异构网络中时延最小的多接入业务分配算法

以业务到达时延最小化为目标,提出一种联合网络选择和业务分配的并行多接入算法．该算法中考虑了不同网络的可利用传输速率和网络时延,利用贝克曼变化思想证明了最优业务分配问题存在门限值,可以根据门限选择最小的接入网络集合获得最小时延．仿真结果表明在重负载情况下,该算法不仅能获得最大吞吐量,并且能够有效地降低业务的到达时延．     

基于模糊满意度的水火电力系统多目标短期优化调度

针对水火电力系统短期经济环境负荷调度多目标优化问题,构建了一种基于粒子群算法的交互式模糊满意度决策方法。通过定义每个目标函数的隶属度函数,把多目标问题模糊化;决策者依据自己的主观意愿来设定每个目标的参考隶属度值;利用参考隶属度值与目标隶属度值之差的绝对值最大最小化的方法,将多目标问题转换为单目标问题;采用粒子群算法求解此单目标优化问题。在决策过程中,决策者对当前解不满意,可应用交互式的方法再次设定参考隶属度值,重新进行求解,直到找到决策者满意的方案为止。算例计算验证了交互式模糊满意度决策方法的有效性和可行性,不仅避免了多目标问题向单目标问题转换过程中目标权重选取的人为任意性,而且能充分体现决策者的主观意愿,便于实际应用操作。     

Ad Hoc网络中信道自适应多径路由算法

针对自组织移动通信网络,研究了基于自适应调整和编码的多径路由算法。该算法根据信道条件和业务量优化分组在多条路径上的路由,实现整个网络平均分组时延最小的目标。考虑寻找路由以及存储路由表的代价和开销因素,多径路由限制为2条路径,使业务在最小代价路径和次小代价路径中分配。仿真结果表明,最多2条路径的信道自适应路由算法可以获得较小的网络时延。     

基于时延和能量优化的WSNs路由协议

最小费用路由算法考虑了传输路径所要消耗的能量,最小跳数最小费用路由算法在最小时延的基础上考虑了能耗,但跳数小能耗相对大的节点容易失效。该文提出了一种基于时延和能量优化的加权跳数路由算法,有效缓解上述两种算法共同存在的瓶颈问题,并通过了数值算例对算法加以说明。     

基于多代理模仿学习的普适边缘计算资源分配

普适边缘计算允许对等设备之间建立独立通信连接,能帮助用户以较低的时延处理海量的计算任务.然而,分散的设备中不能实时获取到网络的全局系统状态,无法保证设备资源利用的公平性.针对该问题,提出了一种基于生成对抗网络(Generative Adversarial Network,GAN)的普适边缘计算资源分配方案.首先基于最小化时延与能耗建立多目标优化问题,然后根据随机博弈理论将优化问题转化为最大奖励问题,接着提出一种基于多代理模仿学习的计算卸载算法,该算法将多代理生成对抗模仿学习(GAIL)和马尔可夫策略(Markov Decision Process,MDP)相结合以逼近专家性能,实现了算法的在线执行,最后结合非支配排序遗传算法Ⅱ(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)对时延和能耗进行了联合优化.仿真结果表明,所提出的解决方案与其他边缘计算资源分配方案相比,时延缩短了30.8%,能耗降低了34.3%.     

基于人工蜂群算法的低能耗高性能NoC映射

针对网格型拓扑网络中心容易产生热点及高能耗问题,通过分析片上网络(NoC)结构,建立低能耗高性能多目标映射模型,提出了基于人工蜂群的IP核映射算法进行多目标求解．该算法通过模拟不同蜜蜂的操作以分别获取低能耗和流量均衡的映射解集,并采用交集选优策略完成最优映射的选取．仿真结果表明,相比现有算法,提出的映射算法不仅可以快速完成IP核到网络节点的映射,而且产生的映射结果在能耗、时延和流量均衡方面具有优势．     

