基于萤火虫优化的副本放置方法
云计算下的基于萤火虫-遗传算法的资源调度
云计算下的基于萤火虫-遗传算法的资源调度随着云计算技术的发展，越来越多的企业和用户开始将自己的业务和数据迁移到云端，以便更好地利用云平台的高性能和强大的计算能力。
云计算平台在提供高效服务的同时，也面临着庞大的资源调度问题。
本文提出了一种基于萤火虫-遗传算法的资源调度策略，以优化云平台资源的利用效率。
一、云计算资源调度的瓶颈云计算的发展离不开云中的资源管理。
云计算平台通常由大量的计算节点和存储节点组成，这些节点需要在各种应用程序间进行资源共享，以实现资源利用率的最大化。
资源调度问题涉及到如何高效地分配系统资源，以保证业务的高效运行和用户满意度的提高。
云计算资源调度主要面临以下几个瓶颈：（1）负载均衡问题。
在云计算环境中，不同的用户和应用程序需要访问共享的计算资源，这就需要合理地分配资源，以避免某些节点负载过高，从而导致系统崩溃或效率低下。
（2）数据可用性问题。
云计算平台中存储节点的数据可用性直接影响了用户对系统的信任度。
数据可用性不足会导致数据丢失和应用程序崩溃，从而影响业务的稳定运行。
（3）可扩展性问题。
云计算平台需要能够快速地适应业务需求的变化，不断扩展资源规模以应对不断变化的工作负载。
二、基于萤火虫-遗传算法的资源调度策略为解决云计算中的资源调度问题，我们提出了一种基于萤火虫-遗传算法的资源调度策略。
该策略基于负载均衡、数据可用性和可扩展性三个方面，通过优化资源分配来提高云计算平台的效率和可靠性。
具体实现如下：（1）萤火虫算法萤火虫算法是一种模拟昆虫群体的优化算法，它在解决优化问题时具有较好的全局搜索能力和收敛速度。
该算法的基本思想是通过萤火虫之间的“引力”和“斥力”来模拟解空间中的搜索过程。
萤火虫之间的移动过程会受到适应度函数的制约，从而达到了寻找最优解的目的。
在云计算平台中，我们可以将萤火虫算法应用于资源分配问题。
具体地，在某一时刻下，每个萤火虫代表一个虚拟机节点，其亮度与节点负载成正比。
基于改进萤火虫算法的冷热电联供系统多目标优化调度
Ｋ ｅｙ ｗｏｒｄｓ： ＣＣＨＰ； ｉｍ ｐｒｏｖｅｄ ｆｉｒｅｆｌｙ ａｌｇｏｒｉｔｈｍ ；ｎｏｒｍ ａｌｉｚｅｄ ｎｏｒｍ ａｌ ｃｏｎｓｔｒａｉｎｔ；Ｐａｒｅｔｏ ｆｒｏｎｔｉｅｒ
摘 要 ：冷 热 电联 供 系 统 应 用 和优 化 具 有 重要 的 意 义 。 所 提 出 的 新 型 冷 热 电 联 供 系统 优 化 模 型 考 虑 了 能 源利 用 、环 境 保 护 和 成 本 等 限 制 因 素 。在 该 模 型 基 础 上 提 出 了 一种 改进 萤 火 虫 算 法 ，采 用 了 多群 组 搜 索 、无 用 的 内部 种 群 删 除 和 改 变 步 长 因 子 等 方 法 ，这 能提 高 搜 索速 度 、寻 找 最 优 解 。 同 时提 出基 于规 范 法 线 约 束 的 改 进 萤 火 虫算 法的 双 目标 帕 累托 前 沿优 化 算 法 ，该 方 法 通 过 规 范 法线 约 束 法 转化 为 两 类 单 目标 问题 ． 然后 通 过 改 进 的 萤 火 虫 算 法进 行 单 目标 搜 索 。仿 真 算 倒 采 用 标 准 ＩＥＥＥ３９节 点 系统 验 证 了 所 提 算 法 在 解 决 多 目标 冷 热 电 联 供 系 统 优 化 问 题 时 的 优 越 性 。 关 键 词 ：冷 热 电联 供 系 统 ；改 进 的 萤 火 虫 算 法 ；规 范法 线 约 束 法 ；帕 累托 前 沿 中 图 分 类 号 ：ＴＫ１２３ 文 献 标 识 码 ：Ａ 文章 编 号 ：１００７—２６９１ （２０１８）Ｏ１—００９２—０９
萤火虫算法(精华版)
3. 算法公式
4. 算法实现优化的过程
(1)先将萤火虫群体随机散布在解空间，每一只 萤火虫因为所处位置不 同 发出的荧光度也不同， 通过比较，亮度高的萤火虫可以吸引亮度低的萤火 虫向自己方向移动，移动的距离主要取决于吸引度 的大小。 (2)为了加大搜索区域，避免过早陷入局部最优， 在位置更新过程中增加了扰动项，根据位置更新公 式计算更新后的位置。这样通过多次移动后，所有 个体都将聚集在亮度最高的萤火虫位置上，从而实 现最优。
7. 算法优缺点
优点：萤火虫算法不仅可以优化单峰函数和多峰函数，而 且该算法具有较强的局部搜索能力可以在一个娇小的区域 内找到该区域的最优解。操作方便、实现简单、参数较少、 而且参数对算法的影响较小。 缺点：萤火虫算法必须要求感知范围内有优秀个体向其提 供信息，否则个体将停止搜索，这种搜索方法对优秀个体 的依赖程度太高，从而降低了收敛速度；而且，当个体距 离峰值非常近时，由于步长可能大于该距离，将导致个体 在峰值附近发生震荡现象。
图3 F1(x)的三维效果图
图4 萤火虫算法对F1(x)寻优的结果
图6 F2(x)的三维效果图
图8 萤火虫算法对F2(x)寻优的结果
6. 适用领域
