基于自适应微粒群算法的网格工作流调度

服务网格是一个通过组合网格服务为用户提供强有力的各种服务的系统,其中网格服务遵循OGSA的标准。网格服务工作流调度的关键在于如何在应用程序运行过程中能动态地根据当前系统中基本服务的情况,组合出满足用户需要的服务。提出了一种自适应微粒群优化算法用于服务感知的Web服务选择,其中引入了一个特殊的速度变异操作来增强空间搜索的有效性,并融合了遗传算法杂交与变异。它不仅能很好地满足组合服务的需求,而且能更有效地进行全局搜索。仿真试验显示对于具有全局Qos约束条件的Web服务选择在执行效率上自适应微粒群优化算法明显优于其它混合遗传算法(如种群多样性控制遗传算法)。

极大熵自适应微粒群混合算法求解绝对值方程

绝对值方程Ax-|x|=b是一个不可微的NP-hard问题。在假设矩阵A的奇异值大于1(这里矩阵A的奇异值定义为矩阵ATA特征值的非负平方根)时,给出了求解绝对值方程的一个新算法。通过引进一种极大熵函数把绝对值方程进行光滑化处理,再引入适当的目标函数,从而把绝对值方程问题转换为无约束优化问题,然后利用自适应微粒群算法对其进行求解。数值实验结果表明了该方法的正确性和有效性。

基于组合混沌策略自适应量子微粒群的Volterra核辨识算法

针对非线性Volterra泛函级数的参数辨识问题,提出了一种基于组合混沌策略自适应量子微粒群算法(CCSAQPSO算法)的Volterra时域核辨识方法.该方法在量子微粒群算法(QPSO)的基础上,采用混沌策略分两个阶段对QPSO进行优化,在初始化时以混沌序列初始化种群,在搜索过程中则引入混沌变异机制,利用混沌变异算子空间遍历特性对个体进行变异操作,同时按照各微粒适应度的优劣程度对其进化过程中的收缩扩张系数进行自适应调节,有效避免了早熟收敛现象的发生,提高了算法的全局寻优能力,保证了算法的准确性和精度.最后将该Volterra核辨识方法与基于标准微粒群算法(PSO算法)和QPSO算法的Volterra核辨识方法进行了对比分析.仿真结果表明,提出的方法具有参数辨识精度高、抗噪声能力强等优点,且在全局优化能力和快速收敛能力上都有较大提高.

基于IAEPSO-IAWNN的高温低氧燃烧火焰稳定性识别

在对高温低氧燃烧条件下的煤粉火焰图像分析的基础上,提出了利用改进的自适应逃逸微粒群算法训练的改进的自适应小波神经网络对燃烧火焰的稳定性进行实时识别的算法。计算结果与实验数据基本吻合,说明该方法是可行的,可以用它对高温低氧技术下的燃烧稳定性进行识别。