基于协同机制的集群自适应负载均衡算法研究

针对目前多出口校园网络服务器集群负载问题,对常见的网络负载均衡问题进行研究,设计了一个集群网络负载均衡算法模型。在算法模型中,提出了协同机制的解决方案,并采用加权轮询调度(Weighted Round-RobinScheduling)算法来实现,其中对权值变化采用块处理最小均方误差算法(BLMS)来实现。该算法模型能更好地匹配各Internet出口网速以及不同硬件性能的服务器之间的网络请求,解决中小型网络负载均衡问题。     

基于GA+PR的项目管理成熟度持续改进模型

在分析经典项目管理成熟度持续改进问题的基础上,建立了资源约束条件下项目管理成熟度持续改进模型,基于模糊理论提出了正向贴近度和负向贴近度概念,用以对战略均衡匹配性进行度量。同时,应用可能性理论对所建模型进行了确定性转换,并采用基于路径再连接算法思想改进的遗传算法(GA+PR)对模型求解,获得了较好的求解效果。仿真结果具有实践指导意义。     

免疫遗传算法的研究及其应用

遗传算法作为一种生物进化计算模型,在优化计算中得到了广泛应用,但其存在的缺陷,影响了其在一些问题求解中的正确性和有效性。将生物免疫算法与遗传算法相结合,提出一种改进的免疫遗传算法（IGA）,并用IGA对PID参数寻优,仿真结果表明：该算法大大提高了控制的动、静态性能。     

基于耗散结构的改进遗传算法求取红外图像二维阈值

在二维阈值化分割算法的基础上,提出了一种新的改进分割算法运算效率的遗传算法,在对耗散系统理论研究的基础上,将简单遗传法与耗散结构相结合,构成一种新的算法,并对该算法求解红外图像二维阈值问题进行了仿真研究。仿真计算结果表明:用这种方法求解红外图像二维阈值分割问题,计算效率大大提高,而且求解性能较简单遗传算法有很大的改善。     

基于改进遗传算法的电力系统无功优化

在简单遗传算法的基础上，针对无功优化的动态、多目标、多约柬以及非线性特点，提出了基于简单遗传算法的改进算法．改进遗传算法中采用了个体适应度函数的线性变换、归一化的选择方法，以及定向变异策略的应用．以Ward＆Hale6节点标准测试系统为例对该算法进行了有效性验证．仿真结果表明，该方法对电力系统的无功优化效果良好．     

一种基于改进型遗传算法的模糊聚类

针对模糊C均值算法(FCM算法)难以达到全局最优解的问题,引入了具有全局搜索能力的遗传算法以解决聚类问题,并在标准遗传算法基础上进行了改进。将该算法运用于IR IS数据的聚类,实现了较好的聚类,从而验证了算法的有效性。     

多峰值函数优化问题的免疫遗传算法求解

生物免疫系统在遭受未知抗原攻击时,能通过基因的重组和变异,找到合适的抗体消灭抗原,并且能保持抗体的多样性。把生物免疫系统的这种特性加入到免疫遗传算法中能解决其迭代后期出现的退化现象。针对注射过疫苗的生物免疫系统能够很快识别抗原这一特性,对传统免疫遗传算法进行改进,提出一种改进的免疫遗传算法(IIGA),并用其求解经典的Benchmark多峰值函数,实验结果表明IIGA能够有效抑制免疫遗传算法的退化现象,并提高算法的收敛速度。     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

负载均衡的多接入选择算法

针对异构无线分组网络进行多接入选择方法设计时,仅考虑已接入用户数及系统容量将存在缺陷的问题,提出了一种新的异构无线分组网络中的接入选择算法,在多接入选择时考虑了分组业务QoS和链路自适应机制(链路层重传及自适应调制)因素,来正确估计分组业务在接入后平均消耗的资源量以及分组网络当前的负载情况。最后对算法性能进行了仿真评估,并与传统多接入选择方法进行了比较,结果表明提出的算法优于传统多接入选择算法,能在保证分组业务QoS的基础上,同时达到不同网络间负载均衡的目的。     