Krishnanand, K.N. 和 Ghose, D. 已将该算法成功应用于多信号源探测和多 模态函数优化领域。 2006年，Krishnanand, K.N. 等人将萤火虫群优化算法应用于集体机器人、 多信号源定位和探测多辐射源领域，并给出了带有动态局部决策范围的 萤火虫群优化算法寻找多个源位置的理论推导。 2007年，Krishnanand, K.N. 等人将萤火虫群优化算法应用于追踪多个移 动信号源位置领域和寻找多个气味源位置的网络机器人系统领域。 2008年，Krishnanand, K.N. 和 Ghose, D. 给出了萤火虫群优化算法应用 于多定位领域的理论基础，并用萤火虫群优化算法捕获多极值函数的多 个局部最优值，此外，还将基于多机器人系统的萤火虫群优化算法应用 于信号源定位领域。 2009年，Krishnanand, K.N.和 Ghose, D. 用萤火虫群优化算法来优化多极 值函数，并捕获多极值函数的多个局部最优值。此Krishnanand, K.N. 和 Ghose, D. 还用基于多种群的萤火虫群优化算法来检测环境中普遍存在 的危险之源。 但在国内，对人工萤火虫群优化算法的研究还刚起步，可参考文献少。
求解布局问题的混合萤火虫群优化算法
２１ ０ ２正
为半 径 画 圆 ．设 第 ｆ 矩 形 件 的 形 心 为 ＝ Ｙ） 个 ｆ ’
矩 形 的边 长 分 别 为ａ 与ａ 其 长边 所 在 直线 与 正 向逆时 针所 成 的 角为 Ｏ ［， ．当置、Ｏ、ａｌ ｆ ｉ ０７ ｃ ） ｉ ｌ 与口２ 确定 后 ， 形件 在坐标 系 中的位置 、 矩 大小 就唯一 确
时 时间长 、精度 不高 的缺 点 ，又发 挥 了萤火 虫 算法 在全局 寻优 的能力 ．
的矩 形 ，带平 衡 约束 的矩 形布 局 的数学 模 型 已被 建
立 起 来 【．分 步 定位 法 是求 解 矩 形布 局 问题 的启 发 ６ 】
１ 矩形 布局 问题 的启 发式求解
１１ 矩形布局 问题 的数学描 述 ． 设 在 圆 形容 器 上 布 均匀 并 大小 不 等 的矩 形 个
文章 编号 ： ０ ０５ ６ （０ ２０ －４ ３０ １０ —８ ２２ １）４０ ０ ・４
求解布局 问题 的混合 萤火 虫群 优化算 法
方 瑛， 曾 宇
（ 北 工业 大 学 理 学 院 ，湖北 武 汉 ４ ０ ６ ） 湖 ３０８
摘 要：为了充分发挥萤火虫算法的优点， 将人工萤火虫群优化算法与启发式策略相结合，设计了一个新 的求
解 布局 问题 的高效 萤火 虫优 化算法 ．实 例测试 和 实验对 比结 果表 明：相对 于 已有 文献 中 的算 法 ，提 出的混合
布局 方法更 加有 效．
关键 词：矩形布局； 启发式策略；萤火虫算法 中图分类 号： ２． Ｏ６ ６ ４ 文献标 志码 ： Ａ 数 在定 义域 内有 较 多 的间 断点 ，因此 求解 此类 布 局
Ｒ， ＝ １ ， ，） ｆＥｌ ｛， … ，质量 为 ｆ ≥Ｄ ｉ ２ ， 为静 不平 衡 量 的
云边环境下基于副本的工作流数据布局策略
云边环境下基于副本的工作流数据布局策略随着云计算和边缘计算的不断发展，云边环境的工作流应用越来越广泛。
而工作流数据布局策略作为工作流管理的关键一环，对于提升系统性能和资源利用率至关重要。
本文将介绍一种基于副本的工作流数据布局策略，以提高云边环境中工作流应用的效率。
一、背景和意义随着云边环境的不断普及和工作流应用的广泛使用，如何有效地管理和调度工作流数据成为了一个重要问题。
传统的集中式数据存储方式在云边环境下面临着网络延迟高、带宽有限等挑战，因此我们需要一种新的数据布局策略来应对这些挑战。
二、基于副本的工作流数据布局策略1. 数据冗余副本基于副本的工作流数据布局策略采用了数据冗余的机制，即将工作流数据多次复制到不同的节点上。
这样一来，无论用户请求的工作流数据位于云端还是边缘节点，系统都能够快速响应，大大减少了数据访问的延迟。
2. 数据就近原则在基于副本的工作流数据布局策略中，我们采取了数据就近的原则。
具体而言，将数据的副本存放在离用户最近的节点上，从而减少数据在网络中的传输时间。
这样一来，无论用户所在位置，都能够快速获取到所需的工作流数据。
3. 副本选择策略在选择副本的时候，我们可以采取多种策略。
一种常见的策略是根据数据的访问频率进行选择，将热数据的副本存放在更靠近用户的边缘节点上，减少数据的访问延迟。
另一种策略是根据节点的可用资源进行选择，将副本存放在资源充足的节点上，以保证数据的可靠性和可用性。
三、优势和应用场景基于副本的工作流数据布局策略具有以下优势：1. 提高了系统的容错性：由于数据的冗余副本，即使某个节点发生故障，系统仍然可以正常运行，从而提高了系统的容错性。
2. 减少了数据访问延迟：通过将数据副本存放在离用户最近的节点，可以有效地减少数据的访问延迟，提高了系统的响应速度。
3. 提升了资源利用率：通过选择合适的副本存放节点，可以将数据均衡地存放在不同的节点上，从而提高了资源利用率。
基于副本的工作流数据布局策略适用于云边环境下的各种工作流应用，特别是那些对数据访问延迟要求较高的应用，例如实时数据分析和视频处理等。
基于混合萤火虫遗传算法的云计算中的任务调度优化
文章编号：1007-757X(2021)05-0158-03基于混合萤火虫遗传算法的云计算中的任务调度优化孟庆岩】，王晶晶2(烟台黄金职业学院1.信息工程系；2.机电工程系，山东烟台265401)摘要：云计算被广泛应用于商业计算，将计算资源从大量资源池中优化分配给6户，因此在按需连接中分配资源的能力面临严重的挑战。
任务调度是作业车间调度问题的一个变种，属于计算复杂性中1NP完全(NP-Complete)问题#对此提出了一种新的混合萤火'遗传组—1元启发式调度算法任务，融合了萤火'等数学优化算法和遗传算法等进化算法的优点，形成了一个强大1元启发式搜索算法。
