新的动态启发式网格任务调度算法

详细对比了传统Min-Min算法的高效特性和Max-Min算法的负载平衡特性,在原先提出以改善任务调度时间跨度性能为目标的网格任务自适应调度策略A-MM基础上,提出新的具有动态特性的启发式算法(Heuristic task scheduling algorithm based on Min-Min and Max-Min, H-MM),解决了A-MM不能动态执行的缺点.实验表明,H-MM在充分保留A-MM算法优点基础上实现了算法的动态执行特性,得到了更好的任务调度执行效果.     

一种动态自适应的网格负载平衡调度算法

根据计算机网络固有的层次结构特性，提出了基于层次结构的动态自适应的网格负载平衡调度算法，在下层结点上采用便于管理的集中式算法；而在高层结点上采用高效稳定的分布式渗透算法．该算法由于在结点的重载和轻载状态之间增加了一个缓冲状态——适度，使得系统的负载状态刻画得更为精确，从而使网格系统趋于平衡稳定；另外在负载迁移时也尽量地采取就近迁移的原则，使得系统开销和网络通讯量得以减少．     

异构网格环境下的可信依赖任务调度

针对异构网格环境下依赖任务调度过程中网格节点行为可信性考虑不足的问题,根据网格节点的历史行为表现,构建了一个动态信誉度评估策略,为确立任务需求与资源节点行为可信属性之间的隶属关系,定义了隶属度函数,建立了一种安全可信的网格任务调度新模型.为了实现该模型,提出一种依赖任务可信调度的粒子群进化算法.该算法通过深度值和关联耦合度的引入解决了任务间的约束关系;为克服传统粒子群算法解决离散问题时的不足,结合网格任务调度问题的具体特点,重新定义并设计了新的粒子进化方程;为预防算法陷入局部最优,引入了均匀扰动速度.仿真实验表明,该算法与同类算法相比,在相同条件下具有较高的执行效率和安全可信优化性能等.     

多域最小负载算法——Internet环境中的一种任务调度算法

提出了一种基于Ｉｎｔｅｒｎｅｔ环境的任务调度算法——多域最小负载算法．该算法使用多层调度策略实现可扩展性,以对应Ｉｎｔｅｒｎｅｔ数目巨大的网络和计算机,同时针对Ｉｎｔｅｒｎｅｔ环境下任务远程执行的通讯开销不能再被忽略以及存在消息传递的延迟等问题,提出了相应的解决办法．仿真的结果表明相对其它算法,多域最小负载算法有较佳的性能．     

自适应混合演化算法

为避免标准的演化算法演化速度慢，易收敛到局部极值的缺点，融合对梯度的随机模拟，免疫算子，模拟退火算法的思想，提出一种自适应混合演化算法，它在不同的演化阶段自适应的采用不同的演化算子，在演化初期具有较强的全局搜索性能，在演化中后期具有较强的精搜索性能，能迅速收敛于全局最优解；对标准测试函数的仿真结果表明，该算法具有精度高，收敛速度快，稳健性强的优点。     

模糊自适应算法的神经网络图像重建

在12电极ECT系统中,采用BP神经网络进行图像重建时以一定原则选取学习样本,并引入模糊自适应算法以加快训练的收敛速度,获得较满意的重建图像效果．     

自适应权重的GPSR压缩感知重构算法

在压缩感知信号重构的过程中,为使投影梯度稀疏重构算法（GPSR）在保持低复杂度的同时,能有效提高重构性能,引入了自适应思想,给重构模型添加具有惩罚意义的权重系数,以寻找算法复杂度和精度之间的最佳平衡点;根据解的收敛进程不断调整权重值,以加速收敛.仿真实验表明：在相同条件下,该算法的计算效率优于传统的GPSR算法和典型的OMP算法,能在较短的运行时间内大幅度提高重构精度.     

基于自适应神经PID改进算法的非线性系统控制

通过研究非线性系统动态特性,分析了一般神经PID控制器的控制特点并在此基础上给出了一种改进算法.通过在线训练和学习来修正参数,实现神经网络自适应调整比例常数PID控制.该算法充分利用BP神经网络算法逼近任意连续有界非线性函数的能力,使得比例常数随着偏差的大小而变化,使目标函数达到最优化.仿侣真结果表明.在对非线性动态系统进行控制时,自适应PID神经网络控制算法具有很强的灵活性和高效性,能取得良好的控制性能.     

基于自适应和变游走方向的改进狼群算法

针对狼群算法涉及参数较多、步长参数无法动态调整、游走方向固定等缺点,提出了一种基于自适应和变游走方向的改进狼群算法.该算法改进了游走行为、召唤行为、围攻行为3个主要步骤的移动步长,特别是当游走行为的试探方向改进后,每头狼都能根据头狼位置的变化自动调节移动步长、更换游走方向,从而简化参数设定,提高收敛速度和求解精度.仿真结果表明,改进算法在低维单峰函数求解精度上较原算法有明显改善,亦进一步提高了高维多峰函数的求解精度.     

