一种求解云计算资源优化的改进蝙蝠算法

为了最大限度优化云计算资源分配中的执行速度,平均响应时间和系统利用率,提出一种基于高斯差分变异蝙蝠算法(GDMBA)的云计算资源调度优化方法。首先引入高斯差分变异改进蝙蝠算法,避免蝙蝠个体陷入局部最优,改进后的算法加快了收敛速度,提高了收敛精度,然后采用GDMBA对资源调度进行寻优。仿真实验表明,GDMBA有效提高了算法性能,在云计算的资源调度中有效优化了云计算系统中的资源调度能力,提高了云计算资源的利用率。     

云计算下的一种关联挖掘算法的研究

如何能够在云计算环境下发现、获得有效的资源是目前数据挖掘的重要研究方向,针对云计算下的Aprior算法存在的负载度强和存储空间大的缺点,提出了对云计算模型MapReduce模型进行改进,并在此基础上改进FCM算法,将数据挖掘过程分为Job1,决策,Job2三个阶段,改进后的FCM能够更加的适应云计算下的数据挖掘,通过在Hadoop平台上的实验说明本文的算法提高了效率。     

ICS优化SVM在模拟电路故障诊断中的应用

针对容差模拟电路软故障,为了提高诊断的准确率,提出了一种基于改进布谷鸟算法优化支持向量机的故障诊断模型。首先,利用Hear小波分析对模拟电路进行故障特征提取;然后将提取的故障特征输入支持向量机进行故障诊断,同时为了使模型更稳定,利用改进布谷鸟算法选择最优惩罚参数和核函数参数以优化SVM。最后,以Sallen-key带通滤波器电路为例进行仿真实验,通过与神经网络、传统SVM分类模型进行对比,结果表明了该方法的优越性和可行性。     

基于改进的鲸鱼算法在云计算任务调度中的研究

针对云计算下的任务调度存在花费时间长、消耗成本高和负载率大等缺点,提出了一种改进的鲸鱼算法用于云计算中的任务调度。首先,提出了以时间、成本和负载为主要指标的云计算任务调度模型,其次使用改进的鲸鱼算法进行任务调度,采用改进的Bernouilli Shift混沌映射进行了种群初始化提高种群的多样性,使用自适应因子优化参数平衡了局部和全局搜索的能力,使用差分算法进行个体更新。最后在仿真实验中将本文算法进行与其他算法进行对比,实验结果说明本文算法具有一定的优势,能够有效的提高云计算下的任务调度效率。     

改进的粒子群算法在云计算下的数据挖掘中的研究

云计算中的资源具有实时性、动态性、随机性等特点,传统的数据挖掘方法已经达到满意的预测效果。本文提出了一种基于云计算的数据挖掘方法,首先收集云计算中的数据资源,通过关联规则对其分类,然后将分类后的云计算资源作为学习样本进行支持向量机的输入,利用改进的粒子群算法来选择向量机的最优参数,建立优化的模型。仿真平台说明本文的算法有效的提高云计算下的数据挖掘效果。     

云计算下的一种网络流量预测算法的研究

为了提高云计算下的网络流量的预测精度,提出了一种基于遗传算法的小波BP神经网络的预测模型。首先针对BP神经网络的不足,引入动量项进行改进,其次,在遗传算法中加入进化操作,提高了算法的整体效率,将改进后的算法与小波函数进行融合,整体优化了BP神经网络的阀值和权值进行优化。仿真实验通过与其他文献算法的比较,说明本文算法具有良好的收敛速度,有效的提高预测的精度。     

一种关联博弈的移动云计算线性规划控制算法

提出关联博弈的移动云计算线性规划控制优化算法。建立移动云计算模型,利用线性规划对移动云计算控制参数进行优化训练,并与关联博弈原理相结合,能够实现移动云计算业务对用户信息资源的有效提取;建立关联博弈的移动云计算线性规划控制关系式,最终实现移动云计算线性规划控制。实验结果表明,利用改进算法进行移动云计算线性规划的控制,用户无需宽带就可以随时对需要的信息资源进行有效提取,从而提高了移动云计算系统的利用效率,取得了令人满意的效果。     