混合萤火'遗传算法能够8所有任务1执行时间最小为目标，快速收敛到近似最佳方案来调度任务。
该算法在云计算仿真软件CloudSim中进行了测试，实验结果表明，所提出1算法性能优于传统1FIFO算法和遗传算法#关键词：云计算；任务调度；混合萤火'遗传算法；元启发式；进化算法中图分类号：TP391文献标志码：ATask Scheduling Optimization in Cloud Computing Basedon Hybrid Firefly Genetic AlgorithmMENG Qingyan1,WANG Jingjing2(1.Department of Information Engineering% 2.Department of Mechanical and Electrical Engineering,YantaiGoldColege!Yantai265401!China)Abstract:Cloud computing is widely used in commercial computing needs,and computing resources are optimally allocated to usersfromalargeresourcepool.Therefore!theabilitytoa l ocateresourcesinon-demandconnectionsfacesseriouscha l enges. Task scheduling is a variant of job shop scheduling problem,which belongs to the NP-complete problem in computational complexity.This paper proposes a new meta-heuristic scheduling algorithm task of hybrid firefly genetic combination,which com-binestheadvantagesofmathematicaloptimizationalgorithmssuchasfireflyandevolutionaryalgorithmstoformapowerfulme-a-heuristicsearchalgorithm.Thehybridfireflygeneticalgorithmcantargettheminimumexecutiontimeofa l tasksandquick-yconvergetoanapproximateoptimalsolutiontoscheduletasks.Thealgorithmistestedinthecloudcomputingsimulation softwareCloudSim.Theexperimentalresultsshowthattheperformanceoftheproposedalgorithmisbe t erthanthetraditional FIFOalgorithmandgeneticalgorithm.Key words:cloud computing；task scheduling%hybrid firefly-genetic algorithm；metaheuristic%evolutionary algorithms0引言云计算是一种新兴的计算模式，根据按需付费策略，用户可以从共享资源池中获得所需资源(1)&云计算的优势主要来自虚拟化技术，即通过虚拟机(VM)工具分配资源&云计算有许多优点，如可扩展性、弹性、廉价、无需预先投资和按需自助服务访问、灵活性等&云服务提供商提供的计算资源通过任务调度算法分配给最终用户，其目标是将资源优化分配给广大用户，同时实现负载平衡&云计算是一门新兴的技术，因此在云计算中任务调度领域有着广泛的研究&任务调度问题近年来涌现了许多启发式算法，本文提出了一种混合萤火虫遗传启发式算法来优化云计算中的资源分配和任务调度&遗传算法属于进化算法的一类，受到自然选择过程和进化论的启发。
基于改进萤火虫算法的覆盖优化方法
基于改进萤火虫算法的覆盖优化方法
苟平章;孙现超
【期刊名称】《传感技术学报》
【年(卷),期】2021(34)12
【摘要】针对无线传感器网络中目标区域仅部署静态节点和移动节点时,分别存在覆盖率低和成本高的问题,提出一种基于改进萤火虫算法的覆盖优化方法。
首先,将
静态和移动传感器节点随机部署在目标区域内,改进位置公式和步长因子,提高全局
搜索能力,加快搜索速度;其次,利用改进萤火虫算法初步确定移动传感器节点的候选目标位置;最后,通过目标位置优化方法得到节点的最佳目标位置,从而完成覆盖优化。
仿真结果表明,与基于PSO算法和CS算法等启发式算法的覆盖优化相比,该优化方法能够缩短平均移动距离,提高网络覆盖率,节省节点能量,延长网络生命周期。
【总页数】8页(P1676-1683)
【作者】苟平章;孙现超
【作者单位】西北师范大学计算机科学与工程学院
【正文语种】中文
【中图分类】TP393;TN929.5
【相关文献】
1.基于改进萤火虫优化算法的WSN覆盖优化分析
