项目工期资源优化方式研究

项目工期资源优化在现代化的项目管理中起着举足轻重的作用,通过项目工期资源优化可以更好对时间与资源进行协调。文章主要研究了项目工期资源优化的两种方式:工期固定、资源均衡的优化,以及资源有限、工期最短优化。     

基于信誉度的网格资源质量优化

网格由分布在地理上的各种各样的计算机资源组成,用户在调用资源时,只会根据资源提供商所制定的条件来选择适合自己的资源,但是资源质量的优劣只有在至少用完一次后才可以得出结论.现今许多基于经济模型的资源调度策略只是在提高资源提供商的效益及资源调用时的负载平衡方面加以研究,而网格资源的质量并无过多深入的分析.文中提出的基于信誉度的网格资源调度算法,在用户与资源之间插入一个信誉度计算器,用户每调用一次便会对此资源进行一次信誉度评估.实验证明此算法不仅提高了资源提供商获得的效益,并且使得网格资源的质量得到进一步的优化.     

基于资源精简优化的Android安装包体积优化实现

Android安装包大小对应用下载安装转化以及运行性能造成影响,因此开发者需要对包体积进行缩减优化。现有的Android包体积优化方案大体上可分为两种策略,即Class字节码优化和资源文件优化。资源文件优化策略通用且收益数据较可观,可达到MB级别,但完成优化后如需再进一步优化便会到达瓶颈。本文将从更具难度的应用资源存储与索引入手,探索如何进行深度路径混淆以及资源精简,从而达到对Android安装包进一步优化的目的。     

基于缓冲和预选的网格资源调度优化

资源发现是影响调度效率的关键,针对网格资源发现中复杂的查询过程,通过资源代理,将用户任务发生过调度的资源在本地进行缓存,构成黑白资源名单。同时,在网格资源代理空闲时,按照最近调度的QoS参数为参考值,进行资源的预选择,存放在本地记录,由此构成了本地记录优先的资源发现。针对该方法,设计了支撑该方法的优化代理体系结构,讨论了记录管理问题,给出了优化资源调度过程的算法。实验表明,该方法缩短了任务的平均调度时间,从而缩短了任务平均完成时间,提高了吞吐量,达到了优化的目的。     

基于遗传算法的网格制造资源优化选择

制造资源的选择和优化是制造网格应用过程中的关键问题.本文通过对已有制造资源搜索方法进行分析,指出其存在的局限性;在对资源选择问题进行数学描述的基础上,提出了一个基于遗传算法的制造资源组合优化模型,并对该模型的算法进行了设计;最后,给出了一个典型算例,以说明该模型和算法的有效性.     

基于云计算的资源延迟感知任务调度优化

针对网络任务调度不合理延迟率高的问题,笔者提出基于云计算的资源延迟感知任务调度优化研究,通过构建任务模型和资源消耗模型,建立云计算的资源延迟感知任务调度模型,将资源延迟感知任务调度集成到滚动优化,形成具有资源延迟感知能力的调度优化算法,对模型进行求解实现任务的合理调度。经实验证明,使用基于云计算的资源延迟感知任务调度优化方法,有效降低了网络延迟率。     

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。     

企业管理资源的优化

新的ERP系统对公司人、财、物、信息资源进行了全面整合,形成了统一的系统功能．包括基于网络的虚拟组织、部门通知、手机短信、网络传真、文件审核以及工作流程等,进一步促进职能部门、上下级单位之间更好地沟通协调。     

WINDOWS运行环境优化技术

Windowi运行环境优化的目的是为了调整系统，使WindoW以最有效的方式利用系统资”源．优化系统主要指如何使用内存、硬盘资源以提高系统运行速度．三高级内存代化技术内存是仅次于CPU的系统资源，其优化的目的是尽可能多地给应用程序提供常现内存，实行优化是将一些系统程序（设备驱动程序，内存驻留程序）移到常规内存（0～64（）k）以外的存储区域．通常用户采用如下方法：．使用扩充内存管理程序（HIMEM．SYS）支持存取扩充内存（XMS）．使用扩展内存管理程序（EMM386．EXE）从扩充内存仿真扩展内存（EMS）（其实Windo。在增…     

Win7优化那些事

大家知道，系统优化的目的是让系统资源消耗减少，同时还要让系统运行的速度加快，从而提高自己使用电脑的效率。目前网上流传的很多“优化高招”却不一定能起到优化的目的。其中有不少招数是由于当时的Win7电脑配置太差所采取的极端手段，在如今的电脑配置下是完全没必要的，还有一些操作则完全是错误的。     

粒子群优化点匹配算法

点匹配问题一直是计算机视觉,模式识别,医学临床诊断等领域的一项重要基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数,通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数,利用粒子群优化算法求解变换参数。实验表明,该算法适用于点匹配,具有操作方便,可靠性好,不易陷入局部极值等优点。     

求解矩形包络问题的量子行为粒子群优化算法

介绍了一种利用量子行为粒子群算法（QPSO）求解矩形包络的方法。矩形包络是将二维不规则形状样片用它们的最佳包络矩形来代替,是服装排料的第一步。实验结果表明量子行为粒子群算法比粒子群算法,遗传算法能更好地解决求二维不规则形状样片的矩形包络的问题。     