免疫遗传算法在柔性Job-shop调度问题中的应用

借鉴生物免疫机理提出了一种求解柔性Job-shop车间调度问题的免疫遗传算法．仿真结果表明，该算法有效地避免了传统遗传算法中因选择压力过大造成早熟现象的发生，显著地提高了遗传算法（GA）对全局最优解的搜索能力和收敛速度，这将使遗传算法在众多实际的优化问题上具有更广泛的应用前景．     

改进粒子群算法在空压机联动控制中的应用

针对空压机控制系统中的节能减排、均衡调度和管网压力波动等问题,提出了空压机联动控制的多目标优化调 度模型,并以改进惯性权重的粒子群算法进行求解。以灰色系统理论中的灰色关联度作为改进粒子群算法的适应度函 数,对影响空压机联动系统的机组功耗、生产均衡调度和管网压力波动等多目标进行了优化求解。引入的非线性动态调 整惯性权重策略改进了算法的全局收敛能力,有效地提高了粒子搜索过程中的智能性。通过某饮料罐装车间的技术改 造,证明了本算法的有效性。     

采用可能解空间改进遗传算法

引入可能解空间的概念,探讨了它在遗传算法约束条件处理改进中的应用.应用实例分析表明,改进的遗传算法可得到更优化的结果,并验证了在种群生成中采用改进约束条件处理的优势.工程实践也表明,采用可能解空间对遗传算法约束条件处理的改进,能大大减少随机试探次数,提高算法的运行效率.     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

非线性规划的元胞蚂蚁算法

将元胞自动机思想引入到蚂蚁算法中，提出一种新的进化算法——元胞蚂蚁算法。通过算法的元胞演化机制对信息素的二次分配，有效扩大了对解空间的搜索，避免陷入局部最优，并提高了寻找到所有全局最优解的能力。通过对一系列典型多极值优化问题的求解，均找到了所有全局最优解，显示了其在寻找多峰函数极值点方面的优越性。     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

一种Apriori的改进算法

在Apriori算法算法基础上提出改进的方法，通过减少产生候选集的组合和减少数据库的扫描来提高挖掘的速度和减少数据库的I／O操作时问的开销。     

弱信号环境下的盲自适应波束形成

针对原CCAB算法的相关矩阵对循环平稳信号不够准确而导致算法在恶劣环境下的鲁棒性不够强问题,提出一种鲁棒性更强的CCAB改进算法。推导了适合循环平稳信号阵列相关矩阵的理论式,经过分析原相关矩阵的不准确性和遗忘因子的正面作用后,得出了新相关矩阵的迭代式。仿真结果表明改进的算法能在计算量不变的情况下更有效地接收弱信号、抑制强干扰,且对循环频率误差不敏感。     

党政机构微博在突发事件中传播效果的影响因素及策略

在分析铁路货运量预测方法的基础上，针对标准BP神经网络的不足，提出改进的BP神经网络预测模型。首先,利用动态陡度因子来改变激励函数的陡峭程度，以此来得到更好的激励函数响应特征以及更好的非线性表达能力；其次，利用附加动量因子，通过对以前经验的积累，既降低了神经网络对误差曲面的局部细节敏感特性，又较好的遏制了神经网络易于限于局部最小的缺陷；最后，采取改变学习率的方法，给定一个较大的学习率初始值，在学习的过程中学习率不断减小，网络最终趋于稳定。改进BP算法既可以得到更优的解，还能够缩短训练时间。利用全国铁路货运     

基于遗传算法和差分进化的高速冲床运动学优化

提出一种可以实现自身动平衡的高速冲床的新型传动机构。针对优化算法的缺陷,提出一种遗传算法与差分进化相结合的混合算法,并阐述了该算法的流程。将该机构简化,进而建立其优化模型。利用混合算法对其进行优化,得出优化前后冲压滑块的运动学特性比较图。结果表明,优化后的结构在高速冲压时具有更好的输出运动特性,表明该算法是一种非常切实有效的优化算法。