)。将Kent混沌映射的序列作为果蝇种群初始位置,保证果蝇群体在搜索空间中的均匀性、多样性;利用果蝇优化算法进行前期寻优,定义群体适应度方差判断其局部收敛状态;达到局部收敛状态时,引入禁忌搜索,继续深度寻优,提高寻优精度和寻优速度。设计仿真实验测试5个经典标准函数的寻优性能,实验结果表明,TSFOA在寻优精度、寻优速度上均优于基本FOA算法。     

改进的猴群算法在云计算资源分配中的研究

如何能够更好的解决云计算资源分配问题一直都是研究的热点, 引入猴群算法, 针对猴群算法中出现的局部收敛速度快, 容易造成局部最优值的缺点, 首先在猴群算法中引入混沌算法和反向学习来初始化猴群的初始位置, 其次, 通过猴群算法中的爬, 望, 跳三个过程的改进使得改算法收敛精度提高. 通过经典函数测试后, 本文算法相比其他智能算法的性能有了明显的改进. Cloudsim平台证明将本文算法运用到云计算资源分配中, 在任务完成时间, 资源消耗方面都有了很大的提高.     

改进哈里斯鹰算法及其在FIR滤波器中的应用

针对原始哈里斯鹰算法(Harris Hawks Optimization, HHO)存在收敛精度低、易陷入局部最优等问题,提出一种改进的哈里斯鹰算法。首先引入Logistic混沌映射加强扰动,丰富种群多样性,提高算法收敛精度;其次用非线性逃逸能量因子代替线性逃逸能量因子,易于跳出局部最优。为了验证改进效果,利用改进算法求解FIR滤波器设计问题。仿真结果表明,与原始哈里斯鹰算法相比,基于改进算法的FIR滤波器具有更加理想的通带和阻带性能。     

改进的猴群算法在传感器优化布置中的应用

针对纸纱复合袋糊底机涂胶机构健康状况检测中的传感器优化布置问题,提出了一种改进的猴群算法（ MA）。该算法以模态置信度（ MAC）矩阵作为目标函数,通过正态分布方法构造初始种群来增强猴群的多样性;采用自适应的变动爬步长,提高了算法运行的速度和求解精度。以涂胶机构有限元模态分析结果为依据,对涂胶机构进行传感器优化布置,结果表明：改进的MA可以解决涂胶机构传感器优化布置问题,比简易猴群算法（ SMA）寻优能力强、收敛精度高。     

基于混沌猴群算法的传感器优化布置

针对猴群算法收敛速度慢,易陷入局部最优等缺点,将混沌搜索策略引入猴群算法,提出了一种求解桥梁传感器优化布置问题的混沌猴群算法.该算法利用混沌变量产生初始猴群,并按照混沌原理加以扰动来增强猴群的多样性,提高算法全局搜索能力.对一座悬索桥进行传感器优化布置,结果表明：混沌猴群算法可以解决桥梁传感器优化布置问题,且较猴群算法寻优能力强.     

一种新的改进粒子群优化方法

为解决粒子群优化算法易于陷入局部最优问题,提出了两种新方法并行修改粒子群优化算法惯性权重：对好于或等于整体适应度平均值的粒子,用动态非线性方程调整惯性权重,在保存相对有利环境的基础上逐步向全局最优处收敛;对比平均值差的粒子,用动态Logistic混沌映射公式调整惯性权重,在复杂多变的环境中逐步摆脱局部最优,动态寻找全局最优值。两种方法前后相辅相成、动态协调,使两个动态种群相互协作、协同进化。实验结果证实：该算法在不同情况下都超越了同类著名改进算法。     

学习猴群爬过程的人工蜂群优化算法

针对人工蜂群算法迭代后期容易陷入局部的缺点,将猴群算法的爬过程引入到采蜜蜂采蜜的阶段,加强局部搜索。通过仿真实验测试,与参考文献中的改进算法进行比较,可以得到提出的改进算法比原人工蜂群算法及现有的部分改进算法性能优良,能够在一定程度上跳出局部最优,得到的近似解也更加接近测试函数理论最优解。     

