支持区间型QoS的Web服务选择

针对开放环境中web服务的动态性和随机性问题,提出支持区间型服务质量（QoS）的web服务选择算法. 算法中QoS的不确定性用带概率分布的区间数来描述,通过QoS的抽样数据,可计算出区间上的概率密度. 比较各web服务在QoS置信区间上的概率密度,有助于准确描述QoS受环境影响的程度. 结合这种比较方式以及组合服务的区间型QoS模型,设计出一种有区间型QoS保障的组合服务算法. 仿真实验表明,区间型QoS服务选择有利于减少动态环境对选择排序的影响,提高服务选择的准确性.     

基于建筑块迁移策略的并行遗传算法*

通过分析模式定理及建筑块理论,提出一种基于建筑块迁移策略并行遗传算法.算法根据种群的收敛情况,从其他种群中获取非重叠的建筑块,采用模拟退火思想防止优良模式的浓度过快地增大引起早熟.理论分析和对多峰函数的仿真结果均表明,该算法减少了无效迁移次数,降低了通信开销,而且发生成熟前收敛的概率明显下降,保证了遗传算法的全局收敛性.     

一种采用循环策略的改进模拟退火遗传算法

循环规律是生态学中一个重要的规律,而模拟退火遗传算法是一种能够有效改进遗传算法性能的方法。将循环策略与模拟退火遗传算法有机地结合起来,提出了一种采用循环策略的改进模拟退火遗传算法,并通过模式演化分析和收敛性分析证明算法的合理性。该算法不仅能够保证遗传算法的全局收敛性,而且还可以加快种群的进化速度并获得满意的全局最优解。     

一种基于社团划分的小生境遗传算法

提出一种相似性算了,并根据该算子建立超级个体之间的关系网,运用社团划分算法将该关系网划分成小生境;提出收敛算子,运用该算子判断种群的进化程度,以决定是否进行生境划分.根据生境中维持的共有模式,采用多位变异策略,有效维护生境中个体的多样性,避免早熟收敛.从理论上证明了,该算法的收敛性.实验结果表明,该方法具有良好的收敛速度和全局搜索能力,其综合性能优于确定性排挤遗传算法,有利于并行实现.