2.基于改进人工萤火虫算法的无线传感网络覆盖优化
3.基于改进二元萤火虫群优化算法和邻域粗糙集的属性约简
方法4.求解WSNs覆盖优化的改进萤火虫优化算法5.基于萤火虫算法优化的改进灰色模型的弹用继电器贮存寿命预测方法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于萤火虫算法获取新型点阵结构的方法
基于萤火虫算法获取新型点阵结构的方法随着科技的不断进步和发展，点阵结构在人们的生活中扮演着日益重要的角色。
在许多领域，如显示技术、传感器技术和光学设计等，点阵结构都有着广泛的应用。
为了提高点阵结构的性能和效率，人们一直在寻求新的设计方法和优化算法。
本文将介绍一种基于萤火虫算法的新型点阵结构获取方法，并探讨其在实际应用中的潜力。
一、点阵结构的重要性点阵结构是由一系列平行或交叉排列的数据点组成的二维或三维结构。
在显示技术中，点阵结构被用于生成图像或文字，可以呈现出高清晰度的效果。
在传感器技术中，点阵结构被用于接收和转换外部信号，可以实现精准的测量和检测。
在光学设计中，点阵结构可以控制光的传播和分布，实现光学器件的各种功能。
二、萤火虫算法的原理萤火虫算法是一种模拟自然界中萤火虫行为的优化算法。
萤火虫具有吸引和排斥两种行为，可以通过发出光信号吸引其他萤火虫，也可以通过调节亮度来排斥其他萤火虫。
基于这种行为特点，萤火虫算法模拟了萤火虫的搜索和优化过程，通过寻找最优解来解决复杂问题。
三、基于萤火虫算法的点阵结构获取方法基于萤火虫算法的点阵结构获取方法可以分为以下几个步骤：1. 初始化萤火虫群体：随机生成一定数量的萤火虫，并随机分布在设计空间中。
2. 计算光强度：根据点阵结构的设计目标，计算每个萤火虫的光强度。
光强度可以根据设计需求来设置，如显示图像的清晰度、传感器的精确度等。
3. 更新萤火虫位置：根据萤火虫的光强度和距离，更新每个萤火虫的位置。
光强度高的萤火虫具有更大的移动概率，可以吸引其他萤火虫向其靠近。
距离近的萤火虫可以通过光信号交流，加强彼此之间的联系。
4. 优化过程：重复执行步骤2和步骤3，直到满足设计要求或达到迭代次数。
在每一次迭代中，萤火虫的位置和光强度都会发生变化，经过多次迭代，最优解逐渐趋于稳定。
5. 结果评估：根据最优解的位置和光强度，评估生成的点阵结构是否满足设计要求。
如果满足要求，则可以将该点阵结构用于实际应用。
面向多峰优化问题的萤火虫算法研究
面向多峰优化问题的萤火虫算法研究简介多峰优化问题是指在优化过程中存在多个局部最优解的问题。
萤火虫算法是一种基于生物学现象的启发式优化算法，它模拟了萤火虫的行为和交流方式，被广泛应用于解决多峰优化问题。
本文将深入探讨面向多峰优化问题的萤火虫算法的研究。
萤火虫算法原理萤火虫算法基于萤火虫群体觅食行为的启发。
萤火虫通过发光来吸引同种萤火虫，进而形成群聚现象。
算法的基本原理是通过模拟萤火虫群体中萤火虫之间的相互作用，实现全局搜索和局部搜索之间的均衡。
具体步骤如下：1.初始化萤火虫种群和问题相关的参数。
2.计算每个萤火虫的亮度值，亮度值越高表示越优秀。
3.萤火虫向亮度较高的方向移动，同时受到其他萤火虫的引力影响。
4.更新萤火虫的位置和亮度值。
5.重复执行步骤3和4，直到满足终止条件。
萤火虫算法在多峰优化问题中的应用多峰优化问题中，需要找到所有局部最优解。
萤火虫算法通过模拟萤火虫的相互吸引和移动行为，能够在解空间中搜索多个局部最优解。
下面是萤火虫算法在多峰优化问题中的应用步骤：1.定义适应度函数：根据问题的具体情况，定义一个适应度函数来评估每个解的优劣。
2.初始化萤火虫种群：根据问题的维度和范围，初始化一定数量的萤火虫，并随机生成初始位置。
3.计算亮度值：根据适应度函数，计算每个萤火虫的亮度值。
亮度值越高表示解越优秀。
4.选择亮度高的萤火虫：根据亮度值降序排列，选择亮度高的萤火虫作为种群的领导者。
5.相互吸引和移动：根据领导者的位置信息，其他萤火虫向亮度高的方向移动，并受到领导者的引力影响。
6.更新位置和亮度值：根据移动后的位置，更新萤火虫的亮度值。
7.终止条件判断：根据预设的终止条件，判断是否终止算法。
如果满足条件，则输出所有局部最优解；否则返回步骤4。
优化算法评价指标评价一种优化算法的性能需要考虑多个指标。
以下是常用的几个评价指标：1.收敛性：算法是否能够快速收敛到最优解。
2.多样性：算法是否能够发现多个最优解，而不是陷入局部最优解。
基于修正萤火虫算法的多模函数优化
基于修正萤火虫算法的多模函数优化张玉丽;马小平【期刊名称】《中国科技论文》【年(卷),期】2015(000)008【摘要】萤火虫优化（glowworm swarm optimization，GSO）算法是一种计算多模函数优化问题的新型算法，该算法和蚁群优化、粒子群优化一样，都是一种群智能算法。
针对 GSO 算法在优化多模函数时收敛速度慢、求解精度不高和发现峰值率低的缺点，首先在算法中采用变步长的运动策略，使得步长随着迭代时间自适应地逐渐减小；其次采用较小的初始决策范围值；最后添加了萤火虫的自探索机制。
改进后的学习行为更符合自然界生物的学习规律，更有利于萤火虫发现问题的所有局部最优解。
利用标准测试函数对修正后的萤火虫算法进行测试，仿真结果表明，修正的萤火虫算法具有良好的收敛性和计算精度，在寻找多模函数的峰值个数时显示出很大的优势。
