基于SecLA的云服务商选择方法研究

云计算应用领域不断拓展,用户越来越关注云服务的安全性,现有云服务商选择方法主要考量性能和费用,缺乏有效的安全属性考评方法,为此提出了基于安全等级协议的云安全量化评比方法。基于云安全联盟的云控制矩阵及配套共识评估问卷,设计了云服务商安全指标体系及量化评分模型;对Web服务协议框架进行扩展,设计了云安全等级协议的模板框架;引入负提供参数来增强比较优势度法,实现了云安全等级的量化评比。实验检验了系列方法的可行性及有效性,与参数评估方法、简单线性加权方法等的对比表明,优先度排序更加合理,负提供参数对决策起到了良好的辅助效果。     

基于灰色关联和遗传算法的供应链伙伴选择

供应链伙伴选择是一个典型的多目标决策问题,本文提出一种解决该问题的新方法.该方法分为两个阶段:第一,运用灰色关联分析的思想,将多目标决策转换为单目标决策模型.第二,对于得到的单目标决策模型设计自适应遗传算法求解,所得的最优解就是伙伴选择的多目标决策模型的最优解.为说明该方法的可行有效,进行了实际算例的求解.     

虚拟企业伙伴选择的双种群自适应遗传算法

针对虚拟企业伙伴选择这一多目标优化问题,采用理想点法将其转换为多个单目标问题,并应用双种群自适应遗传算法进行问题求解。该算法涉及两个种群和自适应交叉、变异概率。在遗传过程中,每个种群的个体都根据适应度自动选择其交叉和变异概率,使个体对环境变化具有自适应调节能力;在一代遗传完成后,种群间交换优秀个体携带的遗传信息,以增加种群的多样性,避免陷入局部极值。通过算例,证实了该算法能很好地解决虚拟企业伙伴选择这一多目标优化问题。     

一种基于选择的多目标遗传算法

利用遗传算法对多目标问题进行优化时,得到的Pareto解在目标空间中为均匀分布,但有时希望能在目标空间的某个区域内产生比较稠密的Pareto解.针对这一问题,提出一种基于选择的多目标遗传算法,该算法在遗传操作过程中通过选择来引导寻优方向,最终得到满意的解.     

面向入侵检测的基于多目标遗传算法的特征选择

针对刻画网络行为的特征集中存在着不相关或冗余特征,从而导致入侵检测性能下降的问题,本文提出了一种基于多目标遗传算法的特征选择方法,将入侵检测中的特征选择问题视为多目标优化问题来处理。实验结果表明,该方法能够实现检测精度与检测算法复杂性的均衡优化,在显著提高检测算法效率的同时,检测精度也有所提高。     

基于非线性选择方法的多目标优化遗传算法

针对排序选择法中广泛采用的线性选择方法的缺陷,提出了一种非线性选择方法。这种选择方法既充分体现了非劣解集对劣解集的优先选择权,又考虑到了非劣解集和劣解集中个体的平等性。理论分析和仿真计算表明,这种新的排序选择法不仅能得到分布广泛的Pareto最优解,而且进化速度极快,一般只需30-50代。     

基于改进的遗传算法系统测试选择问题研究

信息处理系统故障模式具有多样性,为了得到系统的全局优化测试集,降低测试代价,在遗传算法思想的基础上,采取限制每一个基因编码都不相同机制来生成初始化种群、个体失效保护机制进行交叉操作、最优个体保护机制实现变异操作等措施对遗传算法进行了改进,并通过编写C++程序,得到了信息处理系统的全局优化测试集,减少了系统的测试项,从而使测试代价明显降低。经过计算系统的故障检测率和故障隔离率等测试性指标验证了改进遗传算法的正确性。该研究对大型复杂装备系统测试优化选择问题的研究具有重要的指导意义。     

基于并列选择遗传算法的多机器人协作探测

多机器人系统在执行探测任务时,存在多个机器人同时选择相同探测区域而造成碰撞几率增加和探测效率降低的问题.在原有并列选择遗传算法的基础上,提出了一种改进的遗传算法.仿真和实验结果表明,将该算法应用于多机器人协作区域探测,可以减小机器人之间的碰撞几率,提高多机器人系统的探测效率.     

基于云控制的自适应遗传算法

遗传参数的自适应调整是一个复杂的不确定性过程。为此,利用云模型优良的不确定性知识表示能力,提出一种改进的自适应遗传算法。该算法以自然语言为切入点,用云模型表达先验规则知识,通过云控制器调整遗传参数。函数优化实验表明,该算法能够较好地模拟迭代中参数的自适应调整过程,算法性能是可行、有效的。     

基于云遗传算法实现自动组卷问题

使用遗传算法进行自动组卷容易使搜索结果陷入局部最优解,采用云遗传算法来实现自动组卷问题,根据正态云模型的随机性和倾向性,使算法在搜寻最优解的时候更具稳定性,减少算法陷入局部最优解或早熟的机会,在组卷中既可以逐步定位到最优解,又使得搜索具有全局性。     

