导读:本文包含了集群优化算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:集群,算法,负载均衡,粒子,鸽群,策略,鱼群。
集群优化算法论文文献综述
佟盛,李大辉,戴学丰[1]（2019）在《水下无人集群优化部署算法设计与分析》一文中研究指出部署优化是水下无人传感器集群重要任务之一,针对水下探测需要,本文设计基于粒子群与人工鱼群法混合部署算法。首先利用先用改进粒子群算法进行初期寻优,然后利用人工鱼群算法进行后期寻优,完成水下无人集群节点部署优化设计。通过对特定场景设计,设定实验约束条件,利用Matlab完成优化部署算法的系统仿真实验,对覆盖率进行对比分析,得出部署优化算法覆盖率提高了25%,覆盖度曲线初期收敛快,后期寻优效果有明显提升。(本文来源于《舰船科学技术》期刊2019年21期）
尚志刚,王力,李蒙蒙,李志辉[2]（2019）在《引入迷失探索与集群分裂机制的改进鸽群优化算法》一文中研究指出鸽群优化算法(pigeon-inspired optimization,PIO)作为一种新兴的优化技术,具有收敛速度快、精度高等优点,但其对于一些具有局部最优值的问题的求解效果并不理想.将自然界中鸽群飞行时的迷失探索和集群分裂机制引入原始鸽群优化算法,提出了一种迷失探索与集群分裂鸽群优化算法(lost and split pigeon-inspired optimization,LSPIO),迷失探索机制的引入加强了算法的全局搜索性能,而集群分裂机制增加了种群多样性.选取9个标准测试函数进行算法性能评估,并与标准鸽群算法和粒子群算法进行对比.结果表明,LSPIO算法在保持良好收敛性质的同时可以有效地避免早熟问题,且提高了种群多样性.(本文来源于《郑州大学学报(工学版)》期刊2019年04期）
李东光,刘智平,姜雨菲[3]（2019）在《蚁群优化算法的Docker集群调度策略》一文中研究指出针对轻量级虚拟化技术Docker集群调度策略Docker Swarm无法很好实现负载均衡且不能很好发挥集群的整体性能问题,提出利用蚁群优化算法对其调度进行改进,通过搭建容器集群进行任务调度分配资源,分别对Swarm原生的调度策略和文中提出的改进算法进行对比实验。实验结果表明,在相同配置下,蚁群优化算法相比Docker原始调度策略集群压力测试QPS性能大约提升20%,同时该算法使得集群中各个节点的资源利用更加均衡,具有了更快的服务响应速度。(本文来源于《西安工业大学学报》期刊2019年03期）
练青坡,王宏健,袁建亚,高娜,胡文月[4]（2019）在《基于粒子群优化算法的USV集群协同避碰方法》一文中研究指出针对无人水面艇(unmanned surface vessel,USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。(本文来源于《系统工程与电子技术》期刊2019年09期）
晋国卿[5]（2019）在《混合动态数据库集群的并行空间连接优化算法》一文中研究指出传统算法数据划分冗余度和倾斜度高,无用连接数据多,降低负载均衡性,对整体效率产生不好的影响,不适于实际应用。为此,面向混合动态数据库集群提出一种新的并行空间连接优化算法。采用网格划分法对数据进行划分,依据空间数据划分结果获取数据分布状态,计算节点按照数据分布状态得到候选集。通过平面扫描形成若干子空间连接的子任务,利用构建节点花费模型,依据花费模型对并行空间连接所需的平均节点访问个数进行评估,把候选任务集分配至不同计算节点,在不同节点执行并行空间连接操作。通过边界过滤策略,删除不可能有结果的元组,提高效率,增强算法的实用性。实验结果表明,所提算法适于实际应用,效率高。(本文来源于《科学技术与工程》期刊2019年12期）
汤亮亮,任华,乔颖,张宇精,张广洲[6]（2018）在《基于改进蚁群算法的海上风电集群输电系统拓扑优化》一文中研究指出大型海上风电集群的输电系统成本较高,针对输电系统的拓扑优化可以有效提高系统经济性。为了解决输电海缆路径受风电场布局限制可能导致海缆随意穿越风电场区域问题,文章建立了考虑海缆可行路径约束的风电集群输电系统的经济性模型,通过设计蚁群算法对该优化问题进行求解,并从择路策略和信息素更新策略计算方法等方面对传统的蚁群算法进行了改进。以江苏如东海上风电场作为实际工程进行算例分析,结果表明:相比目前工程规划方案,所建模型可以有效提高系统经济性;相比传统蚁群算法,改进蚁群算法的优化效率大大提高。(本文来源于《可再生能源》期刊2018年12期）