基于猴群算法的入侵检测技术

针对入侵检测系统存在高漏报率的问题,提出一种基于猴群算法的入侵检测技术.利用猴群算法从网络审计数据KDD99数据集中生成一个分类的规则集合,采用支持度-置信度模型实现猴群算法的目标函数,以控制生成规则的质量,将动态生成的规则应用于基于规则的的入侵检测系统中.实验结果表明,基于猴群算法的入侵检测技术可改进生成规则的质量,...     

一种基于Chebyshev混沌神经网络的视频水印算法

针对视频版权的保护,提出一种基于Chebyshev混沌神经网络的视频水印算法。首先选取二值图像作为图像水印,利用Chebyshev混沌神经网络对图像进行加密;然后对宿主视频进行分帧处理,通过Henon映射产生混沌序列提取关键帧,同时提取关键帧亮度分量的低频系数,将处理后的图像水印自适应地嵌入小波变换后亮度分量的低频系数中。实验结果表明,该算法具有较好的不可见性,且针对噪声、高斯滤波、旋转、帧丢失等攻击具有良好的鲁棒性。      

基于猴群算法求解0-1背包问题

0-1背包问题是一个经典的NP完全问题,该问题在实际生活中具有广泛的应用.针对现有算法在求解0-1背包问题时精度不高的缺点,提出了一种诱导因子猴群算法.所给诱导因子猴群算法的基本思想是,在基本猴群算法的爬过程中引入诱导因子,诱导其向上爬行,从而可以逃逸局部最优解,找到全局最优解.在仿真试验中,与已有方法进行比较,结果说明利用所给诱导因子猴群算法求解0-1背包问题是有效的.     

混合猴群算法求解折扣{0-1}背包问题

针对折扣{0-1}背包问题(D{0-1}KP),当问题规模较大时,精确算法求解比较困难.基于此,将贪心核加速算子与猴群算法融合提出一种混合猴群算法(MMA)用于求解D{0-1}KP问题.同时在MMA算法的爬过程中引入诱导因子,避免爬过程陷入局部最优,再利用修复策略对不可行解进行修复.通过仿真实验,结果表明MMA算法求解...     

基于滑块与矩阵旋转的混沌图像加密算法

针对当前混沌图像加密算法存在的安全缺陷问题,提出了一种基于滑块与矩阵旋转的混沌图像加密算法。在像素位置置乱过程中根据明文图像自身特点,产生与明文图像紧密相关的混沌系统控制参数;旋转图像子矩阵块来打乱整个图像,使所有像素点均匀分布。最后,在像素值替代过程中,利用滑块加密方法,使每一个像素点的加密结果都会影响滑块内的其他若干像素点,从而使加密图像所有像素点的加密结果相互关联,提高了加密图像的安全性。实验仿真结果表明,该加密算法能够有效的抵抗统计特征攻击、差分攻击,具有较高的安全性和良好的加密效果。     

改进乌鸦搜索算法在邮件集散中心航空运力调度中的应用

邮件集散中心航空运力调度涉及固定运力和备选运力两种调度对象,本文在航空运力资源充足的前提下,建立了以最小化运输成本为目标的优化模型,研究了一种改进的乌鸦搜索算法求解方法.首先根据问题的数学模型,引入惩罚函数法将部分约束转化为惩罚项,与目标函数共同构成适应度函数;然后引入Logistic混沌映射提高初始种群的多样性;根据问题的特点,提出了基于个体最优追随机制和正余弦算法的位置更新策略,并引入交叉变异机制以丰富搜索过程中种群的多样性.通过大量算例实验分析,证明了该算法的有效性与优越性.     