基于遗传算法的组合服务选择方法

针对组合Web服务选择问题,提出了基于遗传算法的组合服务选择方法。从服务组合流程的层面,兼顾子服务间的接口语义匹配、控制逻辑关联和Qos因素,建立了结合全局语义匹配的组合服务Qos模型,将服务选择问题转化为多约束多目标的优化问题,并通过引入遗传算法予以实现。与单纯考虑Qos属性的方法相比,该方法能够同时满足用户的功能性和非功能性要求。实验结果表明,该方法对于组合服务选择是可行且有效的。     

A multicriteria optimization model for cloud service provider selection in multicloud environments

Multicloud computing is a strategy that helps customers to reduce reliance on any single cloud provider (known as the vendor lock-in problem). The value of such strategy increases with proper selection of qualified service providers. In this paper, a constrained multicriteria multicloud provider selection mathematical model is proposed. Three metaheuristics algorithms (simulated annealing [SA], genetic algorithm [GA], and particle swarm optimization algorithm [PSO]) were implemented to solve the model, and their performance was studied and compared using a hypothetical case study. For the sake of comparison, Taguchi's robust design method was used to select the algorithms' parameters values, an initial feasible solution was generated using analytic hierarchy process (AHP)—as the most used method to solve the cloud provider selection problem in the literature, all three algorithms used that solution and, in order to avoid AHP limitations, another initial solution was generated randomly and used by the three algorithm in a second set of performance experiments. Results showed that SA, GA, PSO improved the AHP solution by 53.75%, 60.41%, and 60.02%, respectively, SA and PSO are robust because of reaching the same best solution in spite of the initial solution.     

基于分形维数和多目标遗传算法的特征选择

在文本分类系统中,特征的优劣往往极大地影响着分类器的设计和性能。提出一种利用分形维数和带精英策略的非劣支配排序遗传算法进行特征选择的方法。在该方法中分形维数作为特征选择的一个评价机制,利用NSGA-II算法将特征子集选择问题视为多目标优化问题来处理。为了分析结果的有效性,利用SVM分类算法对复旦大学语料库进行测试。实验结果表明该方法具有较好的性能,它可以有效去除无效特征并提高分类准确性。     

云制造环境下基于可信评价的云服务选择

针对云制造环境下因存在大量功能相同或相似的制造云服务而导致用户很难获得合适云服务的问题,提出了一种基于可信评价的制造云服务选择方法。对问题进行了抽象,将可靠性、可用性、时效性、价格和诚信度纳入可信特征集,并考虑评价时间、评价者的诚信度对可信值的影响,采用加权平均的方法计算制造云服务的整体可信度;在此基础上,综合考虑制造云服务的功能、任务负载、当前状态和物理距离等因素,通过匹配功能、任务负载和价格,并结合可信评价值来指导云服务的选择。仿真结果表明,所提方法能够有效地识别云制造环境下的制造云服务实体,可提高交易活动的成功率,满足用户的功能需求和非功能需求。     

迁移工作流系统中基于Pareto的服务主体优选

建立了服务主体优选的数学模型,采用Pareto遗传算法对多目标问题进行优化,给出了适用于该模型的操作算子,并提出了在最优解集中选取决策方案的算法。实验结果表明,该方案效果明显优于文献[3]中给出的解决方案。     

基于遗传算法的股票市场选择模型

为提高投资者在股票市场的收益,解决在证券投资中股票选择这一重要问题,提出一种基于遗传算法的股票选择模型。算法以上市公司的财务指标为样本特征,为克服K-means算法的不稳定性,采用基于遗传算法的K-means算法对同一板块股票进行聚类分析,剔除财务指标较差的一类中的股票。对筛选条件编码,为解决传统遗传算法处理复杂问题时存在的过早收敛现象,提出改进的遗传算子,利用改进的遗传算法寻找使股票市场投资收益最大化的选股模型参数。实验结果表明,该算法在股票选择上具有较好的效果,可供市场投资者借鉴。     

基于量子遗传算法的特征选择算法

特征选择是模式识别和机器学习等领域中重要而困难的研究课题.提出一种最优特征子集评价准则和实现特征选择的一种新量子遗传算法(NQGA).NQGA采用量子门旋转角更新新方法和增强算法寻优能力及防止早熟收敛的移民和灾变策略.定性分析了NQGA的高效性.典型复杂函数测试和雷达辐射源信号特征选择的应用表明,NQGA寻优能力强、收敛速度快和能有效防止早熟现象.采用提出的准则函数和搜索策略实现特征选择,大大降低了特征维数,获得了更高的正确识别率.     

并行遗传算法下的农业业务外包伙伴选择

供应链管理环境下的业务外包模式为企业建立和提高自身的竞争优势提供了一种新的途径。其中,合作伙伴的选择是业务外包成功与否的关键因素。分析了农业产品加工业业务外包合作伙伴选择问题,给出了伙伴选择的多目标模型,提出了用一种自适应并行遗传算法来解决伙伴选择的问题,在增强和保持种群多样性的同时,表现出了较好的搜索性能。     

基于改进混沌优化的多目标遗传算法

针对多目标遗传算法存在的缺陷,提出了基于改进混沌优化的多目标遗传算法．引入基于改Tent映射的自适应变尺度混沌优化方法细化搜索空间和高效寻优,结合非支配排序的群体分级机制和精英保留等多目标优化策略,保持种群多样性的同时保证了进化向Pareto优解集的方向进行．多目标测试函数的数值仿真和电力系统无功优化的算例分析表明了该算法的有效性和可行性．