基于Seq2Seq模型的工作流动态调度多目标进化算法

将数据处理类工作流在云计算环境下的调度问题建模为动态多目标优化问题,同时为了解决静态多目标优化算法在环境参数动态变化下可能出现的种群多样性缺失问题,在NSGA-II算法的基础上结合Seq2Seq深度学习模型,提出了DNSGA-II-Seq2Seq算法,算法通过Seq2Seq模型学习连续历史环境下局部最优解的变化规律,在环境变化时预测新的解并将其加入NSGA-II算法的种群中,以解决多样性缺失问题,同时加速算法收敛。在改进的WorkflowSim上进行的实验表明,与其他经典的算法相比,DNSGA-II-Seq2Seq算法预测的解和最终结果在多项指标上均优于其他算法,验证了算法的有效性。

基于DMOEA-APTC算法的无人机在线航迹规划

为了解决具有时间关联性质的动态多目标优化问题,以无人机在线航迹规划问题为基础,引入时间关联特征概念并建立无人机时间关联动态多目标优化问题模型,提出一种使用自适应预测响应机制和时间关联性优化机制的动态多目标双层优化算法。根据环境变化相关性判断环境变化强弱并启用不同响应机制,快速适应环境变化;优化过程中通过最小二乘法学习历史数据拟合航迹未来预测值,根据预测可靠性自适应选择“仅优化当前”或“同时优化当前与未来”优化模式;使用改进后的切比雪夫分解法对符合偏好的航迹进行决策。实验结果表明:所提算法在复杂飞行环境下降低飞行时长的同时具有更高生存概率,提高了无人机飞行稳定性,更合理有效地处理了在线航迹规划问题。