刘梅,高岑,田月,王嵩,刘璐[7]（2018）在《基于Docker Swarm集群的调度策略优化算法》一文中研究指出Swarm是一种对集群中Docker镜像和容器进行管理的工具,其在计算节点权值时可能会得到若干个相同权值的节点.现有的Swarm调度策略只是将这些节点随机分配,由于相同权值节点的资源负载情况并不相同,所以将会造成节点负载不均衡.针对上述问题,本文提出一种动态调度算法对Swarm调度策略进行优化.通过实验,证明增加动态调度算法能够使集群中节点负载更加均衡,同时提高集群的整体资源利用率.(本文来源于《计算机系统应用》期刊2018年09期）
毛成宇[8]（2018）在《GPU集群云渲染平台负载均衡与优化管理算法》一文中研究指出近年来,虚拟仿真的叁维场景渲染日益成为计算机图形学中的一个热点方向。具有实时交互功能的3D场景渲染在虚拟现实,动画电影,身临其境的游戏等方面具有广阔的应用前景。本文首先对于当今主流的PC集群云渲染平台中所用到的技术进行了系统的概述,同时也分析了云渲染平台的一些发展中的优劣点,并通过国内外的一些具体例子来进行了阐述,具体介绍了以往主打的CPU渲染技术向GPU技术的过渡,同时也介绍了云渲染中负责渲染绘制的主体GPU集群所使用的并行渲染技术架构体系。然后对本文所使用的编程工具和针对光线追踪算法而使用的CUDA以及Optix光线跟踪引擎进行了介绍。本文重点对GPU集群负载均衡技术展开了具体的分析和讨论,类比分析了关于负载均衡技术所产生的意义,从负载不均衡现象反面推出了解决服务器上负载分配调度的重要性,由于集群作业任务调度策略有多种不同的划分方式,本文详细从典型的调度策略入手以此深入的讲解了负载均衡调度的主流算法。最后,本文为了论证所研究的云端GPU集群渲染能力和提出的负载均衡算法的可行性和适用性,设计实现了能够运行的并行绘制服务器端GPU集群绘制系统,针对集群的负载均衡问题,展开了对任务调度策略的研究,并通过对以往出现的负载均衡策略分析进行总结,然后利用计算机图形学中连续性来预测时间和光线追踪中的递归深度相结合的策略,提出了动态预测递归深度的负载均衡算法。该算法首先通过统计前帧绘制时间来对叁维场景进行初始化剖分,然后依据统计数值和渲染中的二次光线递归情况对后续渲染任务进行自趋动态划分,从而避免了因为负载不均衡现象而造成的集群系统渲染性能震荡的问题。根据实验结果表明:基于该负载均衡策略的GPU集群绘制系统能够对叁维实时渲染的性能和效率产生很大的提升,因此本文对GPU集群云渲染平台负载均衡的研究将对叁维渲染行业在今后的发展起到一定的推动作用。(本文来源于《长春理工大学》期刊2018-06-01）
申泽星[9]（2018）在《Web集群系统在混合请求下的负载均衡优化算法》一文中研究指出随着互联网的快速发展和广泛应用,Web信息系统处理的业务形式多种多样,服务站点规模和服务响应增长越来越大,为了提高信息服务系统的可用性、可靠性和安全性,服务集群技术应运而生。为了充分利用集群中每个服务节点资源以提高集群整体性能,需要选择合适的负载均衡技术和高效的负载均衡算法来分配客户端访问请求,使每台服务器或服务节点处理访问负载的大小基本平衡。本文针对Web集群系统中传统负载均衡算法存在的不足,提出一种处理混合请求的负载均衡优化算法,以叁类改进模型为主,完成了如下工作:1、负载模型的优化传统算法使用连接数和响应时间等单一变量作为衡量服务器负载大小的依据,没有考虑其他的影响因素,而且对请求访问做统一处理。负载模型将请求分为静态资源请求和动态资源请求,使用多维度变量计算节点的最大处理能力、总负载和静态负载。使用负载率表示一个节点承受负载大小的程度,同时提出了负载均衡方差的概念来衡量整个集群系统的负载均衡程度;2、自适应权重模型的优化传统算法通过服务器性能或者以往经验设置服务器权值,这种权值不够准确,而且无法更新。