一种网络流量预测模型的研究

云计算等概念的出现导致网络规模需求不断增大,网络流量不断增多,如何能够更好地预测网络流量成为了网络研究的热点,本文在网络流量预测中分析了小波-BP神经网络的不足,采用改进的下降梯度法优化BP神经网络,另外通过采用实体编码,适应度函数选择,权重系数提高粒子群算法优化小波-BP神经网络。仿真实验说明本文算法能够有效的提高了网络流量的预测精度,该算法具有广泛的运用前景。     

基于动态趋势预测蚁群算法的云计算资源调度优化研究

当前,计算机性能日益提高,人们的计算需求也日益增加,在这样的背景下,以往的计算方式已经不能满足人们的计算需求,随着云计算的出现,这一现象才得以缓解,但是就目前而言,云计算也存在许多缺陷与不足,例如资源调度资源占用多且响应速度慢等。本文以此为着眼点,设计了一种以动态趋势预测蚁群算法为基础的云计算资源调度优化研究。这一算法在具体实施过程中运用动态趋势预测以及蚁群算法相加的办法,借助虚拟机迁移实现资源的预留,并可以借助动态趋势预测方法来对数据中心负载变化实现预测,并且通过减小值的调整来实现具体操作。通过实验表明,本文所提出的将动态趋势预测和蚁群算法相结合的算法能够有效的提高数据中心的性能,加强响应速度和计算的精确度。     

云计算系统中数据中心分类区的确定模型仿真

对云计算系统中的漂移数据中心分类区的准确确定,可以提高云计算系统的扩展能力和缓存能力。传统方法采用线性差分智能群识别方法实现中心分类区的确定,导致漂移数据的群辨识效果不好。提出一种基于粒子群聚类的云计算系统中数据中心分类区的确定算法模型,并进行仿真实现。构建云计算系统网络激励传播机制,实现资源负载均衡,把云计算系统的存储数据结构定义为一个四叉树,构建云计算网格环境下空间资源调度框架体系,进行云计算系统的漂移数据特征提取,使得资源负载均衡达到最优值,实现算法改进。实验得出,模型对云计算系统的漂移数据中心分类区确定准确,数据融合精度较高,聚类性好,云计算系统的扩展指数提高13%,缓存执行能力提高20.5%,展示较好的性能。     

云计算中基于改进遗传算法的负载均衡优化模型

由于云计算环境的动态性和复杂性,云环境很容易出现负载失衡现象。文章将精英选择策略引入遗传算法中,结合虚拟机综合负载能力指标,提出了基于改进遗传算法（IGA）的负载均衡优化模型。仿真实验表明,相对于Min-Min算法, IGA算法能很好满足云环境下负载均衡的要求,提高资源利用率和负载均衡度。     

引入任务安全性函数分形维的资源均衡算法

资源负载均衡是提高云计算资源调度效率的重要因素,为提高云计算中任务调度的效率,减少执行时间,针对传统的资源均衡算法在没有考虑到云计算环境下的资源节点安全性因素,复杂度高,效果不好的问题,提出一种引入安全性函数分形维特征重组的资源均衡算法。建立任务调度策略及资源均衡模型,构造任务调度所需要时间、费用、可靠性等方面的因素进行特征描述,对负载资源信息流的分形维信息特征提取,通过分层化状态重组,实现对资源负载的均衡处理,得到负载目标函数,提高任务处理效率。实验结果表明,该算法进行Cloud Sim平台下的负载云计算任务调度和负载资源均衡,能有效节省任务执行时间,降低计算开销,执行效率优越于其它算法。     

云计算服务平台资源调度人工鱼群算法的随机行为优化

针对标准人工鱼群算法在云计算服务平台资源调度的应用中还存在调度时间长、负载较高等问题。本文提出了一种基于随机行为优化人工鱼群算法的云计算服务平台资源调度模型,首先通过禁忌搜索对人工鱼群行为进行优化,若发现人工鱼群状态已经在禁忌表中,并且有意识地避开这个状态,根据禁忌计算得到新的人工鱼群向量,然后对觅食行为、聚群行为等追尾行为进行自适应随机优化,最后构建云计算服务平台资源调度模型。结果表明,本文提出的基于随机行为优化人工鱼群算法的云计算服务平台资源调度模型资源调度时间更少,负载更小。     