分布式卫星云雾网络及时延与能耗策略

为了解决分布式卫星的地面云计算中心架构存在的高传输时延问题,提出分布式卫星云雾网络（DSCFN）架构,由小卫星编队飞行组成卫星雾网络,根据地面站云计算得出的任务划分比例直接进行本地分布式计算,降低业务处理时延.由于卫星的计算能力较弱,时延降低将导致能耗增加,卫星工作寿命减短,为此提出均衡时延和能耗的策略,利用改进的粒子群优化（MPSO）算法,解决能耗约束下的时延优化问题,达到时延和能耗折中的目标.仿真结果表明,基于MPSO算法得出的任务比例进行分布式计算,可以在能耗约束条件下,有效地降低卫星雾网络的任务处理时延,满足时延敏感型业务的需求;由10颗小卫星组成的DSCFN处理1 Gb数据的时延相比地面云中心降低了90.7%.     

一种WSN中的能耗优化动态路由算法

根据无线传感器网络中因节点有效传输半径对路由选择的制约,提出基于最小生成树(MST)的改进分簇多跳路由算法,改善因路由选择对网络能耗的影响．该算法利用Voronoi图的泊松过程特性优化簇首节点数,并结合MST动态调整簇内外节点的路由发现实现网络能耗优化．仿真结果表明,该算法在开销容忍的前提下,网络负载均衡,并与相同仿真条件下基于LEACH的分层多跳算法相比,更有效地延长了网络寿命,且降低了计算复杂度．     

异构网络中丢包隶属度函数的构建方法

异构网络中TCP丢包区分机制对无线网络的稳定性起着重要的作用,包对探测包的单向传输时延(ROD)作为区分参数对不同丢包类型进行区分,算法的准确度依赖于ROD样本的隶属度函数及其参数估算。为了更加准确地区分丢包类型,通过对传统高斯混合模型的EM算法进行分析,提出了基于势函数的初始化方法,并且在网络拥塞和无线误码同时存在的情况下,将改进的EM算法(PEM)应用于不同丢包模式下隶属度函数的构建中。仿真验证了该算法具有较好的收敛特性和稳定性,并且对不同丢包模式隶属度函数的确定达到了很好的构建效果。     

面向多用户的移动边缘计算任务分级处理卸载机制

在信道资源受限情况下，最小化卸载过程中的时延和能耗是改善基于无线携能通信的多用户移动边缘计算(MEC)网络卸载性能的关键因素之一。通过规划计算任务的卸载比重和链路传输过程中的信道分配，提出一种多任务分级处理机制(MHPM),以实现计算卸载过程中信道资源的合理调度。同时，根据移动终端设备在MEC卸载过程中的平均时间消耗和能量消耗，构建了约束多目标优化问题的数学模型，并结合MHPM和约束非主导的排序遗传算法Ⅱ求解该模型，从而实现了设备时延与能耗之间的有效均衡。仿真实验结果表明，采用MHPM可以降低设备在卸载过程中的平均时间消耗和能量消耗，而利用约束多目标优化算法可以得到目标函数的最优解。     

城市配送车辆调度模型及算法设计

在分析城市货物配送和车辆调度特点的基础上,建立了追求总体效益最优的车辆调度多目标决策模型,并设计分派-节约启发式算法求解该模型。通过分派启发式算法保证最大程度地满足客户的要求,再利用节约算法保证了全局最优。最后对初始解进行局部和整体优化调整以得到较优解。基于该算法设计并开发了城市配送车辆调度系统,运行结果表明:该算法能够有效地解决城市配送的客户满意、总成本最低、配送车辆空载率最小的多目标决策问题。     

投资方案多属性决策组合评价法研究

给出了一种投资方案多准则经济评价的新方法,即组合评价法。这种方法根据多目标决策理论,建立了组合评价法的数学模型,通过该模型将多种评价方法进行组合。然后,结合实例提出了两种主客观赋权相结合的评价方法一是目标优化评价法。这种方法通过构造评价问题的最优化模型与拉格朗日函数,得出评价指标的客观权重,再利用权重合成公式,将主客观权重加以合成。另一种是熵权系数法。这种方法依据熵的概念及性质,将主客观评价信息进行量化综合,进而建立基于熵的多目标评价模型。最后,本文利用组合评价法的数学模型,将上述两种方法进行了组合。通过对评价实例的对比分析表明,组合评价法的评价结果更加符合实际。     

