数据中心启发式反向人工蜂群虚拟机整合节能策略

针对数据密集型作业的特点,提出一个基于CPU和图形处理器(GPU)两个影响因素构建计算节点的能耗评估模型.该模型基于原虚拟机选择节能算法(ABCS)在虚拟机选择节能策略中的能效优势,进一步利用启发式思想改进蜂群优化算法,寻求虚拟机整合的最优解.在CloudSim 3.0云计算模拟器中的实验结果表明,启发式反向蜂群算法能在保证服务质量的前提下,有效降低虚拟机迁移次数,进而降低数据中心的能耗(节能25%~30%).     

基于PSO的一类线性系统参数辨识方法研究

研究了一种线性系统的参数精确辨识方法;首先采用PSO(Particle Swarm Optimization,粒子群优化)方法对模型进行优化迭代,并选择合适误差准则作为粒子群优化算法的适应度函数,以迭代每个粒子所对应的参数速度和大小;在此基础上,寻找最小适应度值的粒子,推导出最优的适应度函数值,实现系统参数的实时、精确估计;最后通过实验验证了基于粒子群优化算法的参数辨识法的准确性和有效性。     

Combination of RSM and NSGA-II algorithm for optimization and prediction of thermal conductivity and viscosity of bioglycol/water mixture containing SiO2 nanoparticles

The fluids containing nanoparticles have enhanced thermo-physical characteristics in comparison with conventional fluids without nanoparticles. Thermal conductivity and viscosity are thermo-physical properties that strongly determine heat transfer and momentum. In this study, the response surface method was firstly used to derive an equation for the thermal conductivity and another one for the viscosity of bioglycol/water mixture (20:80) containing silicon dioxide nanoparticles as a function of temperature as well as the volume fraction of silicon dioxide. Then, NSGA-II algorithm was used for the optimization and maximizing thermal conductivity and minimizing the nanofluid viscosity. Different fronts were implemented and 20th iteration number was selected as Pareto front. The highest thermal conductivity (0.576 W/m.K) and the lowest viscosity (0.61 mPa.s) were obtained at temperature on volume concentration of (80 °C and 2%) and (80 °C without nanoparticle) respectively. It was concluded that the optimum thermal conductivity and viscosity of nanofluid could be obtained at maximum temperature (80 °C) or a temperature close to this temperature. An increase in the volume fraction of silicon dioxide led to the enhancement of thermal conductivity but the solution viscosity was also increased. Therefore, the optimum point should be selected based on the system requirement.     

基于改进免疫遗传算法的近红外光谱变量选择方法

该文在免疫遗传算法（IGA）的基础上,提出一种改进免疫遗传算法（iIGA）用于近红外光谱波长变量的选择。该算法舍去了原算法中固定抗体相似度阈值的思想,取而代之的是抗体相似度阈值自适应,同时引入精英保留策略和贪心算法思想,使得算法朝着正确的方向进行局部性探优。将该算法在玉米的淀粉和蛋白质含量数据集上进行实验测试,建立偏最小二乘（PLS）分析模型,并与IGA、遗传算法（GA）以及全谱方法进行了对比。结果表明,在玉米淀粉含量的预测上,iIGA相较于原IGA算法,预测集均方根误差（RMSEP）从0.312 0降至0.298 0,预测集预测精度提升4.5%;在玉米蛋白质含量的预测上,RMSEP从0.124 4降至0.110 3,预测集预测精度提升11.3%。分别对预测淀粉和蛋白质模型的RMSEP值进行显著性检验,F值分别为165.22和182.05,P值分别为9.5 × 10－23和4.5 × 10－24,P值均小于0.05,因此,iIGA能显著提升模型预测精度。     

粗糙集计算方法及应用研究

研究总结了粗糙集计算方法新进展,同时对它们的计算复杂性进行了分析,并给出了这些计算方法之间的逻辑关系结构图,然后讨论了粗糙集在模型方面的扩展,最后对粗糙集计算方法的应用进行了论述.     

平面变栅距位相光栅位移传感器的测量精度极限

提出用透射式变栅距位相光栅作位移传感器,用标量衍射理论讨论了这种传感器的测量精度与光栅的起始栅距及栅距变化系数之间的关系,同时用时域有限元差分(FDTD)算法计算了变栅距位相光栅的衍射场,计算结果表明受衍射偏振特性的影响,这种位移传感器的测量精度在理论上存在极限.     

用混合遗传算法解决有时间窗的车辆路径规划问题

有时间窗约束的车辆路径规划问题是一种NP-hard问题,这种问题往往采用遗传算法来解决.但是传统的遗传算法本身存在的不足将严重影响整个算法的性能.本文设计了一种混合遗传算法,并进行了仿真试验.试验结果表明,用这种算法求解带有时间窗约束的车辆调度问题,可以在一定程度上克服上述问题,从而得到较高质量的解.     

环型配网优化规划的遗传算法

直接使用闭环结构约束,采用遗传算法对仅有2个变电站的环型配网进行优化规划.在配网优化规划的同时考虑到了结构上的环状约束和运行上的辐射状约束.首先介绍了环型配电网优化规划中采用的数学模型,然后介绍了遗传算法理论及其在环型配电网中的应用,并使用Visual C 编程语言,设计、开发环型配网优化规划软件.最后通过对一个17节点的试验系统的优化规划,验证了方法的实用性和有效性.     

基于偏最小二乘的BP网络模型及其应用

基于BP网络模型具有拟合非线性数据的特性,提出一种基于非线性迭代偏最小二乘算法(NIPALS)的BP网络的构造策略,构造了新的PLS-BP网络模型,使BP网络减少迭代步数,提高学习效率.采用非线性迭代偏最小二乘算法预处理数据,将得到主成分数、自变量和因变量的主成分数的权重以及主成分间的关系矩阵B,以此用来确定BP网络的隐节点数和输入层、输出层的初始权值以及隐节点的关联系数.最后,进行仿真实验,并将它与PLS模型、标准的BP网络模型进行了比较,仿真结果表明,拟合和预测效果较好.     

两时间尺度的捷联速度算法研究

根据奇异摄动理论分析具有小参数的捷联惯导系统方程,在两时间尺度上对系统状态方程进行了降阶简化处理,设计捷联算法.在内回路推力速度矢量计算中,应用一种新的划船补偿算法补偿比力转换过程中载体姿态变化产生的速度误差.在外回路中进行重力地速计算,完成导航坐标系上速度的更新.仿真结果表明:新算法精度与Savage四子样算法近似,计算量小.