一种改进的启发式任务分配算法

文中首先分析了分布式任务分配中的启发式算法的基本思想，特点，不足和算法复杂度，以及可进一步改进之处，然后给出了一种训发式算法的改进算法，并简单讨论了其特点和性能，最后指出了分布式任务分配的发展方向。     

基于改进PSO算法的任务分配研究

为了解决虚拟企业中的任务分配问题,建立了任务分配的多目标决策优化模型。分析了传统的PSO算法,通过设置算法中速度惯性权重和加速度系数的自动调整,以及引入遗传算法中的变异操作,实现了对该算法的改进。基于改进的PSO算法求解任务分配模型,研究了求解问题与粒子的映射以及采用TOPSIS计算粒子位置适应度的方法,进而设计了一种基于改进PSO算法的任务分配算法。通过应用实例及仿真实验,证明了改进的PSO算法应用于任务分配的可行性和有效性。     

对三种典型分布式任务分配算法的分析

本文先分析了基于图论的分配算法，整数规划方法和试探法等几种典型的分布式任务分配算法的基本思想、特点，不足和算法复杂度，以及可进一步改进之处，然后给出了一种试探法的改进算法，并简单讨论了其特点和性能，最后指出了分布式任务分配的发展方向。     

基于改进麻雀搜索算法的多无人机任务分配

针对异构多无人机任务分配不合理、速度慢的问题，在经典麻雀搜索算法的基础上引入Logistics混沌初始化，并利用Pareto最优解求解多目标优化问题，加快算法前期的求解速度并避免算法陷入局部最优。利用多种算法研究同一场景下的无人机完成目标任务，通过改变其数量并进行任务分配，使用改进麻雀搜索对算法结果进行对比，结果表明改进麻雀搜索算法在解决多无人机任务分配时的速度和精度都有明显提高。     

基于改进鱼群算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键,为解决单目标函数构建的任务分配模型不能满足决策者对战场环境大量信息的需求,以最大航程和最长任务执行时间作为多无人机任务分配的两个目标函数,依据多目标优化理论,建立了协同任务分配多目标优化模型.并采用了一种借鉴遗传算法中的变异思想的改进鱼群算法进行求解,得到多无人机任务分配的多目标最优解集,然后根据决策者的偏好选择最佳任务分配方案.最后将上述算法应用于多无人机协同任务分配中并进行了仿真,仿真结果验证了改进鱼群算法的收敛性及有效性,为多无人机协同任务分配优化提供了参考依据.     

基于改进粒子群算法的多无人机任务分配研究

任务分配问题是多无人机协同控制的关键技术之一.在深入分析多无人机任务分配问题特点的基础上,对现有模型进行了扩展,建立了多无人机协同任务分配的混合移数线性规划(MILP)模型.对现有粒子群算法进行了改进,提出一种具有较强全局搜索能力的多子群多阶段粒子群算法,开展了粒子群算法在多无人机协同任务分配问题中的应用研究,主要针对粒子群算法的编码策略、约束处理、算子选取、参数设置等方面进行相应的调整和改进.最后对算法进行了仿真,仿真结果表明了该方法的有效性.     

群集智能算法研究现状及进展

基于群集智能的算法研究,近年来受到了广泛的关注.本文讨论了群集智能的两种算法,蚁群智能与微粒群智能.分别阐述了它们的原理、基本算法及其一些改进算法.最后讨论了群集智能算法的一些应用实例以及它们的应用领域和未来的研究方向.     

群集智能算法研究现状及进展

基于群集智能的算法研究,近年来受到了广泛的关注。本文讨论了群集智能的两种算法,蚁群智能与微粒群智能。分别阐述了它们的原理、基本算法及其一些改进算法。最后讨论了群集智能算法的一些应用实例以及它们的应用领域和未来的研究方向。     

对几种典型分布式任务分配算法的分析和改进

本文先分析了基于图论的分配方法，整数规划方法和试探法等几个典型的分布式任务分配算法的特点，不足和算法复杂度，以及可进一步改进之处，然后给出了一种试探法的改进算法，并讨论了它的特点和性能。     

基于改进合同网算法的多无人机任务分配

传统合同网算法在任务分配过程中存在任务分配不合理,不能有效利用资源的问题;其在进行任务分配时,不能按照任务需求进行任务分配,任务分配效率低下。针对以上问题,文中提出一种基于改进合同网算法的多无人机任务分配方法。该方法通过优化每架无人机的负载平衡,并结合时间和协作要求,解决任务分配不合理的问题,提高任务的分配和执行效率。     

基于位置和剩余能量的局部集中式LEACH算法研究*

传统的LEACH协议采用分布式算法,未考虑节点能量,改进的LEACH-C采用集中式的选簇算法,对于大规模的网络不适合。针对这些问题,提出一种基于位置和剩余能量的局部集中式分簇算法LEACH-LC。由簇头对簇成员的能量、位置进行评估,采用模拟退火算法确定局部较优的分簇。OMNet++仿真结果表明,改进算法在网络生存期和节点能耗上优于LEACH算法。     