采用带梯度的粒子群优化算法的LT码度分布设计

为了得到更优的度分布,提出一种带梯度的粒子群优化(PSO)算法的Luby传输(LT)码度分布设计方法. 利用重要抽样方法构建目标函数,并通过目标函数得到梯度估计;使用带梯度的PSO算法优化设计;用所提算法分别对2种度分布形式进行优化设计.仿真结果表明,采用带梯度的PSO算法得到的度分布使短码长LT码的头部开销更少,得到了比鲁棒孤子分布和重要抽样方法更好的度分布.     

板带热连轧轧制变形规程的模糊多目标优化设计

研究了目前板带热连轧轧制变形规程设计方法及在该领域中的应用状况，分析并建立了以能耗最低、负荷分配最均衡及板形质量最优的多目标优化模型，并运用模糊学的理论和方法对板带热连轧轧制变形规程多目标优化问题进行了求解．最后以某六机架热连轧机为例，对常规轧制，各单目标优化轧制以及模糊多目标优化轧制的轧制变形规程进行了分析比较，结果表明了该方法的有效性．     

基于GASA的柔性作业车间动态调度研究

针对柔性作业车间调度在机器故障扰动情况下的动态性及工件交货期模糊的情况,研究采用基于事件与周期混合驱动的滚动窗口再调度策略,并运用线性加权和的方法,以最大完工时间最小、能耗最小、客户满意度最大为目标,建立多目标柔性作业车间动态调度模型,并设计了遗传算法与模拟退火算法结合的GASA算法。将算例仿真结果与遗传算法取得的结果进行对比,验证算法的有效性。     

智能排课优化算法研究

为解决高校排课优化问题,建立了以教学效果好评度最大化为优化目标的排课数学模型.针对传统遗传算法的不足,给出了一种混合遗传算法,该算法不仅能够对传统遗传算法的交叉率、变异率进行自适应改进,还能够实现冲突检测与消除功能.测试结果表明,该算法比传统的遗传算法、贪婪算法和蚁群算法耗时短,而且教学效果好评度最高,这说明该算法能有效缩短排课时间,提高排课质量和效率,实现高校排课智能化.     

一种模糊随机多目标决策方法

从可能度的定义出发，将模糊多目标决策的模糊判决原理推广到模糊随机多目标决策，提出了一种基于目标函数的可信度、可能度、满意度的决策方法，建立了可能度－可信度（PR）、可能度－可信度－满意度（PRS）的决策模型，可广泛应用于各种充满不确定性决策信息的复杂决策问题。     

基于遗传多目标优化的河流自动选取模型

在分析河系自身特点以及河流选取基本原则基础上，建立了基于遗传多目标优化的河流自动选取模型：首先建立面向河系空间知识的结构化河流数据模型，然后运用遗传多目标优化算法对河流进行自动选取．该模型综合考虑了河流选取中的河流长度、河流间隔、河流的重要性等指标，同时兼顾了河流选取对河网总体结构特征的保持．实验证明了该思想的合理性和有效性，与传统方法相比，该方法具有较高的自动化和智能化水平．     

面向Length_N测试覆盖准则的测试用例生成技术研究

针对路径覆盖测试的可行性,提出了一种新的路径测试覆盖准则(Length_N准则).首先把测试用例生成归纳为多目标函数的优化问题,其有效方法是根据程序运行结果指导生成过程,通过不断迭代,生成符合要求的测试数据集.为了提高生成效率,对遗传模拟退火算法的编码、适应度函数、交叉概率做了一定的改进;并在此基础上来自动生成测试用例.实验结果表明该方法在效率上较遗传算法、随机测试数据生成方法有很明显的提高,在可行性上比路径覆盖准则也有很大的改善.