基于云变异的云自适应粒子群算法

研究云粒子群优化算法问题,为了克服云粒子群优化算法易过早收敛的缺点和提高优化多峰函数的性能。提出了一种云变异的云自适应粒子群优化新算法,结合全局最优值和粒子适应度的比值体现出粒子优差的特点,利用正态云发生器自适应调整粒子个体惯性权重,并且对粒子位置进行了基于云模型的变异操作,合理的对粒子群各参数进行设置,典型测试函数仿真结果表明,改进优化算法能有效找出全局最优解,提高了收敛精度和收敛速度,且适宜于多峰值问题寻优,是一种可行而有效的优化方法。     

基于扩张变异方法的云自适应粒子群算法

提出了一种基于扩张变异方法的云自适应粒子群算法,该算法利用云模型X务件云发生器自适应调整每一个粒子个体惯性权值.采用扩张变异方法进行变异,可避免因多维而多变量引起多因素的干扰,加快搜索速度,其目的进一步改进粒子群算法的性能,为解决高维空间优化问题提供一种有效方法.最后,以高维函数优化为实例,计算机仿真结果表明,给出的算法具有鲁棒性强、收敛速度快、精度高等特点.     

一种基于云模型的改进型粒子群算法

针对经典粒子群算法在函数优化中易陷入局部最优和早熟收敛等缺点,结合云模型在定性与定量之间相互转换的优良特性,提出一种基于云模型的改进型粒子群算法。其思想是通过反向学习机制初始化种群,再通过正态云算子求解粒子群中的全局最优个体和自身最优个体周围的更优值,最后利用混沌理论对个别粒子进行变异来跳出局部最优解。典型复杂函数测试表明,该算法能有效找出全局最优解,特别适宜于多峰值函数寻优。     

基于云模型云滴机制的量子粒子群优化算法

利用云模型云滴的随机性和稳定倾向性的特点,提出了一种云模型云滴机制的量子粒子群优化算法,该算法在量子粒子群优化的基础上,由云模型的X,Y条件发生器产生杂交操作,由基本云发生器产生变异操作,用于求解具有变量边界约束的非线性复杂函数最优化问题。仿真结果表明,该算法具有计算精度较高,搜索速度较快等特点,具有一定的参考和应用价值。     

一种改进的云粒子群算法及其应用研究

针对基于云数字特征(期望值、熵值、超熵值)编码的云粒子群算法应用中优化效率低和局部寻优能力较差的问题,提出了两点改进措施:在解空间变换的基础上将局部搜索与全局搜索相结合;依据正态云算子实现粒子的进化学习过程和变异操作.将改进算法应用于多变量函数极值优化问题.仿真结果表明,该改进算法寻优代数小、收敛速度快、效率高,并且具有较好的种群多样性,验证了改进措施的有效性.     

改进的云自适应粒子群算法

为了提高粒子群算法的寻优速度和精度,提出一种改进的云自适应粒子群算法（MCAPSO）。算法中根据粒子适应度值把种群分为三个子群,分别采用不同的惯性权重生成策略和进化策略,普通子群粒子采用云自适应惯性权重,有效地调整了算法的全局与局部搜索能力。选取了五个基准函数进行测试,与其他PSO算法作了比较。仿真结果表明该方法是有效的。     

基于改进粒子群优化的文本聚类算法研究

针对k-means算法的聚类结果高度依赖初始聚类中心选取的问题,提出一种基于改进粒子群优化的文本聚类算法。分析粒子群算法和k-means算法的特点,针对粒子群算法搜索精度不高、易陷入局部最优且早熟收敛的缺点,设计自调节惯性权重机制及云变异算子以改进粒子群算法。自调节惯性权重机制根据种群进化程度,动态地调节惯性权重,云变异算子基于云模型的随机性和稳定性,采用全局最优值实现粒子的变异。该算法结合了粒子群算法较强的全局搜索能力与k-means算法较强的局部搜索能力。每个粒子是一组聚类中心,类内离散度之和的倒数是适应度函数。实验结果表明,该算法是一种精确而又稳定的文本聚类算法。     

基于自适应云粒子群算法的Wiener模型辨识

针对非线性系统Wiener模型的系统辨识问题,提出一种基于自适应云模型的粒子群优化(ACMPSO)算法的辨识方法。ACMPSO算法利用云模型实现优秀粒子的遗传和进化操作,根据进化状况动态调整云模型的参数,自适应地控制云模型算法的寻优范围和精度,有较强的全局搜索和局部求精能力。仿真实验证明该算法寻优精度高于其他主要PSO算法;将该算法应用于Wiener模型的系统辨识,通过实验证明了该辨识方法优于当前其他方法。     

基于混沌云模型的粒子群优化算法

针对传统粒子群优化（PSO）算法寻优精度不高和易陷入局部收敛区域的缺点,引入混沌算法和云模型算法对PSO算法的进化机制进行优化,提出混沌云模型粒子群优化（CCMPSO）算法。在算法处于收敛状态时将粒子分为优秀粒子和普通粒子,应用云模型算法和优秀粒子对收敛区域局部求精,发掘全局最优位置;应用混沌算法和普通粒子对收敛区域以外空间进行全局寻优,探索全局最优位置。应用特征根法对CCMPSO算法的收敛性进行分析,并通过仿真实验证明,CCMPSO算法的寻优性能优于其他常用PSO算法。     

