云计算环境下实体的多属性高效率评估策略设计

为了解决当前云计算的实体信任评估领域所实施的方法策略无法满足云计算环境的动态模糊性的问题,设计了一种多属性信任关系的动态评估模型。该方法以遗传自适应学习算法为理论基础,在云计算环境下的信任管理过程中,针对动态评估高效率的需求,其既可评估分析信任管理过程实体的多属性问题,同时可以在持续的评估过程中自主学习,使其评估分析的执行能力逐渐提升,最终能够满足上文中阐明的高效性与动态性的要求。仿真结果显示,所设计的模型在直接面对实时变化的云计算网络环境实体参数时,可以自适应地调整评估策略规则,最终克服了云计算环境的动态模糊性,对实体的多个属性进行了综合评估。

基于改进层次聚类和GL-APSO算法的配电网动态重构

针对含分布式电源(DG)的配电网动态重构问题,提出考虑配电网负荷需求与DG出力动态变化的配电网动态重构方案。首先,基于不同时段的负荷特性与最优网络结构的综合相似性,提出了一种改进层次聚类的时段划分方法。在此基础上,提出了遗传学习自适应粒子群优化算法,实现以网络损耗最小为优化目标的动态重构优化计算。针对基本粒子群算法中缺乏速度动态调节、易陷入局部最优等问题,提出基于粒子个体最优位置的遗传学习方案增加搜索多样性,提高算法的全局搜索能力,并引入自适应惯性权值和加速系数以满足不同时期的寻优要求。最后,以IEEE 33节点配电系统为例进行仿真,验证了所提方法的有效性和优越性。