智能計算方法及其資源管理應用

 

目錄

 

 

 

 

第1章概述

 

1．1研究背景與意義

 

1．2國內外研究現狀

 

1．2．1確定式方法

 

1．2．2啟發式方法

 

1．2．3元啟發式方法

 

1．2．4機器學習方法

 

1．2．5資源管理

 

第2章面向多目標的資源管理

 

2．1基於粒子群灰狼混合算法的多目標進化算法

 

2．1．1引言

 

2．1．2相關工作

 

2．1．3問題模型

 

2．1．4優化方法

 

2．1．5實驗

 

2．1．6總結

 

2．2基於正弦餘弦改進算法的多目標進化算法

 

2．2．1引言

 

2．2．2相關工作

 

2．2．3方法概覽

 

2．2．4實驗

 

2．2．5總結

 

2．3多目標進化算法在微電網中的應用

 

2．3．1引言

 

2．3．2相關工作

 

2．3．3問題模型

 

2．3．4實驗

 

2．3．5總結

 

第3章面向混合雲的資源管理

 

3．1混合雲環境下麵向安全的科學工作流數據佈局策略

 

3．1．1引言

 

3．1．2相關工作

 

3．1．3問題模型

 

3．1．4基於SAGAPSO的數據佈局策略

 

3．1．5實驗

 

3．1．6總結

 

3．2混合雲環境下麵向多目標優化的科學工作流數據佈局策略

 

3．2．1引言

 

3．2．2相關工作

 

3．2．3問題模型

 

3．2．4基於IOMOEA的數據佈局策略

 

3．2．5實驗與分析

 

3．2．6總結

 

3．3混合雲環境下代價驅動的多工作流應用在線任務調度方法

 

3．3．1引言

 

3．3．2相關工作

 

3．3．3問題模型

 

3．3．4算法

 

3．3．5實驗

 

3．3．6總結

 

3．4混合雲環境下麵向時延優化的科學工作流數據佈局策略

 

3．4．1引言

 

3．4．2相關工作

 

3．4．3問題模型

 

3．4．4基於GADPSO的數據算法

 

3．4．5實驗模擬與結果

 

3．4．6總結

 

第4章面向能源優化的資源管理

 

4．1光儲充電站多目標自適應能量調度策略

 

4．1．1引言

 

4．1．2相關工作 

 

4．1．3問題模型 

 

4．1．4基於AD_NSGAⅢ的能量調度策略

 

4．1．5實驗 

 

4．1．6結果評價

 

4．1．7結論 

 

4．2面向用戶滿意的PSCS能量調度策略

 

4．2．1引言

 

4．2．2相關工作

 

4．2．3問題模型

 

4．2．4算法設計與分析

 

4．2．5模擬實驗與分析

 

4．2．6總結

 

4．3面向運營商效益的PSCS能量調度策略

 

4．3．1引言

 

4．3．2相關工作

 

4．3．3問題模型

 

4．3．4算法設計與分析

 

4．3．5模擬實驗與分析

 

4．3．6總結

 

4．4單一充電模式的電動汽車充電調度策略

 

4．4．1引言

 

4．4．2相關工作

 

4．4．3建模需求分析與權重計算

 

4．4．4問題模型

 

4．4．5基於準入機制的GASA算法

 

4．4．6模擬實驗與結果分析

 

4．4．7總結

 

4．5多種充電模式的電動汽車充電調度策略

 

4．5．1引言

 

4．5．2相關工作

 

4．5．3問題模型

 

4．5．4基於充電優先級的NSGAⅡ算法

 

4．5．5模擬實驗與結果分析

 

4．5．6總結

 

4．6基於聯合模型的電池健康狀態估計

 

4．6．1引言

 

4．6．2相關工作

 

4．6．3問題模型

 

4．6．4實驗與分析

 

4．6．5總結

 

4．7基於聚類和時間間隔模型的電池健康狀態估計

 

4．7．1引言

 

4．7．2相關工作

 

4．7．3問題模型

 

4．7．4實驗與分析

 

4．7．5總結

 

4．8基於深度遷移學習的跨域電池健康狀態估計

 

4．8．1引言

 

4．8．2相關工作

 

4．8．3方法

 

4．8．4實驗

 

4．8．5總結

 

4．9基於源域選擇的跨域電池荷電狀態估計

 

4．9．1引言

 

4．9．2相關工作

 

4．9．3方法

 

4．9．4實驗

 

4．9．5結果與討論

 

4．9．6總結

 

參考文獻