融合能量周期性递减与牛顿局部增强的改进HHO算法

为增强栗翅鹰优化算法的全局探索能力和局部开采性能,提出一种融合能量周期性递减机制与牛顿局部增强策略的改进栗翅鹰优化算法(improved harris hawks optimization, IHHO).该算法在传统HHO算法基础上,启发于自然界中鹰与猎物间的多轮围捕-逃逸现象且猎物能量整体上呈现递减态势,进而设计一种猎物能量的周期性递减调控因子并嵌入能量函数中,该机制有利于实现IHHO算法全局探索与局部搜索间的多轮动态迭代平衡.牛顿局部增强策略借鉴牛顿迭代思想构造一种猎物邻域(当前最优解)的局部再搜索,并依概率实现IHHO算法的局部寻优性能改善.数值实验验证了不同能量周期数和局部搜索次数对HHO算法性能的差异性影响、优越的并行迭代寻优性能以及高收敛精度、高维情形(100D~10 000D)的较好适用性.

基于改进共生优化算法的云计算资源调度优化

针对云计算资源调度模型具有复杂性和不确定性,导致资源分配合理性较差,存在资源浪费的问题,提出一种改进的共生优化算法对云计算资源调度模型进行优化.针对共生算法存在局部搜索能力较差以及在迭代后期易早熟陷入局部最优的问题,通过镜像初始化以及牛顿局部增强策略进行改进,并进行数值仿真实验.最后以改进后的共生优化算法对云计算资源调度模型进行优化求解,实验结果表明,改进后的共生优化算法有效提降低了云计算所需时间和能耗花费,提高了资源利用率.