發(fā)布時(shí)間：2024-05-11 00:08

　　隨著云計(jì)算的發(fā)展及普及,提升整體的資源管理及運(yùn)營效率、優(yōu)化投資已成為關(guān)鍵。在云計(jì)算應(yīng)用環(huán)境中,資源和任務(wù)調(diào)度需要考慮多種異構(gòu)資源以及復(fù)雜多變的應(yīng)用需求,同時(shí)兼顧各種性能需求,包括數(shù)據(jù)中心的整體能耗、資源利用率、經(jīng)濟(jì)效益、用戶服務(wù)質(zhì)量等等。這些問題通常相互關(guān)聯(lián),相互促進(jìn)或抑制,不能使用簡單的權(quán)重賦值的方式來解決。因此云計(jì)算調(diào)度問題具有離散優(yōu)化和多目標(biāo)優(yōu)化的共同特征,很適合采用優(yōu)化算法來求解。但云計(jì)算環(huán)境中資源的異構(gòu)性、應(yīng)用的多樣性和動(dòng)態(tài)性,以及多重約束及多重優(yōu)化目標(biāo)要求,對(duì)優(yōu)化算法提出了更高的要求,并需要確保優(yōu)化算法的高可靠性、穩(wěn)定性和可擴(kuò)展性。本文重點(diǎn)對(duì)新型群智能算法進(jìn)行研究,并應(yīng)用于解決云計(jì)算環(huán)境中的多目標(biāo)離散優(yōu)化問題。本文的主要研究工作包括:1)研究新型入侵腫瘤生長優(yōu)化算法ITGO(Invasive Tumor Growth Optimization),對(duì)基礎(chǔ)的ITGO算法進(jìn)行優(yōu)化設(shè)計(jì),并擴(kuò)展到離散化空間,使之可用于求解離散問題。ITGO算法是本實(shí)驗(yàn)室提出一種基于腫瘤細(xì)胞生長機(jī)制的新型群智能算法,通過生長細(xì)胞、入侵細(xì)胞、休眠細(xì)胞、死亡細(xì)胞等四類細(xì)胞在營養(yǎng)環(huán)境中的相互轉(zhuǎn)換及遷移來求解...

【文章頁數(shù)】：158 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

圖1-1論文的整體結(jié)構(gòu)圖

τ謾１疚母?菰萍撲閎撾竦鞫任侍獾囊?般特點(diǎn)，基于混合優(yōu)化策略，在不生成后代的螢火蟲種群中引入后代衍生和優(yōu)勝劣汰的思想，使用一種非精英個(gè)體的量子行為和一種次優(yōu)解個(gè)體隨機(jī)游走的搜索策略提升算法收斂速度，求解云計(jì)算任務(wù)調(diào)度問題。4）無血管的入侵腫瘤生長優(yōu)化算法及應(yīng)用。本文基于無血管的腫....

圖2-1ITGO算法的細(xì)胞分布圖

華南理工大學(xué)博士學(xué)位論文18的局部最優(yōu)解，搜索新的空白區(qū)域；生長細(xì)胞接受入侵細(xì)胞和自身歷史最優(yōu)值的引導(dǎo)，以一定的概率生成入侵細(xì)胞；休眠細(xì)胞接受生長細(xì)胞的引導(dǎo)，在高營養(yǎng)液濃度的環(huán)境中轉(zhuǎn)變?yōu)樯L細(xì)胞、在極低營養(yǎng)液濃度的環(huán)境中轉(zhuǎn)變?yōu)樗劳黾?xì)胞；死亡細(xì)胞受到歷史最優(yōu)生長細(xì)胞的一些擾動(dòng)，如果....

圖2-2DITGO算法流程圖

華南理工大學(xué)博士學(xué)位論文24養(yǎng)物質(zhì)濃度（適應(yīng)度函數(shù)值）的變化，讓整個(gè)種群在解空間中朝營養(yǎng)液濃度高的方向移動(dòng)，在種群迭代的過程中動(dòng)態(tài)調(diào)整細(xì)胞的狀態(tài)和數(shù)目；找到解空間中的最優(yōu)解。在初始化時(shí)刻，適應(yīng)度排在前TopN%的細(xì)胞為生長細(xì)胞，其余為休眠細(xì)胞；入侵細(xì)胞由生長細(xì)胞動(dòng)態(tài)生成，死亡細(xì)胞....

圖2-3ITGO+算法的收斂曲線(SeperableFunctions)

第二章離散入侵腫瘤生長優(yōu)化算法31(c)ITGO+算法收斂曲線(F3)圖2-3ITGO+算法的收斂曲線(SeperableFunctions)F1到F3是CEC2010測試集中的三個(gè)最為簡單的函數(shù)，包含了多模、轉(zhuǎn)移(shifted)、可擴(kuò)展等共同屬性，屬于可分離的函數(shù)（Seper....

本文編號(hào)：3969227