融合安全的网格依赖任务调度双目标优化模型及算法

为了解决异构网格环境下依赖任务调度问题面临的安全威胁,综合考虑网格资源节点的固有安全性和行为安全性,分别构建了一个网格资源节点身份可靠性度量函数和行为表现信誉度评估策略.同时,为了确立任务安全需求与资源节点安全属性之间的隶属关系,定义了安全效益隶属度函数,从而建立一个网格任务调度的安全融合模型.以此为基础,提出一个时间-安全驱动的双目标优化网格依赖任务调度模型.为了求解该模型,处理任务间约束关系时引入深度值和关联耦合度的排序定义,再结合网格任务调度问题的具体特点,重新定义和设计新的粒子进化方程.同时,基于均匀分布向量和粒子浓度定义了选择策略,从而提出一种双目标优化的网格依赖任务调度粒子群进化算法,并运用概率论的有关知识证明算法的收敛性.最后,对所提出的离散粒子群进化算法进行了多角度分析和大规模仿真实验,其仿真结果表明,该算法与同类算法相比,不仅具有较好的收敛速度和单目标优化性能,而且在任务调度长度和安全满意度方面具有更好的双目标优化综合性能.     

约束非线性规划问题的辅助函数算法

研究有不等式约束的非线性规划问题,构造了一种新的两阶段算法:(1)利用传统优化方法求出原问题的一个局部极小点x*;(2)基于当前局部极小点和“准”罚函数的思想构造了一个辅助函数,该辅助函数连续可微、有界并且是凸的,该函数的局部极小点y*很容易求得,并且y*位于比x*更低的盆域中,从而y*可以作为第一阶段中的初始点,从而找到另一个更好的局部极小点.两个阶段不断循环,只要原问题具有有限个局部极小点,就可以找到它的全局极小点.为了测试算法的性能,对几个测试问题进行了求解.结果表明算法有效的,可以快捷的跳出局部极小点达到全局极小点.     

一种有效的解无约束全局优化的进化算法

为了解决进化算法在求解全局优化时易陷入局部最优和收敛速度慢的问题,设计了一个杂交算子,利用种群中最好点与其他点间的关系确定搜索方向,从而快速地找到实值函数的下降方向,一旦算法找到优于种群中最好点的点,利用所构造的两条直线交点的投影对其进行进一步优化,使函数值更迅速地下降.提出了适合杂交算子的初始种群生成方法.设计了一个既能提高收敛速度又能摆脱局部最优的变异算子以增强算法的效果.在此基础上,提出了一个求解全局优化问题的高效进化算法,并从理论上证明了全局收敛性,从数值上验证了有效性.     

HybridLT算法的改进及其性命性分析

ＨｙｂｒｉｄＬＴ法是一种解决组合优化问题的新方法，与现存的Ｈｏｐｆｉｅｌｄ网络比较，这种方法有几个优点：它不仅能用于二次函数，还能用于非二次函数；另外，在控制人为的加权参数时，它减少了对外部的依赖，文中对原算法进行了改进，使其能更快找到的最优点，并且对迭代帮了收敛性分析，给出了收敛的必要条件和充分条件，从而说明ＨｙｂｒｉｄＬＴ方法是可行的，是一种适用于很多类型组合优化问题的有效方法。     

混合滤波系统中无源滤波器的均匀设计多目标优化方法

针对在很大程度上决定混合滤波系统整体性能的无源电力滤波器参数优化问题,提出一种基于均匀设计的多目标自适应遗传算法,其核心是基于元件标称值的高效编／解码方案,基于权值均匀生成、动态调整和Pspice仿真的多目标合成与评估方法,可提高后代质量并减少运算量的多父本均匀交叉算子．以及兼顾种群多样性和遗传进程的遗传概率自适应策略。实验结果表明,该方法仅需单次运行即可获得一组经过优化且反映多目标间均衡关系的实用化设计结果。     

冬虫夏草发酵条件的研究

通过对冬虫夏草菌Csll的深层发酵条件如pH、接种量、装液量、转速及其培养基碳源、氮源和无机盐的研究,得出其最适培养条件为24℃、170r/min、150mL/500mL、pH6.5,接种量10%,茵丝生长的最佳培养基:葡萄糖4%,豆饼粉2%,KH2PO40.2%,MgSO4·7H2O 0.075%.发酵结果得到虫草茵丝粉中有效成分含量:腺苷＞0.16%;甘露醇＞8.0%.     

少蒿籽胶浸提数学模型的确立及验证性研究

在浸提理论的指导下,建立了沙蒿籽胶浸提数学模型,并通过研究不同液固比、浸提温度和浸提时间对产胶率的影响,求出浸提数学模型中的各个参数.同时,模型的验证实验表明,不同液固比、浸提温度和浸提时间下,产胶率的实验数据与模型计算值之间吻合得较好,绝对误差不超过0.5%,该项研究为沙蒿籽胶的工业生产提供了可靠的理论依据和实验基础.     

多目标约束的网格任务安全调度模型及算法研究

异构网格环境的特点决定了其任务调度是受调度长度、安全性能及调度费用等多个因素制约的。该文根据网格资源调度的特点构造了一个安全效益函数和节点信誉度动态评估模型,并以此为基础建立了一个多目标约束的网格任务调度模型。利用隶属度函数将多目标函数转化为单目标模型,通过设计新的进化算子,从而提出一种遗传算法MUGA(Mode Crossover and Even Mutation Genetic Algorithm)进行求解,并对算法的收敛性进行了理论分析。仿真实验表明,在同等条件下该算法与同类算法相比,在任务调度长度、安全效益值、可信度及调度费用指标优化方面具有较好的综合性能。     

求解约束优化的带偏好双目标优化方法

文章提出了一种求解约束优化问题的新方法。它把约束优化问题转化为双目标优化问题,一个目标是原问题的目标,另一目标是由约束条件转化得到。转化得到的双目标优化与一般的双目标优化问题不同在于它偏好那些使约束条件满足的最优解。我们利用动态权值将这一带有偏好的双目标优化转化为无约束的单目标优化,并使其满足偏好特性。我们对四个标准测试函数进行了数据仿真实验,实验结果表明该算法是有效的。     

图着色问题的新遗传算法

针对遗传算法求解图着色问题需多次产生初始种群的问题,提出了一种改进算法．该算法采用比较机制,淘汰不可行的基因,然后使用动态的适应度函数,使得有效个体以较大的概率存活到下一代种群中,从而达到无需多次产生初始种群的目的．与传统框架下的算法相比,新算法求得最优解的时间至少缩短了51％,且具有从一个局部最优解快速跳到下一个局部最优解,最终收敛到全局最优解的优点．