基于混合遗传模拟退火算法的SaaS构件优化放置

目前,对于SaaS优化放置问题的研究都是假定云环境中的虚拟机的种类和数量都是确定的,即,在限定的资源范围内进行优化.然而,在公有云环境下,SaaS提供者所需要的云资源数量是不确定的,其需要根据Iaa S提供者所提供的虚拟机种类以及被部署的SaaS构件的资源需求来确定.为此,站在SaaS提供者角度,提出一种新的SaaS构件优化放置问题模型,并采用混合遗传模拟退火算法(hybrid genetic and simulated annealing algorithm,简称HGSA)对该问题进行求解.HGSA结合了遗传算法和模拟退火算法的优点,克服了遗传算法收敛速度慢和模拟退火算法容易陷入局部最优的缺点,与单独使用遗传算法和模拟退火算法相比,实验结果表明,HGSA在求解SaaS构件优化放置问题方面具有更高的求解质量.所提出的方法为SaaS服务模式的大规模应用提供了理论与方法的支撑.

基于混合遗传模拟退火算法的矢量场机器人导航(英文)

提出了一种解析形式的机器人矢量场导航模型 ,模型中场矢量的指向就是机器人的理想移动方向 .模型假设工作空间中的障碍物为多边形 ,通过对障碍边界上电场的积分得到了排斥场的封闭解 .导航必须考虑路径对长度、平滑度及安全性的要求 ,因此 ,一种混合遗传模拟退火优化算法被用来对导航模型的参数进行搜索 ,以寻找最优路径解 .仿真结果验证了本文模型的有效性 ,优化所获路径的比较说明此混合算法要优于遗传算法和模拟退火算法 .

基于混合遗传模拟退火算法的圆柱螺旋弹簧优化设计

针对复合形法等传统优化方法在全局搜索能力较弱,容易陷入局部最优解,并且最优解依赖于初始点选择的特点,提出了应用混合遗传模拟退火算法来解决这些问题。建立了某采油树阀门执行机构内部弹簧的优化设计数学模型,应用混合遗传模拟退火算法对其进行了优化设计,并与复合形法、随机方向法、模拟退火算法和遗传算法所计算的结果进行了比较。结果表明,与复合形法相比,经过混合遗传模拟退火算法优化得到的弹簧体积减小了16.01%。

基于混合遗传模拟退火算法的离合器蝶形压紧弹簧优化设计

针对遗传模拟退火算法的局部搜索能力不足,并且可能早熟和遗失最好解;以及传统优化算法全局性较弱,容易陷入局部解的问题。提出一种将遗传模拟退火算法和共轭方向法相结合的混合遗传模拟退火算法。在此基础上对离合器蝶形压紧弹簧优化设计进行研究,并与传统优化方法进行比较,结果表明,该方法简单可行,可为蝶形压紧弹簧以及其他产品的设计提供一种新方法。

遗传—模拟退火混合算法在配电网检修优化中的应用

从配电网设备检修计划编制的实际需要出发,在考虑多种约束条件的基础上,建立了以配电网经济性最好为目标的优化模型。针对该模型的特点,采用1种新型混合遗传-模拟退火算法(HGSA)对配电网检修计划进行优化调整。该算法综合了遗传算法和模拟退火算法的优点,使其既具有遗传算法的全局性和并行性,又具有模拟退火算法的局部搜索能力和退火特征。通过遗传算法、模拟退火算法对实际检修计划优化结果的比较,证明了所提出HGSA算法的有效性。

混合遗传模拟退火算法求解旅游线路优化问题

广西旅游资源丰富,对出行线路的规划可以能让旅游线路更为优化合理。本文以广西30个城市的旅游线路优化问题构造TSP问题,分析了遗传算法和模拟退火算法的优缺点。利用两种算法的互补性,构造了混合遗传模拟退火算法,指出三种算法对旅游线路的求解算法过程。通过对实验数据的对比分析,得出了混合遗传模拟退火算法在求解精度上优于遗传算法或模拟退火算法。

平车装载中的模拟退火混合遗传算法研究

由于车辆运输式半挂车运输危险性高、效率低,提出使用铁道平车对车辆进行运输.铁路输送中的多型号平车装载问题旨在满足运输和安全的要求下,提高铁路平车利用率,节省铁路运输资源.针对平车优先的平车装载问题,建立数学模型,将改进的自适应遗传算法、模拟退火算法思想、优先适应降序算法结合,提出了一种自适应混合遗传算法;给出了算法的编码,遗传算子的设计、适应度函数的定义、交叉概率和变异概率的自适应改变算法.进行仿真实验,得出适应度变化曲线和装备装载顺序.与混合遗传算法解决该问题的最优结果对比,模拟退火混合遗传算法的运算过程快,且优化程度高.