%Glowworm swarm optimization (GSO)is a novel algorithm for the simultaneous computation of multiple optima of mul-timodal functions,which is a swarm intelligence based optimization algorithm,such as ant colony optimization (ACO)and parti-cle swarm optimization (PSO).A modified glowworm swarm optimization algorithm is proposed to solve the problems of GSO in slow convergence speed,low computational accuracy and low peaks discovery rate.Variable step-size movement strategy,the smaller initial value of decision range and the self-exploration behavior of glowworms are introduced.In this way,the behavior of glowworms accorded with the biological natural law evens more,andeasily found multiple optima of a given multimodal function. Simulation results show that this modified optimization strategy has nice convergence ability and high precision,and in capturing multiple optima of multimodal functions,modified GSO performs very well in terms of the number of peaks captured.【总页数】4页(P912-915)【作者】张玉丽;马小平【作者单位】中国矿业大学信息与电气工程学院，江苏徐州 221116; 大连交通大学理学院，辽宁大连 116028;中国矿业大学信息与电气工程学院，江苏徐州221116【正文语种】中文【中图分类】TP183【相关文献】1.基于粒子群和声搜索混合算法的多模态函数优化 [J], 黄金山;王东风2.基于改进小生境粒子群算法的多模函数优化 [J], 史哲文;白雪石;郭禾3.基于改进萤火虫算法的多模函数优化 [J], 吴伟民;亢少将;林志毅;郭涛4.基于修正萤火虫算法的多模函数优化 [J], 张玉丽;5.改进的萤火虫算法及其在函数优化中的应用 [J], 鄢靖丰;张钦程;刘松杰因版权原因，仅展示原文概要，查看原文内容请购买。
基于萤火虫优化的副本放置方法
术的一个关键问题。针对现有副本放置策略中存在的副本访问开销大的问题，提出一种基于离散型萤火虫优化的副本 放置算法。考虑副本放置对用户访问性能的影响，对其建立数学模型，计算萤火虫位置的适应度函数，并朝着荧光素 值最大即最优值移动，进而得到合适的副本放置节点。通过仿真实验评估提出的方法，并与基于蚁群算法的副本放置 策略进行比较。实验结果证明该算法能够选择合适的副本放置节点，具有较好的收敛性，并有效地降低存储系统的副 本访问开销。 关键词：副本放置；萤火虫优化算法；云计算；分布式存储 中图分类号：TP393 doi: 10.3969/j.issn.1001-3695.2017.09.0948
kNi ( t )
(lk (t ) li (t ))
(3)
e) 更新位置。 利用式(4)完成对移动后第 i 只萤火虫的位置 更新。其中：s 是移动步长。
x (t ) xi (t ) xi (t 1) xi (t ) s j x j (t ) xi (t )
0
引言
随着互联网技术的发展，需要处理和存储的数据量呈爆炸
性增长。在海量数据时代，传统的分布式存储解决方案具有成 本过高、扩展性较差、难以提供持久有效的存储服务等缺陷。 为了解决这些问题， 云计算环境下的分布式存储技术应运而生。 云计算环境下的分布式存储，通过集群应用，网格技术或分布 式文件系统等功能，将网络中大量各种不同类型的存储设备通 过应用软件集合起来协同工作，共同对外提供数据存储和业务 访问功能[1]。 云计算环境具有数据量大、存储设备异构以及网络状态差 异等特点，数据丢失和出错成为云计算环境下分布式存储的一 种常态。副本技术是解决此问题的一种有效方法，将数据的副 本保存在多个不同的存储节点上，能够改善存储系统的可靠性 和可用性。其中，放置策略是副本技术所涉及的关键问题，对
基于萤火虫算法的分布式电源最优容量及位置确定方法[发明专利]
![基于萤火虫算法的分布式电源最优容量及位置确定方法[发明专利]](https://img.taocdn.com/s3/m/fe3ef8c1647d27284a735199.png)
专利名称：基于萤火虫算法的分布式电源最优容量及位置确定方法
