云环境下结合改进粒子群优化与检查点技术的容错调度算法

云计算环境中任务执行容易受资源故障影响,导致调度效率与成功率降低。针对该问题,提出一种结合改进粒子群优化与检查点技术的容错调度算法。通过改进粒子群优化算法进行全局搜索,寻找粒子群最优解,以保证任务获取最优资源,减少调度复杂度;同时通过设置检查点,使失效任务从检查点继续执行,实现任务动态恢复,提高调度可靠性。仿真实验表明,与传统算法相比,当任务数量不断增加时该算法可提高任务执行成功率,缩短任务执行时间。     

智能优化算法在暑假旅游路线安排中的应用

为解决暑假旅行人员以成本最小化为目标的最佳旅行路线选择难题,基于路径优化理论（VRP）及粒子群算法,设计了以暑假旅游路线最短为优化目标的数学模型,采用计算机编程技术,设计了求解该优化模型的粒子群算法,并选择案例对模型及算法进行了验证。案例应用结果表明,该模型和算法能够有效解决最佳旅游路线选择难题,正确率达98%。基于VRP理论及粒子群算法的最短路选择模型不仅能够快速求解出最优路径方案,还能够有效降低人工经验选择最短路径中存在的误差。     

改进量子粒子群BP神经网络参数优化及应用

针对现有BP神经网络选取权值和阈值不精确问题,采用改进量子粒子群优化算法优化BP神经网络权值和阈值。首先在改进的量子粒子群优化算法中,采用双层多种群优化策略提高整个种群的寻优能力,然后在每个子群中使用混沌反向学习和Levy飞行增强子群寻优能力,最后利用改进的量子粒子群优化BP神经网络权值和阈值。实验结果表明,改进的量子粒子群优化算法能有效提高BP神经网络的全局寻优能力和收敛性,对数控高速铣削加工的铣削力进行准确预测。     

蚁群算法研究综述

研究分析了基本的蚁群算法原理，主要介绍了蚁群算法的发展历史和特点，综合了近期关于蚁群算法研究。在阐述了蚁群算法的研究现状基础上，最后指出了它的优点和问题，对蚁群算法推广应用具有重要意义。     

求解DCMST问题的模糊离散粒子群优化算法

提出了一种求解度约束最小生成树问题(DCMST)的模糊离散粒子群优化算法(PSO),粒子编码采用Prüfer数编码机制,并引入模糊矩阵产生Prüfer数,迭代过程中加入归一化运算对位置矩阵进行修正,利用最大数法进行解模糊化。通过仿真实验验证了算法的有效性。     

学习视角下创新型中小企业协同成长的粒子群优化分析

运用标准粒子群优化分析了不同类型学习因子对创新型中小企业协同成长的影响。结果表明:非对称线性学习因子对创新型中小企业协同成长有积极影响,但潜藏的知识流向断链可能会阻滞协同成长的持续性;惯性权重与学习因子的线性关系比非线性关系对创新型中小企业协同成长具有指引作用,同时,提出知识虚拟链接信息渠道有助于实现群体智能化学习,保持协同成长的稳定性;权重与学习因子的余弦函数关系说明了外界环境的剧烈变化不适宜创新型中小企业的协同成长。     

一种跨邻域学习的改进粒子群优化算法

为了改善传统粒子群优化算法过早陷入局部最优解的缺点,进一步增强算法收敛性,通过使用一定范围内邻域最好位置lBest代替自身历史最好位置pBest进行速度与位置更新,以增强粒子跨邻域学习能力。使用整个群体中最好位置gBest进行速度与位置更新,可增强算法收敛性,且具有较好的全局搜索能力。在8个不同的单峰和多峰函数上系统地对3种算法进行测试与比较,实验结果表明,提出的跨邻域学习改进粒子群优化算法可避免粒子群陷入局部最优解,求解精度与算法收敛性都提升了15%以上。     

Hybrid discrete particle swarm optimization algorithm for capacitated vehicle routing problem

INTRODUCTION The vehicle routing problem (VRP), which was first introduced by Dantzig and Ramser (1959), is a well-known combinatorial optimization problem in the field of service operations management and logis- tics. The capacitated vehicle routing problem (CVRP) is an NP-hard problem for simultaneously determining the routes for several vehicles from a central depot to a set of customers, and then return to the depot without exceeding the capacity constraints of each vehicle. In pr…     

Optimal choice of parameters for particle swarm optimization

INTRODUCTION Particle swarm optimization (PSO) is one of the evolutionary computational techniques. Since its introduction (Kennedy and Eberhart, 1995; Eberhart and Kennedy, 1995; Eberhart et al., 1996), PSO has attracted much attention from researchers around the world. It is a population-based search algorithm and is initialized with a population of random solutions, called particles. Each particle in PSO moves over the search space at velocity dynamically adjusted according to th…     

基于混沌粒子群算法的多目标项目调度研究

作为项目调度管理中三大控制要素的工期、成本、质量是决定项目建设成败的关键。首先通过采用动态加权技术构建工期-成本-质量的多目标综合优化模型,同时鉴于基本粒子群算法容易陷入局部最优,提出一种将混沌优化嵌入基本粒子群的新算法用于求解该多目标项目调度模型问题。最终通过实例计算表明:相对于基本的粒子群算法,混沌粒子群算法可以更为准确快速地解决该模型下的工程项目多目标优化问题,实现了项目调度管理中有效平衡工期-成本-质量各目标,并达到综合最优方案的理想效果。