随机模式匹配并行算法在工作站机群上的实现

对随机模式匹配算法进行了改进,并根据MPICH并行编程环境中任务间通信的特点,设计了一种基于MPICH的改进的随机模式匹配并行算法。根据运行在COW（工作站机群）上的进程数目将文本串进行重叠划分,每个进程完成一个文本子串的模式匹配。实验结果表明,该改进的随机模式匹配并行算法有效地加快了模式匹配的速度,提高了工作站机群的资源利用率。     

集群环境下的并行聚类算法之研究

本文的目的就是通过理论分析和试验，探讨集群环境下并行聚类算法的设计思想。作为一种低成本、通用并行系统，集群系统的通讯能力相对于节点的计算能力是一个瓶颈。所以本文提出，在集群环境下设计并行聚类算法时，应采用数据并行的思想。本文首先从理论上，对采用数据并行思想后影响加速比的因素和通讯策略的选择进行了分析，然后实现了一个新的并行聚类算法——PARC算法。通过PARC算法的实验，证明了理论分析的正确性，并且表明并行聚类算法可以得到良好的聚类质量。本文的研究结果可以为以后设计更好的数据并行聚类算法提供一定的理论依据。     

基于改进的凝聚性和分离性的层次聚类算法

由于传统的数据聚类算法都是在单一表上进行,因此如何在多表中进行聚类是现在聚类分析的一个新方向.提出了一种基于改进的凝聚性和分离性的层次聚类算法--ICCSH(a hierarchical clustering algorithm based on improved cluster cohesion and separation),该算法首先通过ID传播把关系数据库中的各个表联系起来,再通过计算共享最近邻的相似度和改进的凝聚性算法将数据对象聚类为大量相对较小的子聚类,然后通过计算改进的簇间分离性合并子类来找到真正的结果簇.实验表明,该算法不仅运行时间相对较短,具有较强的可伸缩性,还可以得到较高精确的聚类结果.     

基于C-均值和免疫遗传算法的聚类分析

聚类问题在一定条件下可以归结为一个带约束的优化问题。遗传算法作为一种鲁棒性很强的优化算法，具有很强的全局寻优能力。提出了一种基于C-均值和带免疫机制的混合遗传算法。理论分析和仿真实验表明，该算法既具有很强的全局寻优能力，也具有较强的局部寻优能力。     

基于四群四域四向动态基线倾角最大化圈绕的凸壳并行新算法

首先把基线倾角最大化圈绕凸壳串行算法改进为动态基线倾角最大化圈绕凸壳串行算法;然后,根据同构化凸壳构造基本定理,利用工作站机群优点,进一步时动态基线倾角最大化圈绕凸壳串行算法施加多域化扩展与并行化改造,并提出效率更高的基于四群四域四向动态基线倾角最大化圈绕的凸壳并行新算法.该凸壳并行新算法的特点是:1)其机群分为4个子机群;2)其数据分布域分为4个子分布域;2)其各子分布域内凸壳顶点的圈绕寻找方向共有 4个,即各子分布域均各由自己的逆时针寻找方向.     

自适应数据库中基于特征向量的聚类算法

负载自适应数据库系统中,负载特征化部件要实时对各种数据库的访问负载分类,根据分类的情况预测负载对数据库资源需求。是对常规聚类算法的一个改进,提出基于特征向量的聚类算法和基于特征向量的增量聚类算法。使用该算法后负载分类速度和准确性有明显提高。     

密集节点区域的自组织网络路由算法研究

提出一种适用于密集节点区域的自组织网络路由算法——分群归簇DSR路由协议,该算法是针对密集节点区域DSR算法的优化,着重阐述该算法新节点路由查询机制、基于优先级的对数函数退避算法。在分析了现行自组织网络路由算法以及密集节点区域特点之后,改进了DSR路由协议,很好地解决了DSR路由协议在密集节点区域的洪泛等问题。通过CC1110软件设计测试了路由协议的可行性。     

基于LEACH协议的簇头选举改进算法

以减小LEACH协议簇形成过程中的能量消耗为目的,提出一种改进的簇头选举算法LEACH-ECHC。当所有簇头的剩余能量最小值小于某个阈值时,进行全网选举;当簇头能量小于该簇剩余能量的平均值时,进行簇内选举,并对簇头产生的阈值进行优化。仿真结果显示,LEACH-ECHC算法有更高的能量有效性,可以延长网络寿命,使节点能耗更均衡。     

基于聚类的食品可追溯属性支付意愿研究

运用菜单法问卷的调查方式,以江苏省无锡市区消费者为调查对象,以可追溯猪肉为案例,基于改进的k-modes聚类方法,研究消费者对猪肉可追溯属性的支付意愿。改进的k-modes聚类方法优化初始聚类中心选取从而简化聚类过程,以考虑可追溯属性的所有属性值的模式代替聚类的modes,从而提高聚类精确性。实验结果表明,消费者可分为不重视可追溯信息类、重视养殖信息类、重视可追溯信息类、重视养殖信息及政府认证类四个群体。可针对不同的群体提供不同的可追溯属性的组合的猪肉以扩大消费者对可追溯食品的需求,提高食品安全保障水平。