专利类型：发明专利
发明人：张林垚,吴桂联,宣菊琴,荀超,吴涵,郑洁云,柯晔
申请号：CN201510253147.6
申请日：20150518
公开号：CN104852374A
公开日：
20150819
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于萤火虫算法的分布式电源最优容量及位置确定方法，包括以下内容：含分布式电源配电网理论建模、配电网潮流计算、准入容量计算、初始化目标萤火虫算法、更新萤火虫位置并确定非劣解集、更新外部档案文件、判断是否达到预先设定的最大迭代次数，输出结果。
本发明基于最小网损的目标对基本萤火虫算法进行改进，很好地利用了萤火虫算法的全局搜索与并行计算能力，寻求接入配电网分布式电源最优接入容量及位置；这种方法与其他方法相比较，具有算法简单、寻优速度快，收敛精度高等特点，能更好地分析分布式电源最优接入容量与位置的实际需要。
申请人：国家电网公司,国网福建省电力有限公司,国网福建省电力有限公司经济技术研究院
地址：100031 北京市西城区西长安街86号
国籍：CN
代理机构：济南圣达知识产权代理有限公司
代理人：张勇
更多信息请下载全文后查看。
无线Mesh网络中基于萤火虫和粒子群优化的网关部署组合算法
中图分类号:TN929.5
文献标志码：A
文章编号：1673-4343(2()21 )()3-()()15-()8
Gateway Deployment Combination Algorithm Based on Fireflies and Particle swarm Optimization in Wireless Mesh Network
粒子群优化(particle swarm optimization ,PSO)算法是由Kennedy和Eberhart［13］提出，该算法由鸟 群捕食行为演化而来，其思想主要源于鸟类和鱼类群体的社会行为［14］o在PSO算法中，群体中的每 个粒子根据被赋予的速度值在空间中不断搜索运动 ，每个粒子被赋予一个储存单元,储存单元将记 录位置和速度的信息，通过对比后迭代得出全局最优化值。
In ternet
router]
routeri'
Gateway 1 router4
router^
router^
routed rou1er7ro Nhomakorabeated 0
Internet Unk Wireless Link
Mesh Gateway
图1 WMN骨干网架构图
Mesh Router
1相关工作
目前网关负载均衡的策略主要可以分为3种「4］。第一种是基于移动边界的负载均衡 (moving boundary-based load balancing,MBLB)。文献「5］提出一种最大流量最短路径的网关部署算法来满足 无线网络中路由器的带宽需要;文献⑹以分层思想为基础 、根据簇的大小并以之为条件提出多层的 网关部署算法。第二种是基于分区的负载均衡(partitioned host-based load balancing,PHLB)。文献⑺ 将网络当中的节点分成不相关的簇，簇首为网关节点，簇中各节点以生成树中的路径来进行数据转 发;文献「8］综合考虑了网关数量和MR-GW(mesh router-gateway)路径长度，提出一种网关部署优化 的启发式算法。第三种是基于概率分割的负载均衡。文献「9］同时考虑了路由器数量、客户端数量以
基于萤火虫群优化算法的容器云资源低能耗部署方法
基于萤火虫群优化算法的容器云资源低能耗部署方法
徐胜超;叶朝武
【期刊名称】《计算机与数字工程》
【年(卷),期】2022(50)12
【摘要】为了降低容器云中大量物理主机的消耗能量,提出基于萤火虫群优化算法的容器云资源低能耗部署方法。
通过建立能量消耗模型得出能耗代价函数,将能耗问题转换成多目标优化问题,利用帕累托占优求解多目标优化问题得出最优解集,保证部署过程中最低能耗。
基于容器云资源部署的要求,利用萤火虫群优化算法不断更新容器云资源虚拟机,将主机视为萤火虫种群,根据荧光素在全局中寻优,得出相应虚拟机,生成最优部署方案。
实验结果表明,萤火虫群方法优化的容器云部署性能较好,部署运行时间短、开销小。
【总页数】6页(P2705-2709)
【作者】徐胜超;叶朝武
【作者单位】广州华商学院数据科学学院
【正文语种】中文
【中图分类】TP393.4
【相关文献】
1.基于MapReduce离散萤火虫群优化算法的服务选择方法
2.基于萤火虫群优化算法的无线传感器节点部署
3.基于萤火虫群优化算法的选择性集成雾霾天气预测
方法4.基于改进二元萤火虫群优化算法和邻域粗糙集的属性约简方法5.基于COTDR技术在长输油气管道光纤预警系统中的设计与应用
因版权原因，仅展示原文概要，查看原文内容请购买。
基于萤火虫算法的管路系统布局序列优化技术
