期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
量子多目标进化算法研究 被引量:5
1
作者 唐欢容 蒋浩 郑金华 《计算机工程与应用》 CSCD 北大核心 2007年第13期45-48,60,共5页
首次将量子计算的理论用于多目标优化,提出量子多目标进化算法(QMOEA),其采用量子位染色体表示法,利用量子门旋转策略和量子变异实现群体的进化,使用!支配关系构造外部种群以此保持算法的较好分布性,提出基于快速排序的非劣最优解构造... 首次将量子计算的理论用于多目标优化,提出量子多目标进化算法(QMOEA),其采用量子位染色体表示法,利用量子门旋转策略和量子变异实现群体的进化,使用!支配关系构造外部种群以此保持算法的较好分布性,提出基于快速排序的非劣最优解构造方法加快算法运行效率,实验表明,这种方法与经典的多目标进化算法SPEA2相比,其收敛性更好且分布更均匀。 展开更多
关键词 多目标进化算法 量子多目标进化算法 多目标优化
在线阅读 下载PDF
基于调和距离量子多目标进化算法的NoC测试规划优化 被引量:2
2
作者 胡聪 李智 +2 位作者 周甜 屈瑾瑾 许川佩 《南京大学学报(自然科学版)》 CAS CSCD 北大核心 2017年第1期173-183,共11页
如何实现测试时间和测试功耗协同优化是目前片上网络(Network-on-Chip,NoC)测试中亟待解决的问题.提出一种基于调和距离量子多目标进化算法(Harmonic distance quantum-inspired multiobjective evolutionary algorithm,HQMEA)的NoC测... 如何实现测试时间和测试功耗协同优化是目前片上网络(Network-on-Chip,NoC)测试中亟待解决的问题.提出一种基于调和距离量子多目标进化算法(Harmonic distance quantum-inspired multiobjective evolutionary algorithm,HQMEA)的NoC测试规划优化方法.采用重用NoC作为测试存取机制(Test access mechanism,TAM)的并行测试方法,对NoC中的内核进行测试,节省测试资源,提高测试效率.提出的算法在量子多目标进化算法(Quantum-inspired multiobjective evolutionary algorithm,QMEA)的基础上,采用多进制概率角编码替代二进制概率幅编码,更好的适应NoC测试规划问题;采用调和距离替代拥挤距离(Crowding distance)能更好的衡量拥挤程度;采用混沌策略动态更新旋转角,能很好地兼顾了算法的探索和发掘能力.在ITC’02test benchmarks测试集上进行对比实验,结果表明相比量子多目标进化算法,提出的算法不仅提升了算法的收敛性,而且保证了Pareto解集良好的分布性. 展开更多
关键词 片上网络 测试规划 量子多目标进化算法 调和距离 混沌映射
在线阅读 下载PDF
改进量子多目标进化算法用于SOC软硬件划分
3
作者 高国红 付俊辉 吕精巧 《计算机应用研究》 CSCD 北大核心 2010年第10期3837-3840,共4页
采用量子多目标进化算法对从任务级进行抽象建模所得到的系统模型进行软硬件划分,并针对SOC系统设计中存在的特点,对量子多目标进化算法进行改进。采用量子个体编码方案,避免个体编/解码的冗余。并将Pareto最优概念与多目标优化相结合,... 采用量子多目标进化算法对从任务级进行抽象建模所得到的系统模型进行软硬件划分,并针对SOC系统设计中存在的特点,对量子多目标进化算法进行改进。采用量子个体编码方案,避免个体编/解码的冗余。并将Pareto最优概念与多目标优化相结合,从而实现了兼顾系统面积、功耗、时间等参数的软硬件划分方法。仿真对比实验结果表明,该算法一次运行可以获得多个Pareto最优解,为各个目标函数之间权衡分析提供了有效的工具,提高了设计效率。在满足系统性能要求下,可为复杂SOC系统提供多个设计目标的全局优化方案。 展开更多
关键词 软硬件划分 量子多目标进化算法 SOC系统 多目标优化
在线阅读 下载PDF
大数据背景下的云联盟数据资源服务组合模型 被引量:6
4
作者 张影 翟丽丽 王京 《计算机集成制造系统》 EI CSCD 北大核心 2016年第12期2920-2929,共10页
针对大数据背景下的云联盟数据资源多服务问题,提出基于Agent的云联盟数据资源服务体系结构,在分析云联盟数据资源服务特征及组合流程的基础上,从任务请求过量和强QoS约束两种组合情形出发,构建了云联盟数据资源服务组合模型,并采用量... 针对大数据背景下的云联盟数据资源多服务问题,提出基于Agent的云联盟数据资源服务体系结构,在分析云联盟数据资源服务特征及组合流程的基础上,从任务请求过量和强QoS约束两种组合情形出发,构建了云联盟数据资源服务组合模型,并采用量子多目标进化算法进行求解。通过仿真实验,证明了模型及算法的可行性与有效性。 展开更多
关键词 大数据 云联盟 数据资源服务组合 量子多目标进化算法
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部