基于正态云组合赋权的城市生态环境质量综合评价

为有效处理综合评价组合赋权过程中的随机性与模糊性,引入定性定量转换的正态云组合赋权模型方法。该方法利用逆向云发生器算法将多个主客观权重进行信息融合,生成不确定正态云组合权重,再兼顾形状与距离正态云相似度测算,按相似度大小进行等级与排序综合评价。以长三角中心区27个城市为例,用该方法对其2020年生态环境质量进行综合评价,结果表明:(1)相对标准评价云的“良”等级,准则层中资源利用偏离最远、生态健康相距最近,并通过交互验证说明评价模型具有合理性与有效性;(2)27个城市的生态环境质量水平均分别处于“一般”与“良”两个等级,其中杭州、舟山、宁波、湖州和台州都在良好的级别中,其余都在一般的级别中。基于此方法,不仅可以给出各评价对象在评价属性中的排序,而且将评价对象与实际标准云之间的关系给出判别,可为决策者对评价区域横向比较和评价单元自身状态纵向判别提供决策参考。

基于改进云组合赋权的智能网联驾驶场景安全性评价方法

准确可靠的驾驶场景安全性评价是智能网联车辆推广应用的基础,但智能网联驾驶场景复杂多变,以固定数值为指标权重的评价方法无法充分考虑因此带来的模糊性和随机性。为此,研究了基于改进云组合赋权的智能网联驾驶场景安全性评价方法。建立了包含静态环境层、动态行为层、智能要素层的智能网联驾驶场景要素库,制定场景设计方案;按照功能场景、逻辑场景、具体场景的顺序进行场景解构,提取相关要素,设计形成场景;引入云模型概念,结合博弈论思想改进云组合赋权;基于云模型运算法则构建综合云,表征各场景安全性,构建理想云评价模型;提出相对相似度指标作为评价结果,量化分析场景安全性并排序。依据场景设计方案进行仿真试验,对比层次分析法、优序图法、熵值法、变异系数法、博弈组合赋权及原云组合赋权等赋权评价方法,其评价结果与仿真结果在99%置信水平下显著相关,二者的皮尔逊相关系数为0.649,较上述其他评价方法分别提高了5.5%、7.8%、19.7%、13.7%、8.1%、0.8%;同时,该方法事故识别准确率为78.13%,高于Baumann等所用方法的44.29%和Xia等所用方法的57.2%。研究结果表明:基于改进云组合赋权的场景安全性综合评价方法能够兼顾主、客观赋权的优点,可以改善当前固定数值权重造成评价结果不够真实的缺陷,提高智能网联驾驶场景安全性评价的准确性。

云组合服务网络的异常植入数据检测算法

云组合服务网络在路由转发控制受到节点的同态扰动影响,容易受到植入入侵,为了提高网络的安全性,提出一种基于阈值组合判决的云组合服务网络的异常植入数据检测算法。构建网络异常植入数据的统计特征模型,采用大数据挖掘技术进行云组合服务网络异常植入数据特征检测和滤波分析,提取云组合服务网络数据的谱特征量,采用支持向量机学习方法进行云组合服务网络的异常植入数据检测过程中的自适应寻优控制,采用双门限阈值组合判决方法,实现对目标数据的准确检测,提高对异常植入数据的准确定位检测能力。仿真结果表明,采用该方法进行云组合服务网络异常植入数据检测的准确概率较高,检测性能较好,提高了网络安全性。

云组合和协商服务交付通用架构研究

云计算普遍用于快速应用程序部署,包括可伸缩服务器支持,移动和分布式服务。在已有的框架中,不管用户的当前需求如何,他们都仅限于使用特定于提供者的预配置资源和服务选项。所以,设计融合跨提供商的云计算框架以实现云提供商之间的兼容性和无缝资源转换非常重要。本文提出了一种用于云用户的云组合和协商服务交付的通用架构。该框架充当来自用户的服务规范的匹配器,具有来自云提供商的当前可用资产,创建了一个隔离的云市场客户,以及云服务的不可协商的定价策略。为云用户创建更好的机会,以便找到更便宜的交易,价格匹配和灵活的资源规范,同时增加云服务提供商的收入和更高的资源利用率。

两阶段云服务组合优化算法及其应用研究

针对目前云服务市场中如何快速有效为客户提供最优组合云服务问题,提出一种包括灰色关联和自适应遗传算法的两阶段云服务组合优化算法。首先根据用户云服务需求,利用灰色关联分析对云服务进行初步筛选形成候选云服务集;其次建立时间最短、成本最低、可用性、互操作性、可扩展性和满意度最佳的多目标决策模型,采用自适应遗传算法求解模型,确定最优云服务组合方案;最后通过算例证明该算法在解决最佳云服务组合方面的合理性和科学性。