一种非线性自适应粒子群优化算法

针对粒子群优化算法中出现早熟和不收敛问题,分析了基本PSO算法搜索速度对其优化性能的影响,提出了一种根据速度信息非线性自适应调整参数的粒子群优化算法.在算法迭代过程中,粒子随迭代次数和递减指数确定的非线性变化的理想速度自适应调整参数进行搜索,提高了粒子群算法的性能.提出的算法经过测试函数的模拟实验验证,并与其他已有算法进行了比较.实验结果表明,该算法在搜索精度和收敛速度等方面有明显优势,特别是高维、多峰等复杂非线性优化问题时,算法的优势更明显.     

基于系统效益的循环结构网格工作流调度算法

针对网格计算中的工作流,大部分只考虑DAG(Directed Acyclic Graph)工作流调度模型,本文对于含有更复杂的工作流结构(如循环、并行、分支等)进行了研究,并提出了一种任务优先级调度策略,用循环并行算法(LOOP-PARAL)解决了含有循环结构的网格工作流的任务调度问题,在满足用户QoS(Quarlity of Service)需求的同时,使系统的负载更加平衡,更加适合开放复杂的网格环境,提高了系统的性能.仿真实验证明了该算法的合理性和有效性.     

增强安全隐匿网格系统的研究

网格技术的广泛应用对网格环境的安全、隐私和服务质量提出了越来越高的要求．提出了增强网格安全和匿名系统构架，包含系统模型、身份保护系统、洋葱路由系统、信誉系统和安全技术等．并通过计算机网络系统模拟分析了其可扩展性．     

基于RLS自适应算法的音频数字水印检测技术

实现了一种基于音频信号掩蔽曲线的水印嵌入方法，提出了一种基于RLS（递归最小二乘方）自适应滤波算法的水印检测算法，该算法在检测水印时无需原音频文件，实验结果表明，在不影响听觉效果的前提下，这种水印嵌入和检测方法对MPEG压缩，常规滤波，加噪等处理均具有很好的抗攻击性即鲁棒性。     

基于自适应遗传算法的OFDMA资源分配

针对OFDMA系统,提出了基于边缘自适应(MA)准则的子载波分配算法,该算法基于一种新颖的自适应遗传算法.在新算法中的交叉概率、变异概率随着群体适应度的改变而改变,同时在该算法的初始种群中加入优秀基因的个体,使得算法快速收敛,并能搜寻到优秀的子载波分配方案.仿真结果表明:新算法与已有分布式算法、遗传算法相比较,在性能上有较大的改善,并远优于静态的频分多址资源分配方式.     

基于树状结构的RIPS并行调度算法

给出了分布式系统中的一种基于树结构的并行调度算法 RIPS,该算法通过在任务调度算法中引入并行技术 ,使其既具备了静态调度和动态调度的优越性 ,又能克服二者的不足 ,并从理论上证明了该算法能够达到较好的负载平衡、最大限度减少任务的迁移和任务间通信、最大程度计算本地化 ,并举例进行了说明 .     

基于单亲遗传算法的集装箱码头岸桥作业调度

分析了单船装卸作业的岸桥调度问题,以船舶作业时间和岸桥闲置时间最短为目标函数,建立了面向单船的集装箱码头岸桥调度和装卸船任务分配问题的多目标混合整数规划优化模型。设计了一种基于矩阵编码的单亲遗传算法进行求解,将实验算例与相关文献进行比较,结果显示本研究提出的算法能得到更优解。     

基于系数相关性的自适应水印算法

根据人类视觉特征提出了一种基于小波系数相关性的自适应水印嵌入算法.该算法先对原始图像进行的小波分解,选取水印所要嵌入的子带并将所选取的子带划分成2×2大小的块,同时利用每一个小波块中相邻的4个系数之间具有一定的相关性与所要嵌入的水印图像来构造该小波块的水印系数,利用人类视觉模型调整水印的嵌入强度,从而在保证水印不可见性的基础上最大限度的保证水印的鲁棒性.选取不同特点的两幅图片进行实验,实验结果表明,该算法对高斯噪声、椒盐噪声、JPEG压缩、剪切、中值滤波等攻击都具有较好的鲁棒性,对旋转几何攻击具有一定的鲁棒性.     

一种基于优先级的加权公平队列调度算法

根据在无线传感器网络上传输实时业务的要求,深入研究了加权公平队列调度算法.在分析其无法保证实时业务的QoS的原因后,提出一种基于优先级的加权公平队列调度算法P-WFQ.这种算法利用滑动窗口将WFQ和基于优先级的机制结合起来,通过有效的优先级划分策略,在带宽受限的情况下,保证高优先级数据的QoS要求.仿真结果表明:P-WFQ在实时业务的时延性能上比WFQ有明显的改善,而且能够将实时业务的最大时延控制在允许范围之内.