基于Pareto排序和混沌加权的多目标项目调度

为综合考虑资源约束型项目调度问题的多个调度目标,有效获得该问题的近似非支配解集,建立了一种综合考虑可更新资源稳定性和工期的双目标项目调度模型。提出了一种基于Pareto排序和多目标混沌加权相结合的遗传算法,其中个体编码采用双链表结构,分别代表任务的执行顺序和执行模式,初始种群的生成包括随机生成和依据任务特性确定执行模式两种方式,设计了个体交叉和自适应变异算子,研究了基于Pareto排序法和基于多目标混沌加权法的个体适应度计算方法以及不可行解的修复和惩罚策略。利用项目调度问题算例库对该算法进行测试,数值测试结果验证了算法的有效性。

网络流量行为分析的小波加权混沌局域模型

结合小波变换和混沌局域模型的各自优势,提出一种网络流量的预测模型。首先,将网络流量时间序列进行小波分解得到高频信号序列和低频信号序列,再用加权混沌局域模型对每一成分的信号序列分别进行预测,对所有的预测分量进行小波重构就可以实现对网络流量的预测。用实际网络流量对该模型进行验证,实验结果表明,该模型具有较高的预测效果。