基于萤火虫算法的管路系统布局序列优化技术吴宏超;刘检华;唐承统;徐联杰;刘佳顺【期刊名称】《计算机集成制造系统》【年(卷),期】2016(22)8【摘要】针对复杂机电产品中的多根管路布局设计与优化问题,提出一种基于萤火虫算法的管路布局序列优化方法.该方法以长度、折弯数和流阻为综合优化目标,结合布局过程的约束条件建立了优化模型;对萤火虫算法进行离散化,重新定义萤火虫的间距和个体更新机制,使其适用于序列规划问题的求解;提出一种确定性和随机性相结合的方法生成初始种群,以含免疫记忆的A*算法求得路径,同时采用混合种群迭代更新策略,通过更新精英解集获得全局最优解.设计并开发了原型系统,以旅行商问题为例对算法效率进行了测试,并将所提方法应用到某产品的液压管路布局上,验证了所提方法的可行性.【总页数】12页(P1837-1848)【作者】吴宏超;刘检华;唐承统;徐联杰;刘佳顺【作者单位】北京理工大学机械与车辆学院数字化制造研究所,北京100081;北京理工大学机械与车辆学院数字化制造研究所,北京100081;北京理工大学机械与车辆学院数字化制造研究所,北京100081;北京理工大学机械与车辆学院数字化制造研究所,北京100081;北京理工大学机械与车辆学院数字化制造研究所,北京100081【正文语种】中文【中图分类】TP391.9【相关文献】1.基于萤火虫算法的电动汽车充电站优化布局 [J], 邱金鹏;牛东晓;朱国栋2.基于改进人工萤火虫算法的装配序列规划研究 [J], 陆屹;程培源;齐悦;程月蒙3.基于多群体改进萤火虫算法的装配序列规划 [J], 张琦;程培源;程月蒙4.发动机外部管路系统的卡箍布局多目标优化 [J], 徐培原;刘伟5.基于奇异谱分析和改进萤火虫算法优化BP神经网络的时间序列预测 [J], 徐厦;李水艳因版权原因，仅展示原文概要，查看原文内容请购买。
云存储智能多数据副本放置机制
College of Information Science and Engineering, Northeastern University, Shenyang 110819, China
*
+Corresponding author: E-mail: cucumberbb@
张
榜 等：云存储智能多数据副本放置机制
3
系统的实际需要。文献[11]面向数据密集型应用， 以最小化存储代价和通信代价为目标， 提出了一种 数据副本放置机制， 但是该项工作仅考虑了基于树 状模型的层次化数据网格环境，因此其通用性不 足。文献[12]面向提高云系统可用性的需要，通过 建立数学模型， 描述了系统有效性和副本数量的关 系， 给出了副本数量计算方法和副本复制算法， 但 主要是从理论角度研究如何实现数据副本在云环 境下的均衡布局， 并没有给出具体的数据副本放置 机制。文献[13]采用蚁群算法求解副本放置问题， 确定数据副本的存储场地，缩短了用户访问时间， 但是没有考虑维护代价对副本存储场地选择的影 响。 文献[14]基于Hadoop实现了一种数据副本放置 策略， 基于节点间距离与负载计算每个节点的调度 评价值， 据此选择最佳的数据副本放置节点， 但是 该项工作面向的是集群系统而非云存储系统。 文献 [15] 根据节点的性能为数据副本选择最优存储场 地， 但是其主要目标是为了减少节点之间的数据传 送量，提高 Hadoop分布式文件系统的负载均衡能 力。文献[16]提出了一种认知型副本放置方法，根 据用户需求信息， 启发式地完成数据副本的分发和 放置，通信时延低，运行开销小，但是该项工作是 针对内容分发网络数据传输开销大的问题而开展 的，难以直接应用于云存储环境。文献[17]引入维 克瑞—克拉克—格罗夫斯(VCG)机制， 建立副本放 置模型到VCG机制的映射，实现了占优策略均衡， 但是该机制是针对 P2P 环境的特殊需要而定制设 计的，而非面向云存储系统的一般需要。文献[18] 面向P2P网络环境，提出了一种动态选择高性能节 点作为存储场地的副本放置机制 , 尽管可以平衡 P2P节点负载,提高P2P系统可用性，但对云存储系 统的适用性需进一步验证并进行必要的改进。 上述研究工作从不同方面、 不同角度、 不同环 境对数据副本放置问题进行了研究， 给出了有价值 的解决方案， 对本文的研究工作都有启发性。 但是， 其中的一部分工作是面向 P2P 网络、车辆容迟网 络和分布式文件系统等的需要而定制开发的， 不适
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
算法。考虑副本放置对用户访问性能的影响，对其建立数学模型，计算萤火虫位置的适应度函数，并朝着荧光素
值最大即最优值移动，进而得到合适的副本放置节点。通过仿真实验评估提出的方法，并与基于蚁群算法的副
本放置策略进行比较。实验结果证明该算法能够选择合适的副本放置节点，具有较好的收敛性，并有效降低了
存储系统的副本访问开销。
Li Jun，Hou Mengshu
（ School of Computer Science ＆ Engineering，Universihnology of China，Chengdu 611731，China）