自逃逸云简化粒子群优化算法

sPSO仍继承了bPSO易陷入局部极值点的缺陷,而且其进化后期收敛速度和精度也有待进一步改善.基于此,提出一种基于云理论的简化粒子群优化算法(简称cloud-sPSO):对不再进化的个体,借鉴复形法的思想,进行尽可能的进化逃逸;而当种群进化停滞时,由基本云发生器对当前群体最优粒子实行变异操作.对几个经典测试函数进行实验的结果表明,cloud-sP SO不仅能够有效摆脱局部极值点,而且收敛速度和精度也有极大地提高.     

云计算与云安全

云计算无疑是眼下的一个热点问题.有无数的论坛与专家在关注云计算与云安全问题.本文在分析了云计算的关键技术及其优势后.探讨了目前云计算所带来的云安全问题.     

云计算与云安全

本文主要从云计算的定义、特点以及所面临的问题引入到云安全,讨论了云安全的概念、核心技术以及重点解决的问题。     

云计算中的云采用模式

模式包含适用于复杂任务的最佳实践和专业知识,有助于以清晰的格式定义良好的解决方案,以便处理反复出现的问题。计划实现一个云呈现的企业应该将"云采用模式"视为启动该流程的一种方法。介绍了如何应用云采用模式来支持企业云实现的业务和技术需求,通过场景展示云解决方案。讨论了供应商如何构建私有和公共云,给出了客户端将应用程序全部托管在云环境中或者部分托管在云中,或者部分托管在本地。     

云计算中的云服务安全策略

云计算是能够使用户在互连网上使用应用程序的一种环境,比如存储和保护数据,同时又能够提供服务。企业和政府机构通常会考虑经济原因,将数据中心的运营工作转移到云环境中,对于企业和政府所需数据的安全性考虑,将数据放在云中会担心云环境的可靠性和安全性。为了帮助企业和政府机构对业务和数据安全性的担忧,应该制定相应的云安全策略。提出有效的安全策略用来管理用户和保护数据,同时保护虚拟机的云安全策略。     

云计算及安全分析

云计算是个新兴的名词,目前对它的定义和内涵还没有公认的界定,许多研究团体对它的研究都处于起始阶段,对云计算体系结构及其安全分析的研究也很少。云计算是一种计算模式,意味着面向服务的体系架构。文中首先对云计算的定义、特征进行了阐述;接着,提出了云计算体系架构,并对其进行了详细阐述;最后,介绍了云计算所面临的安全问题,在此基础上对云计算安全性进行了详细分析。针对云计算所面临的各种问题,给出了相应的安全机制。     

云计算和云数据管理技术

随着各种新技术的发展,企业的关键信息以几何级速度增长,更多的数据需要保存更长的时间.伴随着云计算技术的发展,云计算已经成为一种全新的互联网应用模式.而在云计算对海量的数据高效管理,云端数据精确精准快速查询成为越来越重要的问题.一个新的面向云计算的数据管理研究领域正逐渐形成,在云计算技术的基础上,提出了云数据管理的概念.分析GFS,BigTable,Dynamo等当前互联网主流云数据管理系统的基本原理,并针对未来云数据管理架构进行分析,最后指出了云数据管理领域的主要研究方向.     

云计算及安全分析

云计算是个新兴的名词,目前对它的定义和内涵还没有公认的界定,许多研究团体对它的研究都处于起始阶段,对云计算体系结构及其安全分析的研究也很少。云计算是一种计算模式,意味着面向服务的体系架构。文中首先对云计算的定义、特征进行了阐述;接着,提出了云计算体系架构,并对其进行了详细阐述;最后,介绍了云计算所面临的安全问题,在此基础上对云计算安全性进行了详细分析。针对云计算所面临的各种问题,给出了相应的安全机制。     

Toward Cloud Computing QoS Architecture: Analysis of Cloud Systems and Cloud Services

Cloud can be defined as a new computing paradigm that provides scalable, on-demand, and virtualized resources for users. In this style of computing, users can access a shared pool of computing resources which are provisioned with minimal management efforts of users. Yet there are some obstacles and concerns about the use of clouds. Guaranteeing quality of service (QoS) by service providers can be regarded as one of the main concerns for companies tending to use it. Service provisioning in clouds is based on service level agreements representing a contract negotiated between users and providers. According to this contract, if a provider cannot satisfy its agreed application requirements, it should pay penalties as compensation. In this paper, we intend to carry out a comprehensive survey on the models proposed in literature with respect to the implementation principles to address the QoS guarantee issue.      

基于云计算的图书馆云服务模式研究

信息技术的快速发展为人们的日常生活和工作提供了更多的便利,也在极大程度上促进我国社会经济的持续进步。在云计算环境下,图书馆的服务模式也不断创新,形成了一种新型的云服务模式,其在图书馆服务中的广泛应用对于更好的满足图书馆资源需求起到了较大的帮助作用。本文通过对云计算环境下的图书馆云服务模式进行分析,以期更好的推动图书馆持续创新服务。