一种改进的离散粒子群优化算法

针对旅行商问题，提出了一种改进的离散粒子群优化算法，根据优化问题及离散量的特点，对粒子的速度、速度的相关运算规则和粒子的运动方程进行了重新定义，为防止算法的早熟停滞现象，提出用扰动速度来增加粒子群的多样性，为提高算法的求精能力，设计了一种高效的近邻搜索算子来提高粒子的适应值，使算法在空间探索和局部精化间取得了很好的平衡．与领域中的其它典型算法进行了仿真比较，结果表明，该算法具有很好的性能．     

改进的免疫粒子群优化算法预测RNA二级结构

针对RNA二级结构预测问题,在SetPSO算法的基础上提出了一种改进的免疫粒子群优化算法,根据RNA折叠的特点,启用免疫记忆算子增加粒子群多样性,有效防止了原方法易陷入局部最优的缺陷。仿真结果表明改进算法能在更短的时间内达到更高的预测精度。     

三种GPU并行的自适应邻域模拟退火算法

提出了三种新的GPU并行的自适应邻域模拟退火算法,分别是GPU并行的遗传-模拟退火算法,多条马尔可夫链并行的退火算法,基于BLOCK分块的GPU并行模拟退火算法,并通过对GPU端的程序采取合并内存访问,避免bank冲突,归约法等方式进一步提升了性能。实验中选取了11个典型的基准函数,实验结果证明这三种GPU并行退火算法比nonu-SA算法具有更好的精度和更快的收敛速度。     

人工蜂群神经网络同时测定三种氯酚类化合物

将改进过的人工蜂群算法用于训练人工神经网络,对紫外光谱重叠严重的邻氯酚、对氯酚以及2,4-二氯酚的混合溶液进行同时测定.在260-290nm的范围内,使用经过正交设计的25组混合溶液的吸光度作为神经网络的训练集.当网络的误差平方和收敛到0.1时,输入另5组混合溶液的吸光度预测其浓度.对照实验表明,使用新算法训练的神经网络在回收率和收敛速度上与使用BP算法、粒子群算法以及标准人工蜂群算法相比均有较大提高.     

一种求解旅行商问题的迭代改进蚁群优化算法

传统的蚁群优化算法每次都从头开始构造新解,无条件地接收选择的解部件,该策略削弱了算法的局部求精能力。针对该不足,提出了一种求解旅行商问题的迭代改进蚁群优化算法。在构造解的过程中,蚂蚁始终记忆一个完整的解,并且只接受能够改进解的候选城市。使用解的部分重构策略来保持种群的多样性,以避免早熟收敛。仿真结果表明迭代改进蚁群优化算法能在更少的迭代次数内获得更好的解。     

独立任务分配问题的离散粒子群优化算法

以异构环境下独立任务分配问题为例,提出一种离散粒子群优化算法.对粒子的位置、速度等量及其运算规则进行重新定义.为抑制早熟停滞现象,为粒子和粒子群分别定义个体多样性和微观多样性.算法中使用排斥算子来保持粒子群的多样性,使用学习算子来提高算法的局部求精能力,使算法在空间探索和局部求精间取得较好的平衡.与领域中的其它典型算法进行仿真比较,结果表明,离散粒子群优化算法具有良好的性能.     

独立任务分配的贪婪随机自适应搜索过程

提出了一种贪婪随机自适应搜索过程求解异构环境下的独立任务分配问题。使用随机化的最小最小完成时间算法来产生问题的初始解，再通过变邻域下降算法来改进这个解，在变邻域下降算法中，为增强算法的空间勘探能力，外层局部搜索采用允许接收劣质解的策略，使用禁忌表来防止迂回搜索，使算法在多样性和集中性间取得了较好的平衡。与领域中的典型算法进行了仿真比较，结果表明提出的算法具有良好的性能。     

逐维改进的布谷鸟搜索算法

布谷鸟搜索(cuckoo search,简称CS)算法是一种新兴的仿生智能算法,对解采用整体更新评价策略.在求解多维函数优化问题时,由于各维之间相互干扰,采用整体更新评价策略将恶化算法的收敛速度和解的质量.为了弥补此缺陷,提出了基于逐维改进的布谷鸟搜索算法.在改进算法的迭代过程中,针对解采用逐维更新评价策略.该策略将各维的更新值与其他维的值组合成新的解,并采用贪婪方式接受能够改善解质量的更新值.实验结果说明,改进策略能够有效地提高CS 算法的收敛速度并改善解的质量.与相关的改进布谷鸟搜索算法以及其他演化算法的比较结果表明,改进算法在求解连续函数优化问题上是具有竞争力的.     

基于VNF实例共享的服务功能链部署算法

针对服务功能链(SFC)部署过程中存在虚拟网络功能(VNF)实例部署成本和转发路径成本难以权衡的问题,提出了基于VNF实例共享的SFC部署算法。首先针对多链SFC建立VNF和虚拟链路映射模型,并预估路径部署长度上限,保证SFC时延需求;其次,在路径部署长度限制范围内,尽可能使VNF实例共享最大化,以平衡链路转发成本和VNF部署成本,最终得到SFC部署策略。与已有的SPH(shortest path heuristic)和GUS(greedy on used server)部署算法相比,所提算法所得的总运营成本分别降低6.6%和12.15%,且当SFC数量增多时,该算法的服务接受率可达89.33%。仿真实验结果表明,提出算法可以在保证用户服务质量的同时有效降低SFC部署成本。