Abstract： In order to solve the problem of high access overhead to replicas，this paper proposed a replica placement algorithm based on discrete glowworm swarm optimization． Through mathematical mode establishment for user access overhead，this algorithm computed the fitness function of glowworm position，updated individual position and then obtained appropriate nodes for replica placement． It conducted several simulations and compared with the replica placement strategy based on ant algorithm． The results show that the proposed algorithm can select appropriate nodes for replica placement，and has a better convergence and reduces the replica access overhead． Key words： replica placement； glowworm swarm optimization； cloud computing； distributed storage
0 引言
随着互联网技术的发展，需要处理和存储的数据量呈爆炸 性增长。在海量数据时代，传统的分布式存储解决方案具有成 本 过 高、扩 展 性 较 差、难 以 提 供 持 久 有 效 的 存 储 服 务 等 缺 陷。 为了解决这些问 题，云 计 算 环 境 下 的 分 布 式 存 储 技 术 应 运 而 生。云计算环境下的分布式存储、通过集群应用、网格技术或 分布式文件系统等功能，将网络中大量各种不同类型的存储设 备通过应用软件集合起来协同工作，共同对外提供数据存储和 业务访问功能［1］。 云 计 算 环 境 具 有 数 据 量 大、存 储 设 备 异 构 以及网络状态差异等特点，数据丢失和出错成为云计算环境下 分布式存储的一种常态。副本技术是解决此问题的一种有效 方法，将数据的副本保存在多个不同的存储节点上，能够改善 存储系统的可靠性和可用性。其中，放置策略是副本技术所涉 及的关键问题，对用户的访问性能、存储系统的负载均衡、网络 带宽的利用率以及副本之间的一致性维护有重要影响［2，3］。
研究采用基于超时值的副本一致性维护机制的副本放置问题， 并给出此时求 解 最 优 放 置 策 略 的 算 法。文 献［8］提 出 一 种 自 适应的副本管理机制，通过对热度高的数据创建新副本并将其 放置在负载较轻的节点上以减少访问响应时间。基于云的内 容分发网络作为一个有效的内容分发体系架构提供内容分发 服务，改善 QoS、扩展性和资源有效性。对于副本服务器放置 问题，文献［9］提 出 贪 婪 启 发 式 的 方 法，最 小 化 操 作 开 销 和 满 足 QoS。文献［10］针对传统的服务—存储模式的集群 VOD 系 统，提出一种自适应的媒体副本放置算法，该算法在不同数据 量的情况下具有较好的负载均衡性和整体性能。为了解决数 据网格环境下的副本放置问题。文献［11］提出将放置节点组 织成树型结构，对 负 载 均 衡 和 副 本 数 量 进 行 研 究。 文 献［12］ 基于社会网络特 征，提 出 一 种 云 环 境 下 的 服 务 副 本 放 置 策 略 SNPBＲA，对部分云 服 务 进 行 副 本 操 作，减 少 异 地 服 务 间 的 交 互，提高业务流 程 的 执 行 效 率。文 献［13］针 对 教 育 网 格 中 数 据资源共享问题中的数据副本方面进行研究，设计一种合理的 副本目录管理模型，并提出动态的副本创建策略，能够有效地 提高副本定位的效率，适应用户请求的动态变化。除此之外， 一些群体智能算法，比如粒子群算法、蚁群算法也用于解决存 储系统副本的问题［14，15］。
针对云计算环境下分布式存储系统中副本放置问题，在学 术界和工业界，研究人员进行了大量的研究工作，并取得了一 系列的成果。文献［4］说明副本放置问题是一个 NP 难问题， 基于图论，提出一种规约算法解决副本的放置，减小访问副本 响应时间开销。文 献［5］提 出 了 一 种 分 布 式 贪 婪 副 本 放 置 机 制，根据数据对象的请求频度及系统容量放置副本，减少数据 平均访问时间，并且从理论上证明该方法是 2 近似解决方案。 对于故障和节 点 失 效，文 献［6］提 出 副 本 重 新 构 建 策 略，解 决 存储数据副本的节点失效后访问性能降低的问题。文献［7］
关键词： 副本放置； 萤火虫优化算法； 云计算； 分布式存储
中图分类号： TP393
文献标志码： A
文章编号： 1001-3695（ 2019） 02-058-0584-04
doi：10． 19734 / j． issn． 1001-3695． 2017． 09． 0948
Ｒeplica placement strategy based on glowworm swarm optimization
第 36 卷第 2 期 2019 年 2 月
计算机应用研究 Application Ｒesearch of Computers
Vol． 36 No． 2 Feb． 2019
基于萤火虫优化的副本放置方法*
李 君，侯孟书
（ 电子科技大学 计算机科学与工程学院，成都 611731）
摘 要： 针对现有副本放置策略中存在的副本访问开销大的问题，提出一种基于离散型萤火虫优化的副本放置