基于免疫量子进化算法的负载均衡策略

在集群系统任务调度和分配中,提出一种基于免疫量子进化算法的负载均衡策略。该策略采用量子化编码和量子进化操作优化任务分配,在量子陷入局部极值下,引入免疫操作进行接种疫苗和免疫选择,从而增加种群多样性。仿真结果表明,与SGALB策略相比,该策略具有更高的搜索效率,其集群系统的整体性能更优。

基于改进量子进化算法的NoC测试规划研究

首先利用量子旋转门动态调整策略和并行跳跃基因对量子进化算法进行改进.在功耗约束条件下,采用重用NoC测试访问机制和XY路由算法,利用改进量子进化算法将测试数据分配到不同的TAM上寻找最优测试方案.最后以ITC′02基准电路作为实验对象对算法进行仿真验证.实验结果表明,经过改进后的量子进化算法对NoC测试规划优化明显,能快速收敛得到最优解,大大降低了系统的测试时间.

优化网络入侵特征库的量子进化算法

针对网络入侵检测系统中入侵特征库的性能普遍较差的缺点,提出了一种优化网络入侵特征库的改进量子进化算法(IQEA)。采用特征向量表示染色体结构,借鉴小生境协同进化思想初始化种群,以个体的匹配程度设计适应度函数,使用动态更新和"优体交叉"策略进化种群。仿真实验表明,IQEA的寻优能力和收敛速度均优于量子进化算法和进化算法,经IQEA优化后的入侵特征库,检测能力强,并具有较好的自适应性。

基于改进量子进化算法的配电网重构

提出了一种新的改进量子进化算法解决配电网重构问题。算法对量子更新策略进行改进以减少量子搜索的盲目性,引导量子更好更快地找到最优解。配电网重构是一个多目标非线性组合优化问题,二进制的编码方式特别适合采用改进量子进化算法求解。IEEE 16节点标准算例计算结果表明,本文所提出的改进量子进化算法在配电网重构应用中正确有效。

英国“全面提升教育质量”项目成功的动力之源——基于霍普金斯能量建构理论的分析

从霍普金斯的能量建构理论来看,英国"全面提升教育质量"(IQEA)项目成功的动力之源主要来自强化项目学校内部改进能量的建构。具体而言,IQEA项目主要是从六大方面提升了项目学校的内部改进能量,即:制定关注学校具体情境的改进计划;开展贯穿整个改进过程的调查与反思;鼓励学校改进利益相关者的多方参与;实施兼顾合作与沟通的协调工作;制定以学校发展为中心的教师发展政策;实行强调"赋权"的变革型领导。