基于混沌策略的蝙蝠优化算法在云计算资源调度中的研究

资源调度是当前云计算研究的热点,但是云计算中的虚拟节点的资源调度存在效率低,稳定性低的问题。针对这种情况,本文首先建立云计算环境下的资源调度模型,在模型中引入了优化后的蝙蝠算法,优化中引入混沌算法中的立方映射函数,对蝙蝠的个体进行混沌优化,同时缩小了搜索空间,加快了收敛速度。通过在Cloudsim平台上仿真实验表明,该算法在性能上、资源调度效率和任务调度方面都有很大改进,有效提高了云计算系统的资源调度能力。     

基于最优鸟巢算法的大型火电系统短路定位

采集大型火电系统短路数据,并将其转换成为时间序列数据,然后将时间序列数据输入到最小二乘支持分类集中进行训练,训练过程中引入最小二乘支持向量机对布谷鸟算法进行优化,用改进的布谷鸟算法对火电系统的短路位置数据进行距离聚类,从而预测出火电系统的短路地点。仿真结果表明本文算法能更加准确的预测了大型火电系统短路位置的变化态势,提高了大型火电系统短路位置的预测精度。     

基于资源组合预测的云计算任务调度算法

云计算资源负荷状态的动态变化,使得如何预测其变化情况,从而合理地实施任务调度,成为亟待解决的问题。针对该问题,提出一种基于资源组合预测的云计算任务调度算法。该模型采用偏最小二乘回归从各种单一模型的预测结果中提取有效成分,建立组合预测模型;再依据对资源结点的资源预测结果和最小完成时间原则实施任务调度。仿真测试结果表明,该算法具有较好的性能与负载均衡性。     

基于改进的PSO-BP神经网络的桂林市物流预测研究

由于BP神经网络有收敛速度慢,容易陷入局部最小的缺陷,因此文章提出了一种改进的粒子群算法来优化BP神经网络的权值与阈值。使得预测模型能够在搜索最优解的过程中能够平衡算法的局部搜索和全局搜索,提高搜索的精度。对初步确定的输入指标和输出指标采用线性回归的方法,来筛选与输出指标具有强相关性的输入指标。通过MATLAB软件进行预测,比较标准的PSO-BP与改进PSO-BP模型,预测结果较好,说明改进的PSO-BP模型是有效的。     

一种基于混沌人工萤火虫算法的云计算资源调度优化

为提高云计算资源的利用率,保持负载平衡,提出一种基于改进混沌萤火虫算法的云计算资源调度模型。建立云计算环境下的资源调度模型,通过人工萤火虫算法个体最优与云计算节点资源分配对应起来,在萤火虫算法中引入混沌算法,通过对个体进行扰动,加快收敛速度,降低局部最优的概率。基于Cloudsim的仿真实验结果表明,该算法能有效避免资源分配的不均衡,缩短任务完成时间,提高系统的整体处理能力。     

面向多通道QoS需求的虚拟机分簇挖掘仿真

实行虚拟机最优分配方案的准确挖掘能够提高云计算的服务质量(Qo S)。利用传统算法进行虚拟机最优分配方案挖掘的过程中,由于受到大量冗余数据的影响,造成挖掘效率降低。为此,提出一种基于蚁群算法的面向多通道Qo S需求的虚拟机分簇挖掘方法。根据虚拟机特征的相似度对虚拟机进行分簇,利用蚁群算法进行虚拟机最优分配方案的挖掘,在此过程中,充分考虑了多用户对云计算中虚拟机资源服务质量(Qo S)的要求,避免出现同类型虚拟机被分配到同一物理机上的情况,同时,对蚁群算法中信息素的更新进行了优化。实验结果表明,利用改进算法进行虚拟机最优分配方案挖掘,能够有效提高挖掘效率,并降低系统负载均衡度。     

综合视觉特征度量与SVM的遥感图像检索方法

基于支持向量机(SVM)的相关反馈算法在反馈过程中只利用SVM的分类器,反馈结果排序会出现一定错误,提出一种改进的相关反馈策略,将图像的视觉特征度量函数和SVM分类器函数进行线性加权,作为相关反馈中的相似性度量准则.实验表明,改进策略能够优化遥感图像检索排序结果,提高检索的精度.