[发明专利]一种混合智能优化方法有效
申请号: | 201410137336.2 | 申请日: | 2014-04-04 |
公开(公告)号: | CN103942419B | 公开(公告)日: | 2017-05-03 |
发明(设计)人: | 程春玲;殷小龙;张登银;付雄;华禹铭 | 申请(专利权)人: | 南京邮电大学 |
主分类号: | G06F19/00 | 分类号: | G06F19/00 |
代理公司: | 南京经纬专利商标代理有限公司32200 | 代理人: | 杨楠 |
地址: | 210046 *** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种混合智能优化方法,属于人工智能与数据挖掘技术领域。本发明将遗传优化算法与细菌觅食优化算法有机结合,首先利用遗传优化算法的广度搜索性得到初步的较优解,并将其作为后期细菌觅食算法中的初始细菌种群,充分利用细菌觅食算法的趋化、复制和驱散操作,不断产生优秀个体,最终逐渐向最优解收敛。本发明进一步在上述技术方案基础上,从遗传选择算子、最佳结合点、细菌趋化和复制操作四个方面分别进行了改进。相比现有技术,本发明能够提高最优解集的收敛速度和精度,且具有更广泛的适用性。 | ||
搜索关键词: | 一种 混合 智能 优化 方法 | ||
【主权项】:
一种云环境下的虚拟机调度方法,其特征在于,利用混合智能优化方法从若干可行的调度方案中搜索出最优的调度方案,具体编码方法如下:用一个一维整数串来表示可行调度方案的编码,个体的长度为当前需调度的任务数量,个体的每一位序号代表任务的编号,每一位上的值代表虚拟机节点的编号,所述混合智能优化方法,用于从对象的若干可行解中搜索出最优解,具体为,首先将对象的可行解进行编码,然后利用遗传优化算法得到一组较优解,最后利用细菌觅食优化算法从所述较优解中得到最优解;在所述遗传优化算法中,将每一代种群的适应度方差与一预设的阈值进行比较,如当前种群的适应度方差小于所述阈值,则停止遗传优化算法,转而执行细菌觅食优化算法;所述细菌觅食优化算法中的趋化操作具体如下:首先对将进行趋化的细菌进行第一次变异操作:将该细菌编码序列的中间位置两边的两个一级子序列互换;对第一次变异操作前、后的两个细菌中适应度较高的细菌进行第二次变异操作:将该细菌编码序列的中间位置左/右边的一级子序列从中间位置划分为两个二级子序列,将这两个二级子序列互换;对第二次变异操作前、后的两个细菌中适应度较高的细菌进行第三次变异操作:将该细菌编码序列最左/右边的二级子序列从中间位置划分为两个三级子序列,将这两个三级子序列互换;依此方式不断向细菌编码序列的左/右递归,直到细菌编码序列的首/末位,趋化操作结束;所述细菌觅食优化算法中的复制操作具体如下:将当前细菌种群中的细菌按照适应度从小到大或从大到小的顺序进行排序;对其中的第i个细菌Xi和第i+S′个细菌Xi+S′进行以下交叉操作,i=1,2,…,S′,S′=S/2,S为所述细菌种群的规模:分别从细菌Xi和细菌Xi+S′的编码序列中截取相同长度的片段,截取位置为随机生成;然后将从细菌Xi截取的片段插入细菌Xi+S′剩余部分之前/后,将从细菌Xi+S′截取的片段插入细菌Xi剩余部分之前/后,得到两个新的细菌并保留其中适应度较高的细菌;在从细菌Xi和细菌Xi+S′的编码序列中截取片段时,待当前细菌种群中的所有细菌均完成交叉操作后,对保留的细菌进行复制,得到新的细菌种群。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京邮电大学,未经南京邮电大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201410137336.2/,转载请声明来源钻瓜专利网。
- 上一篇:带有单侧减震装置的车轮
- 下一篇:金鸣片的质量控制检测方法
- 同类专利
- 专利分类
G06 计算;推算;计数
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用
G06F 电数字数据处理
G06F19-00 专门适用于特定应用的数字计算或数据处理的设备或方法
G06F19-10 .生物信息学,即计算分子生物学中的遗传或蛋白质相关的数据处理方法或系统
G06F19-12 ..用于系统生物学的建模或仿真,例如:概率模型或动态模型,遗传基因管理网络,蛋白质交互作用网络或新陈代谢作用网络
G06F19-14 ..用于发展或进化的,例如:进化的保存区域决定或进化树结构
G06F19-16 ..用于分子结构的,例如:结构排序,结构或功能关系,蛋白质折叠,结构域拓扑,用结构数据的药靶,涉及二维或三维结构的
G06F19-18 ..用于功能性基因组学或蛋白质组学的,例如:基因型–表型关联,不均衡连接,种群遗传学,结合位置鉴定,变异发生,基因型或染色体组的注释,蛋白质相互作用或蛋白质核酸的相互作用