多任务进化算法研究及其在虚拟机放置问题中的应用

发布时间：2023-03-19 07:25

　　多任务优化(Multi-task Optimization,MTO),也称为多因子优化(Multi-factorial Optimization,MFO),是优化领域的一个新兴研究方向。MTO旨在研究如何同时、有效地解决多个不同的目标优化任务。在进化计算领域,与传统单任务进化算法不同,多任务进化(Evolutionary Multi-tasking,EMT)算法在多个跨域任务之间实现知识迁移,使得多个跨域任务之间能够共享潜在的相似性或互补性,进而同时加快多个任务的收敛。受启发于多因子遗传模型,多因子进化算法(Multi-factorial Evolutionary Algorithm,MFEA)是进化计算领域首个实现EMT的算法。MFEA算法在多个跨域任务之间建立统一的信息表示空间,通过选型交配和垂直文化传输实现跨域任务之间的隐式知识迁移,在大多数优化问题上性能优于传统单任务进化算法。本文基于MFEA算法展开深入研究和分析,针对MFEA算法框架的不足之处,例如在优化相似度较低的多个任务时,任务之间容易产生消极的知识迁移而导致优化效果较差等,在原始MFEA算法的基础上挖掘了可提升空间。此...

【文章页数】：78 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 主要研究工作
    1.3 论文结构安排
第2章 多因子进化算法
    2.1 引言
    2.2 MFEA算法框架
        2.2.1 相关定义
        2.2.2 统一编码与解码方案
        2.2.3 选型交配和垂直文化传输
        2.2.4 MFEA算法流程
    2.3 理论发展与应用研究
    2.4 本章小结
第3章 基因转换和超矩形搜索混合算法
    3.1 引言
    3.2 MFEA-GHS算法设计
        3.2.1 基因转换策略
        3.2.2 超矩形搜索策略
        3.2.3 MFEA-GHS算法流程
    3.3 数值实验及结果分析
        3.3.1 单目标多任务优化测试问题
        3.3.2 多目标多任务优化测试问题
        3.3.3 两个策略独立测试实验
        3.3.4 参数敏感性测试实验
    3.4 本章小结
第4章 基于多任务优化的虚拟机放置算法
    4.1 引言
    4.2 虚拟机放置问题
        4.2.1 国内外研究现状
        4.2.2 问题描述
        4.2.3 分解操作对理论最优解影响程度分析
    4.3 MFEA-VMP算法设计
        4.3.1 统一编码方案
        4.3.2 交叉和变异算子设计
        4.3.3 基于贪心的放置算子设计
        4.3.4 重迁移与合并算子设计
        4.3.5 MFEA-VMP算法流程
    4.4 实验方案及结果分析
        4.4.1 构建测试数据集
        4.4.2 对比算法介绍
        4.4.3 实验参数及评价指标设置
        4.4.4 大规模测试数据集实验结果与分析
        4.4.5 超大规模测试数据集实验结果与分析
    4.5 本章小结
第5章 总结与展望
    5.1 研究工作总结
    5.2 未来工作展望
参考文献
深圳大学指导教师对研究生学位论文的学术评语
学位论文答辩委员会决议书
附录A 4.4小节中用于仿真实验的虚拟机配置数据
致谢
攻读硕士学位期间的研究成果



本文编号：3764833