基于改进HHO的飞机平衡状态求解

针对求解飞机平衡状态依赖初值选取的问题,提出一种改进哈里斯鹰优化算法(Improved Harris Hawks Optimization,IHHO)。该算法修改HHO全局搜索策略,利用种群中部分随机个体间距离的均值更新哈里斯鹰位置,扩大种群分布范围,减少求解初期算法受初值影响;对猎物体能模型增加一个随迭代次数变化的调整因子,动态调节IHHO搜索策略,避免算法陷入局部最优。使用IHHO求解飞机平衡状态,实验结果表明,该方法可解决对初值选取依赖的问题。

元胞遗传算法的多样性研究

探讨了元胞遗传算法中种群多样性对全局寻优/局部收敛平衡的意义,提出了基于邻域结构内元胞遗传算法的多样性度量方式,并提出了改变遗传算子的元胞遗传算法来维持进化过程种群的多样性,算法将元胞空间网格嵌入到种群空间中,模拟遗传操作在相邻个体之间进行。该算法不仅提高了全局搜索能力,且在维持种群多样性方面有一定优势。

灾变遗传算法在配电系统最优时变重构中应用

提出一种灾变遗传算法来求解中压配电网最优时变重构问题,以达到网损最小和负荷平衡的目的.首先采用协调方法将多目标规划问题转化为单目标寻优问题,并给出了协调后的数学模型.求解过程采用灾变遗传算法以提高种群个体的多样性,防止局部收敛.通过对南方某城区配电系统的计算,证实该算法在求解速度和全局收敛能力上较普通遗传算法均有较大幅度的改善.

基于群体智能算法的大数据迁移策略研究

针对云数据中心不同于传统的数据中心,其管理和维护需要解决更加复杂的问题的情况,为实现云计算平台中大数据系统的平稳升级和更新,提出了一种基于群体智能算法的大数据迁移策略,解决了负载平衡和带宽瓶颈问题。首先对云计算体系架构上的大数据迁移技术进行研究和分析,然后采用人工鱼群优化算法解决m个服务器之间n个数据迁移的最优解问题。最后,将量子比特引入到人工鱼群算法中实现其三大基本行为。Cloudsim仿真平台上的测试结果表明:相比其他迁移策略,所提出算法能更有效地提高云数据中心的运行效率,具有更好的全局寻优能力。