基于QoS感知的云制造服务组合区间多目标优化

针对云制造服务组合问题中广泛存在的不确定性,研究了一种基于服务质量(Quality of Service, QoS)感知的云制造服务组合区间多目标优化方法。该方法采用区间数来描述QoS属性的不确定性,考虑相邻子任务间的联结关系,构建以服务时间、服务成本和评价质量等QoS属性为优化目标的服务组合区间多目标优化模型,以微型多目标遗传算法为框架,引入佳点集改善初始种群,利用区间非支配分级方法,实现了对云制造服务组合区间多目标优化问题的直接求解,其求解效率也在工程示例中得到了验证。

基于正态云相似度度量的城市生态环境质量综合评价

近年间云模型相关理论发展,其与综合评价模型之间的组合应用也愈发广泛。本文提出构建基于正态云相似度度量的城市生态环境质量综合评价模型,通过改进正态云组合赋权方法,进行权重信息的有效解读与融合,提出一种兼顾距离与形状的云相似度度量方法,计算得到云模型间相似度大小确定最终评价结果。将该模型实际应用于长三角中心区城市群的生态环境质量综合评价,结果表明:该城市群在2021年经济发展及社会保障整体发展水平属等级“一般”,资源利用及生态健康整体发展水平属等级“良”,近半数城市综合评价等级属“良”且城市群整体发展趋势向“良”。

基于Optistruct的云粒子组合探测器改装结构优化设计

针对云粒子组合探测器改装结构布局形式多、质量偏大等问题,对某试验机的云粒子组合探测器改装结构采用了拓扑-尺寸联合优化设计方法,探索改装结构的最优结构布局及最小质量尺寸。采用变密度法对改装结构进行拓扑优化,获得了最优的结构布局形式和最佳的传力路线;以最小质量为目标函数,在满足强度和刚度的约束条件下,对结构的厚度参数进行了尺寸优化,使结构质量减轻了22.33%,减重效果明显,验证了拓扑-尺寸联合优化设计方法在试验机改装结构设计的有效性。

云服务组合的主动自适应技术综述

为了持续应对复杂、多变的云计算环境,提供满足用户期望的服务,云服务组合除了能实现基本需求外,还必须具备一定程度的自适应能力。介绍了主动自适应技术,研究了云计算环境下服务组合的主动自适应技术、在线质量预测方法和在线调整策略,梳理了云服务组合的主动自适应技术面临的挑战,并提出了应对策略。

QoS感知的云服务优化组合研究

为了更好地解决服务质量感知的云服务优化组合问题,首先对社会认知算法进行了改进,提出了面向离散型优化问题的模仿学习方法以及基于多次变异的观察学习方法。然后使用改进的社会认知算法对服务质量感知的云服务优化组合问题进行了求解。实验结果表明,改进的社会认知算法具有较强的搜索能力和较快的收敛速度,并且具有较强的推广性,可以用来求解其他离散型优化问题。

一种基于动态Skyline和遗传粒子群优化的云服务组合方法

提出一种改进的基于动态Skyline和多种群遗传粒子群优化的云服务组合优化方法,旨在解决动态、不确定环境下大规模云服务组合优化问题.对云服务组合和服务质量(QoS)形式化描述,提出一种云服务组合优化模型;对Skyline操作进行建模的基础上,设计Skyline云服务动态更新算法,以满足云服务因临时加入、退出及QoS变化而引起的动态性和不确定性需求;最后,设计一种新的云服务组合优化算法,算法采用动态Skyline操作和用户约束降低问题求解空间,并基于种群相似性和遗传操作进行防早熟收敛处理.通过真实数据集和随机数据集的大量仿真实验,结果验证了本文算法的可行性和有效性.