Bacterial Foraging Optimization Approach to Portfolio Optimization

In this paper we propose a heuristic approach based on bacterial foraging optimization (BFO) in order to find the efficient frontier associated with the portfolio optimization (PO) problem. The PO model with cardinality and bounding constraints is a mixed quadratic and integer programming problem for which no exact algorithms can solve in an efficient way. Consequently, various heuristic algorithms, such as genetic algorithms and particle swarm optimization, have been proposed in the past. This paper aims to examine the potential of a BFO algorithm in solving the PO problem. BFO is a new swarm intelligence technique that has been successfully applied to several real world problems. Through three operations, chemotaxis, reproduction, and elimination-dispersal, the proposed BFO algorithm can effectively solve a PO problem. The performance of the proposed approach was evaluated in computational tests on five benchmark data sets, and the results were compared to those obtained from existing heuristic algorithms. The proposed BFO algorithm is found to be superior to previous heuristic algorithms in terms of solution quality and time.     

电力系统无功优化中PSO算法的改进研究

针对电力系统无功优化中的PSO算法的特点,采用的信息拓扑结构为环形结构,对PSO算法中的变异算子进行研究.针对环形拓扑结构的PSO算法,其后期收敛精度差是一个常见问题,提出了一种称之为"球面变异"的变异算子,充分利用粒子群迭代后期种群的信息,对变异的方向与速度进行引导,进而建立了变异算子与当代种群适应度之间的关系,明显地提高了算法收敛速度与精度.最后,对陷入局部收敛等问题进行相应的改良,诸如无法达到最优解等问题.使用IEEE14节点系统作为算例进行测试,结果达到优良.     

用于函数优化的最大引力优化算法

提出一种基于牛顿万有引力定理的函数优化方法──最大引力优化算法。该算法通过“引力分组”和“引力淘汰”过程更新搜索体。文中给出4个引理来描述算法的数学基础,同时也给出算法的收敛性证明。此外还对该算法进行改进。最后与粒子群算法、差分算法、郭涛算法进行比较,数值结果显示该算法在解决连续函数优化问题具有较高的性能。     

Hierarchical Cluster-Based Multispecies Particle-Swarm Optimization for Fuzzy-System Optimization

This paper proposes a hierarchical cluster-based multispecies particle-swarm optimization (HCMSPSO) algorithm for fuzzy-system optimization. The objective of this paper is to learn Takagi–Sugeno–Kang (TSK) type fuzzy rules with high accuracy. In the HCMSPSO-designed fuzzy system (FS), each rule defines its own fuzzy sets, which implies that the number of fuzzy sets for each input variable is equal to the number of fuzzy rules. A swarm in HCMSPSO is clustered into multiple species at an upper hierarchical level, and each species is further clustered into multiple subspecies at a lower hierarchical level. For an FS consisting of $r$ rules, $r$ species (swarms) are formed in the upper level, where one species optimizes a single fuzzy rule. Initially, there are no species in HCMSPSO. An online cluster-based algorithm is proposed to generate new species (fuzzy rules) automatically. In the lower layer, subspecies within the same species are formed adaptively in each iteration during the particle update. Several simulations are conducted to verify HCMSPSO performance. Comparisons with other neural learning, genetic, and PSO algorithms demonstrate the superiority of HCMSPSO performance.      

多目标优化的一种改进微粒群算法

微粒群算法是解决多目标优化问题的一个重要方法.为了多目标目标优化求解问题,常用的微粒群算法在处理多目标优化问题时,存在所得Pareto最优解集的分散性和实用性较差的缺点.针对上述问题,提出了微粒群算法的一种改进形式.改进算法引入了个体精英解集,从中选择更合适的个体最优位置.同时,在评价个体适应度时,考虑了目标函数值差异这一信息.个体对应的目标函数值差异大,则其适应度就小.这样能避免各目标函数值差异过大的最优解存在.三个典型的多目标测试函数表明,改进方法得到最优解集具有更好的分散性和实用性.测得结果证明,改进方法是有效的.     

求解多模态函数优化的微果蝇优化算法

研究求解偏高维多模态函数优化的小种群果蝇优化算法．算法设计中,优质种群经局部变异探测优质个体;中等种群经精英个体引导实现个体转移;劣质种群依赖于精英和劣质个体沿着多方位搜寻多样个体．该算法具有结构简单、可调参数少、进化能力强等优点,其计算复杂度低．比较性的数值实验显示,此算法寻优能力强、搜索效率高且对偏高维函数优化问题具有较好应用潜力．     

组织进化粒子群数值优化算法

为充分利用粒子的通讯、响应、协作和自学习能力等特性,克服算法早熟收敛,本文提出一种组织进化粒子群算法.该算法将进化操作直接作用在组织上,通过组织间的相互竞争、协作,最终达到全局优化的目的,且证明算法的全局收敛性.实验中,用12个无约束标准测试函数对算法性能进行测试,与其它算法进行比较,并对算法中的参数进行分析.结果表明,本文算法无论在解的质量上还是在计算复杂度上都明显优于其它算法.参数分析表明该算法具有性能稳定、成功率高、对参数不敏感等优良特性.