基于Max-Min的云计算资源调度算法

资源调度算法一直是云计算的关键问题,分析了云计算的调度算法,并对Max-Min算法进行了阐述与实现,采用Cloudsim进行仿真实验并分析实验结果,对顺序分配策略、贪心算法、Max-Min算法的实验结果的性能进行了对比和分析。

Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题 .为NP完全难题 .使用Max MinAntSystemAlgorithm来求解该问题 ,计算机仿真结果表明该方法能较快地找到最优解 ,而且比神经网络。

在线课程下的自适应查询调度算法

在线课程系统中,针对如何将查询请求充分映射到有限资源上这一热点问题,设计基于系统负载平衡的自适应查询处理器。该处理器综合考虑服务器、带宽等性能指标,建立由服务资源单元和远程查询消耗单元组成的基于资源负载平衡的查询期望代价矩阵,并结合利用Min-Min和Max-Min算法的优点,提出新的自适应查询调度算法(A-MM)。实验表明A-MM有较好的执行效率和平衡负载能力。

基于最小Steiner树的无线传感器网络数据融合算法

能源有效性是无线传感器网络(WSN)路由算法设计首要考虑的问题,可以通过数据融合合并冗余数据而有效地节约网络能耗。WSN数据融合可以看作是寻找覆盖源节点和Sink节点的最小Steiner树(MST)问题。文章提出了一种MAX-MIN蚂蚁系统算法和自适应蚁群系统算法相结合的MST构造算法(MMACS),在此基础上,提出了一种基于MST的WSN数据融合算法(DAMST),该算法采用定向扩散的机制进行兴趣散布;利用MMACS算法构造MST,源节点的数据发送到构造好的MST上,经过融合后传输到Sink节点,减少了网络中传输的数据量。通过与其它算法比较,仿真表明DAMST算法降低了网络总能耗和平均时延,延长了网络生存时间。

基于混合算法的汽车零部件物流配送路径优化

针对汽车零部件供应物流,建立循环取货配送路径优化模型,将遗传算法与Max-Min蚁群算法融合,采用遗传算法生成初始信息素分布,利用Max-Min蚁群算法求精确解,并通过实例验证。结果表明,混合算法对于解决供应商数量多、带时间窗限制与碳排放限制的配送路径优化问题,可有效降低车辆取货频次和提高车辆装载率。

基于生物地理学优化算法的在线课程查询调度算法研究

为解决大规模在线课程查询负载均衡的问题,降低系统负载率,在平衡负载的自适应查处调度器的基础上,提出一种基于生物地理学优化算法(BBO)优化平衡负载的自适应查处调度器(BAQP)期望代价矩阵的在线课程查询调度算法。选择系统的总体负载消耗系数作为评价指标,运用BBO算法优化获取在线课程的最优查询方案。通过静态权值和动态权值不同任务和资源查询调度性能对比可知,BBO算法较Min-Min和Max-Min算法具有更强的系统负载平衡能力和较低的系统负载率,可以有效降低系统消耗系数。

改进遗传算法在云计算任务调度中的应用

云计算由于其前景广阔而日益受到人们关注。通过云计算,硬件、软件和平台都能以服务的形式按用户需求提供给使用者。因而对于云计算的提供者而言,一个重要的课题就是如何调度任务,即按照用户的请求分配资源,以保证在用户限定的时间内尽快执行完任务。通过对Min-Min算法、Max-Min算法、遗传算法的研究,提出一种改进的遗传算法,将Min-Min算法、Max-Min算法融入遗传算法中,从而提高资源使用效率。

模糊神经网络推理技术及在故障诊断中的应用

分析了故障诊断中基于符号表示的常规推理技术和基于神经连接的神经网络推理技术的不同特点并进行了优劣比较;详细考察了用于推理的模糊神经网络基本构造及逻辑基础;给出了基于纯模糊逻辑系统和Takagi-Sugeno模糊逻辑系统的几种常用模糊神经网络推理模型;最后应用一种网络结合max-min 算法分析了一个故障诊断实例, 并得出较好的结果.