采用混合遗传-模拟退火算法对 DOE 的直接设计

本文提出采用混合遗传 -模拟退火算法直接设计二元衍射光学元件 (DOE)的方法 ,并分别以高斯基模光束整形为平顶光束和高斯模光束分裂成等强两束高斯基模光束为例进行了模拟计算 ,结果显示在

基于技术站中转作业的动态空箱调运模型与算法

对一般集装箱办理站,其空箱调运往往需要经过前方技术站进行中转作业才能完成,由此会产生一定的时间和费用消耗.以降低空箱调运成本为出发点,在计划期内建立了动态集装箱空箱调运模型.模型以空箱调运过程中所产生的车辆租用费用、技术站车辆编解服务费以及积压库存费用或延误损失费用之和最小为目标,在满足空箱需求与供应能力基础上,考虑了技术站中转作业和运输走行时间对空箱需求站时间窗的影响,以及车站作业能力的限制.设计了混合遗传模拟退火算法求解.实例表明,该模型和算法可以有效地优化动态空箱调运问题.

一种新的改进粒子滤波算法

标准粒子滤波算法存在的最大问题是粒子退化,针对这一问题,提出了一种改进的粒子滤波算法,该算法将无迹卡尔曼滤波算法(UKF)、混合遗传模拟退火算法和基本粒子滤波算法相结合,运用无迹卡尔曼滤波算法获得重要性函数,提高了粒子的使用效率;运用混合遗传模拟退火算法的进化思想,提高了粒子的多样性.仿真结果表明,新算法很好地解决了基本粒子滤波算法存在的粒子退化问题,提高了系统的滤波精度和稳定性(在信噪比为16 dB时,精度提高80%以上),较好地抑制了噪声的干扰.

突发传染疾病下居家养老服务调度研究

随着我国人口老龄化加剧和医疗资源短缺,在“未富先老”的特殊国情下,居家养老模式将成为我国未来养老的主要形式。特别是中国新冠肺炎疫情防控进入新阶段,居家养老模式也随之发生改变以适应现状。针对突发传染疾病下居家养老护理员路径与调度问题,考虑服务对象需求的差异性,引用模糊时间窗描述不同紧急性下的客户需求并区分惩罚成本,建立了以最小化成本为目标的机会约束规划模型。针对问题的特点,通过优化适应度函数和自适应交叉和变异概率,并在此基础上设计局部搜索策略,设计改进了混合遗传模拟退火算法。通过不同规模的算例试验和算法比较,验证了算法的有效性。

MGASA算法求解物流中货物最佳运输路线

本文首先描述了在物流系统中，货物运输中的实际情况，对运输的成本、时间限制加以描述，并建立了数学模型。然后在对遗传算法和模拟退火算法进行分析对比的基础上，讨论了它们各自的优缺点，并将模拟退火算法和遗传算法相结合，构造混合遗传模拟退火算法。克服了单一遗传算法的不足，增强了其优化行为，并提高了优化的效率。在物流最佳运输路线问题上，混合遗传模拟退火算法表现出计算速度快，准确度高的特性。

考虑客户等级和时变路况的无人物流配送路径

针对物流企业因配送资源的有限、无法及时应对客户的多样化需求和道路状况的不断变化等难题,建立时变道路状况和时间窗关联的无人车配送路径优化数学模型。通过云模型将客户划分为3个等级,以车辆配送成本、未满足客户配送时间的惩罚成本、车辆充电成本的总和极小化作为优化目标函数.在遗传算法的基础上,结合模拟退火算法构造混合算法,对模型进行求解并验证正确性.根据模型的特性构造9组不同规模和类型的算例进行数值实验,并验证算法的有效性.实验结果表明,混合遗传-模拟退火算法下配送过程中产生的总配送成本最多能够节省42.81%,整体客户满意度最高提升80.23%,提出混合遗传-模拟退火算法能够在有效降低成本的基础上,最大程度提升客户的满意度,并且相较于2种传统算法,其优化效果更好.