根据服务器的负载量和平均时间存在某种非线性关系,自适应权重模型利用BP神经网络的误差反向传播算法存储这种非线性关系,使服务器权值可以根据后台节点的负载情况实时修正。实验验证了该模型可以有效减少输出值和期望值之间的误差,使每台服务器可以接收期望的动态负载;3、分发模型的优化传统算法在一个采样周期内会把全部请求分配给同一台服务器而造成负载倾斜。分发模型基于自适应权重模型,使用哈希表记录静态资源请求的分配,将同一请求分发给同一台服务器,提高缓存命中率;利用BP神经网络的输出误差计算每台服务器接收到动态资源请求的概率,在一个采样周期内概率性地分发动态资源请求,避免负载倾斜。实验验证了该模型的有效性。4、采用OPNET软件对负载均衡算法进行模拟仿真,结果表明,相比加权轮询算法和最小连接数算法,本文的优化算法使负载均衡器的CPU使用率最低,负载均衡方差最小,负载均衡效果最好,证明了本文优化算法的合理性和有效性。(本文来源于《华南理工大学》期刊2018-04-23）
申泽星,彭云建,岳喜顺[10]（2018）在《集群服务器在混合请求下的负载均衡优化算法》一文中研究指出针对Web集群服务器在处理分配混合页面访问任务时开环负载均衡算法导致局部服务器负载偏高而降低系统效率的问题,建立了一类基于动态调节的闭环负载分配策略。根据服务器处理Web访问页面类型的特点,建立静态页面与动态页面混合处理的负载量模型,形成处理不同服务请求与负载均衡的内在动态映射关系,以此优化静态页面缓存与调用方式,并基于服务器负载率动态预测和均衡指标,采用负载率偏差最小的任务权重最优分配模型,确定服务器集群的最优任务权重,实现了服务器集群处理混合页面访问的负载均衡分配策略和算法。仿真结果验证了负载均衡算法的正确性和有效性,可以达到更好的负载均衡效果。(本文来源于《计算机工程与应用》期刊2018年18期）
集群优化算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
鸽群优化算法(pigeon-inspired optimization,PIO)作为一种新兴的优化技术,具有收敛速度快、精度高等优点,但其对于一些具有局部最优值的问题的求解效果并不理想.将自然界中鸽群飞行时的迷失探索和集群分裂机制引入原始鸽群优化算法,提出了一种迷失探索与集群分裂鸽群优化算法(lost and split pigeon-inspired optimization,LSPIO),迷失探索机制的引入加强了算法的全局搜索性能,而集群分裂机制增加了种群多样性.选取9个标准测试函数进行算法性能评估,并与标准鸽群算法和粒子群算法进行对比.结果表明,LSPIO算法在保持良好收敛性质的同时可以有效地避免早熟问题,且提高了种群多样性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
集群优化算法论文参考文献
[1].佟盛,李大辉,戴学丰.水下无人集群优化部署算法设计与分析[J].舰船科学技术.2019
[2].尚志刚,王力,李蒙蒙,李志辉.引入迷失探索与集群分裂机制的改进鸽群优化算法[J].郑州大学学报(工学版).2019
[3].李东光,刘智平,姜雨菲.蚁群优化算法的Docker集群调度策略[J].西安工业大学学报.2019
[4].练青坡,王宏健,袁建亚,高娜,胡文月.基于粒子群优化算法的USV集群协同避碰方法[J].系统工程与电子技术.2019
[5].晋国卿.混合动态数据库集群的并行空间连接优化算法[J].科学技术与工程.2019
[6].汤亮亮,任华,乔颖,张宇精,张广洲.基于改进蚁群算法的海上风电集群输电系统拓扑优化[J].可再生能源.2018
[7].刘梅,高岑,田月,王嵩,刘璐.基于DockerSwarm集群的调度策略优化算法[J].计算机系统应用.2018
[8].毛成宇.GPU集群云渲染平台负载均衡与优化管理算法[D].长春理工大学.2018
[9].申泽星.Web集群系统在混合请求下的负载均衡优化算法[D].华南理工大学.2018
[10].申泽星,彭云建,岳喜顺.集群服务器在混合请求下的负载均衡优化算法[J].计算机工程与应用.2018
论文知识图
