基于粒子群算法的云计算任务调度研究

为克服粒子群优化算法早熟收敛，提出一种基于子群变异的改进粒子群优化算法（SsMPSO）。该算法提出一种具有随机定向振荡式搜索的子群对主群的全局最优位置进行变异，改变了完全随机的变异方式，为算法提供局部

在基于DEM的地形表面重构中，传统的插值方法（B样条插值、双线形插值）获取的地形表面过于平滑，不能反映自然地形具有无限细节的事实。引入3维迭代函数系统（3D-IFS）插值方法来重构经随机简化的原始地形

一本可以称为PSO圣经的书，书名就是ParticleSwarmOptimization。英文原版，不会让你失望的。

如何进一步实现云计算环境下的资源利用最大化是目前研究的热点。建立云计算环境下的资源分配模型，云计算资源调度使用蝙蝠算法，同时引入膜计算概念，提出一种基于膜计算的蝙蝠算法，将膜系统内部分解为主膜和辅助膜

智能微电网的优化调度，包括蓄电池、柴油机、大电网等分布式设备，用粒子群算法进行优化，程序可以执行，可以对对其场景进行重新设计、并对其算法进行改进。

云计算环境下资源分配与任务调度研究PDF

带时间窗车辆调度问题是一类典型的NP难解问题。为了克服标准粒子群算法存在早熟收敛和易陷入局部解等问题，提出了一种改进的粒子群优化算法。该算法在惯性权重递减的基础上通过群体极值进行[t]分布变异，使算法

针对最小化流水车间调度总完工时间问题，提出了一种混合的粒子群优化算法（HybridParticleSwarmAlgorithm，HPSA），采用启发式算法产生初始种群，将粒子群算法、遗传操作以及局部搜

针对飞行器健康状况难以准确预测的问题，提出了一种基于小波包变换与自适应多变量灰色预测模型对飞行器健康状况进行预测的新方法。采用先进的声发射技术监测飞行器关键部件的健康状态，运用小波包对由声发射监测系统

ppt，详细说明粒子群算法如何应用在生产调度问题上，包括举例说明。