一种基于agent的云服务组合的交互模型

针对云消费者的云服务组合请求,采用agent方法及扩展的合同网协议,通过建立agent的服务能力表,设计了一种基于agent的云服务组合交互模型,并通过仿真实验进行验证。实验结果表明,采用服务能力表的基于agent的云服务组合方法比蚁群算法及模拟退火遗传算法具有更高的云服务组合成功率。

基于文化社会认知算法的云服务优化组合研究

QoS感知的云服务优化组合是云计算领域亟需解决的问题。针对该问题,首先对社会认知算法进行了改进,然后将改进的社会认知算法纳入文化算法的框架之内,构造了新颖的文化社会认知算法,并采用该算法解决QoS感知的云服务优化组合问题。实验结果表明,文化社会认知算法在求解云服务优化组合问题时具有较强的搜索能力和较快的收敛速度;同时,该算法具有很强的推广性,可以用来求解其他类似的组合优化问题。

带触发时刻表的多路径物流云服务组合设计

基于对云物流环境下服务组合问题特点的分析,构建了多路径云物流服务组合过程模型。结合云物流服务组合路径多样性、结构复杂性及资源按时刻表触发等特点,采用多属性效用函数理论,研究建立了基于最大效用度的带触发时刻表的多路径服务组合数学模型。针对模型求解过程中存在的可变长度任务链选择、触发时刻表处理、全局QoS计算等环节,提出融合串行调度的混合遗传算法对模型进行求解。结合具体物流任务运作实例,对模型和算法的有效性及可行性进行了验证。

制造云服务组合柔性评价指标体系研究

制造云服务组合作为提高云制造资源利用率、实现制造资源增值的关键途径之一,对于云制造的实施和开展具有重要作用。在明确制造云服务及制造云服务组合柔性概念的基础上,系统分析云制造全生命周期内制造云服务组合柔性的影响因素,并从任务发出企业的角度建立了包括四个一级指标和九个二级指标在内的制造云服务组合柔性评价指标体系,为进一步构建制造云服务组合柔性评价模型、完善制造云服务组合优选系统、实现高效智能化的制造云服务管理提供理论支持。

制造云服务组合柔性的四维属性测度方法

云制造环境下服务资源进行动态组合时不可避免地遇到内、外部环境的不确定性,这些不确定性因素直接影响到制造云服务组合的执行成本、效率和质量。为了有效提升制造云服务组合的柔性,需要对其柔性能力进行测度。在假定某待选云服务集中的各服务资源能够以不同的效率替代完成任务的基础上,建立了考虑制造云服务组合柔性的效率柔性、冗余柔性、路径柔性和任务柔性的四维属性测度方法。最后,结合具体算例对该方法的应用过程进行了分析。

云制造服务组合的研究

近年来,随着新一代信息技术的发展,云制造服务组合已成为一个研究热点。文中从云制造单任务和多任务的角度对国内外云制造服务组合的研究进行了讨论,归纳概括了云制造服务组合的相关特点,分析了现有云制造服务组合模型中的不足,提出了面向双侧的新型云制造服务组合模型,最后对未来的研究趋势进行了展望。

基于离散人工群算法的云制造服务组合

随着互联网、云计算等网络技术的快速发展,单一制造服务已无法满足用户日益复杂的制造任务,所以云制造服务组合问题一直是近年来应用和研究的热点,为典型NP难题。文中针对云制造服务组合优选问题,改进原始人工蜂群算法(Artificial Bee Colony,ABC),提出了一种基于局部搜索离散蜂群算法(Location Search Discrete Artificial Bee Colony,LSDABC),从而为用户选择服务质量(Quality of Service,Qo S)最优的服务组合执行路径。该算法引入种群的选择概率和对最优解的局部搜索策略,提升算法的开采能力、收敛速度,同时避免出现搜索停滞陷入局部最优。最后将LSDABC应用于云制造服务组合优选中进行仿真实验,并将结果与原始ABC、DE、PSO算法进行对比。实验结果表明,LSDABC具有较好的求解质量和鲁棒性。

基于QoS的制造云服务组合优选问题研究

基于云制造的QoS(Quality of Service)属性分析了制造云服务的组合优选问题,建立了该问题的以时间、费用、信誉和可靠性为目标的云服务组合数学模型。提出了结合层次分析法和改进的粒子群算法对该模型进行求解的优化方法。为了分析用户需求,细化了每个QoS属性,形成了云服务属性层次,采用层次分析法确定各属性的权重。改进的粒子群算法则可以快速有效地收敛到最优解。这种优化方法既弥补了以往单一优化方法的不足,同时又能深入分析用户对云服务的需求,找到满足用户需求动态变化的云服务组合方案。

基于贝叶斯网的云服务组合柔性影响因素重要度分析

针对制造云服务组合过程具有不确定性的特点,在分析云服务组合柔性及其影响因素的基础上,通过构建贝叶斯网络模型进行云服务组合柔性影响因素的重要度分析,进而识别出影响制造云服务组合柔性的关键因素,为后续针对性地开展柔性的测度、监控和提升等研究做好铺垫。