超密集边缘计算网络下的任务卸载与资源分配

将超密集网络(Ultra Dense Network,UDN)技术应用于多接入边缘计算(Muti-Access Edge Computing,MEC),通过密集化部署小基站与边缘服务器,提升了系统容量。大量用户的接入带来的计算与通信资源不足、用户之间产生严重干扰等问题,使得任务卸载过程面临巨大挑战,制定合理的卸载方案显得尤为重要。针对上述问题,联合考虑了计算与通信资源分配、功率控制,提出了基于混合遗传模拟退火算法(Hybrid Genetic Simulated Annealing Algorithm,HGSAA)的任务卸载方法。通过实验仿真表明,所提方法与其他传统方法相比,提高了用户的卸载效益。

基于粗糙集理论的多目标电网规划最优化模型

为综合解决电网规划中经济性与可靠性问题,提出以供电方投资开发成本最小和基于风险评估的负荷缺电风险成本最小为目标的优化模型。应用粗糙集理论分析每个目标函数的约束度,以确定每个目标函数在优化模型中的权值。采用改进混合遗传模拟退火算法来求解该模型下的多目标电网规划问题,并采用19节点的电网扩展规划算例验证了该模型的有效性。

成品油二次配送路径优化模型及混合求解算法

成品油二次配送是油品供应链的重要组成部分,不同的配送方案将直接影响成品油销售企业的利润。以配送总路径最短为目标函数,将成品油二次配送过程中实际的油罐车载质量、加油站油品需求量作为约束条件,考虑油品卸载时间窗,建立了成品油二次配送优化模型,提出了基于混合遗传模拟退火算法的求解方法,并分别使用不带时间窗与带时间窗的算例对模型及算法进行检验。结果表明:与优化前的成品油二次配送方案相比,不带时间窗的算例缩短行驶总路程3.66%;带时间窗的算例求解用时仅9.54 s,其计算速度快,且能够满足配送需求。因而证明了采用基于混合遗传模拟退火算法的成品油二次配送路径优化模型,不仅可以提高计算效率,而且搜索更全面,能够得到更优解。(图4,表1,参25)

基于HGSAA的机会阵雷达离散频率编码波形设计

机会阵雷达(opportunistic array radar,OAR)是一种以平台隐身性设计为核心的新体制雷达,设计适用于OAR系统的正交波形是研究的一个重要方面。对常规的雷达正交波形编码的搜索方法进行改进,使用混合遗传模拟退火算法,寻找出具有低自相关和互相关特性的雷达离散频率编码集合;并且考虑到算法适应度函数的重要性,引入灰关联度综合评价法则对其加以关联分析,根据关联度来引导算法搜索的方向,使产生的波形具备较好的性能。仿真结果表明,该算法可行且高效,在搜索最优离散频率编码方面优于其他搜索算法。

基于移动Agent的网格计算资源管理模型设计

网格计算是当前高性能计算领域的一个研究热点,由于网格计算的资源具有分布性,异构性,自治性,动态性等特点,因而其资源管理比一般系统的资源管理具有更大的复杂度。文中提出了一种基于Agent的网格计算资源管理模型,并且采用了混合遗传模拟退火算法作为调度策略,满足了网格对调度系统可扩展性和全局最优调度的需求。实验结果证实了该方法的有效性。

双区型仓库动态拣货策略的设计及路径优化研究

目的针对双区型仓库,以拣货时间最短为目标函数构建数学模型,进一步提高拣货效率。方法提出并设计动态货位调整与人工拣货协同作业的动态拣货策略,分别采用GA算法和GASA算法进行最优化求解。结果 GASA算法优于GA算法,拣货单为1张情况下的拣货时间可减少4%;与静态拣货策略相比,拣货单为10张情况下,采用GASA算法时,文中设计动态拣货策略下的拣货时间可减少6%,且随着拣货单数量的增加,拣货时间节约占比越大。结论 GASA算法较GA算法其求解动态拣货路径优化问题更高效、优化结果更好。文中所提动态拣货策略更方便实施,在静态拣货路径优化基础上,可进一步提高拣货效率,且拣货单越多,效果就越显著。

工期不确定的模具车间柔性Flow-shop调度问题

由于模具制造属于非重复性单件订货生产,模具加工的任务工期具有较强的不确定性,导致生产调度混乱。为制定合理可行的生产调度方案,建立了任务工期离散概率模型,以最大完工时间的期望值最小为目标,建立不确定工期柔性Flow-shop调度模型;在遗传算法交叉、变异等操作中融入模拟退火操作,将遗传算法的全局搜索能力与模拟退火算法的良好局部搜索能力相结合,设计了不确定工期的柔性Flow-shop调度问题混合遗传模拟退火算法。利用混合遗传模拟退火算法对调度模型进行求解,通过仿真实验表明,该研究对于解决工期不确定的模具车间柔性Flow-shop调度问题是行之有效的。