多策略混合的改进麻雀搜索算法

针对基本麻雀搜索算法（sparrow search algorithm,SSA）在处理复杂优化问题时存在的搜索空间不足、收敛速度慢和易陷入局部最优等问题,提出一种多策略混合的改进麻雀搜索算法（improved sparrow search algorithm based on multi-strategy mixing,IMSSA）。利用Sine混沌映射初始化麻雀个体位置,丰富种群多样性,解决种群分布不均匀、搜索空间不足等问题;引入带有惯性权重的多样性全局最优引导策略来加快收敛速度,调控算法的全局探索与局部开发能力;采用双样本学习策略使算法跳出局部最优,提高种群对解空间的搜索能力。通过测试函数对算法进行仿真实验,验证三种改进策略的有效性,并且进行Wilcoxon秩和检验和时间复杂度分析,结果表明IMSSA算法的各项性能均有显著提升。最后用算法优化支持向量机参数,建立轴承故障诊断模型,进一步证明了改进策略是可行有效的。     

新型飞蛾火焰优化算法的研究

飞蛾火焰优化算法（Moth-Flame Optimization，MFO）是一种自然激励且易于实现的全局优化算法，在许多实际优化任务中表现出良好的性能。然而，MFO算法存在早熟收敛和容易陷入局部最优解的问题，针对这些不足，提出了一种Kent混沌动态惯性权值的改善飞蛾火焰优化算法（Ameliorative MFO，AMFO）。在AMFO算法中，引入Kent混沌映射搜索策略帮助当前最优解跳出局部最优；采用基于适应度值和迭代次数的动态惯性权值策略来平衡算法的开发和探索能力，以进一步提升MFO算法性能。在8个经典benchmark函数上验证AMFO算法的搜索精度和性能，并将其结果与标准飞蛾火焰优化算法、粒子群算法和差分进化算法进行比较，仿真结果表明AMFO算法具有较好的搜索性能。     

一种多策略改进的麻雀搜索算法

针对麻雀搜索算法在求解复杂优化问题时存在收敛速度慢、种群趋同性严重、易于陷入局部最优等不足,提出一种多策略改进的麻雀搜索算法（multi-strategy improved sparrow search algorithm,MISSA）。通过混沌映射和反向学习机制提高算法初始种群的质量;借鉴粒子群算法的学习策略来提升种群的信息交流能力和兼顾全局勘探与局部开发之间的平衡;融合差分进化算法的变异交叉操作提升算法跳出局部最优值的能力。通过对8个基准测试函数的寻优实验,结果表明改进算法具有更好的优化性能和收敛效率;进一步地,将改进算法应用于优化支持向量回归（support vector regression,SVR）模型的参数,并通过在选定的5个UCI数据集上的实验验证了改进算法的有效性。     

改进的混沌遗传算法及其应用

针对多目标干扰多参数波形优化设计问题中需考虑参数过多、高维等问题,给出一种基于实数编码的改进混沌遗传算法。引入An混沌随机数生成器以提高混沌序列的均匀性和随机性,提出将遗传操作中交叉得到的优秀个体与新群体竞争,提高收敛速度。改进后,混沌遗传算法的收敛性和全局搜索能力都有所提高,通过仿真证明了该算法的有效性和正确性。     

基于改进Logistic映射的混沌图像加密算法

经典Logistic映射存在系统参数范围受限、混沌序列分布不均等问题。对Logistic映射进行改进并将其应用于图像加密中,设计一种置乱与扩散同时操作的图像加密算法。对经典Logistic映射增加模运算并对其所生成序列进行二进制比特重排,利用改进Logistic映射生成具有更好混沌特性的伪随机序列并用于加密系统的置乱和扩散阶段。将所生成的伪随机矩阵与明文图像矩阵进行异或操作以实现明文图像预加密。在此基础上,采取置乱与扩散同时操作的策略以置乱和扩散预加密后的图像从而得到密文图像。安全性分析及实验结果表明,该算法具有良好的加密性能和安全性,可以抵抗暴力攻击、差分攻击等常见攻击。