多目标多任务进化算法研究及其在边缘计算服务部署中的应用

发布时间：2024-11-24 22:02

　　与传统的单任务进化算法相比,进化多任务(EMT)在多个任务的搜索空间中同时进行优化。通过任务间的知识迁移,EMT能够增强优化任务的求解能力。然而,如果知识迁移不能得到很好的进行,EMT的算法性能会受到影响。为提高任务间知识迁移的质量,本文提出了一种基于子空间对齐和自适应差分进化的多目标EMT算法MOMFEA-SADE。具体地说,MOMFEA-SADE采用子空间学习方式,基于一个映射矩阵来变换种群的搜索空间,从而降低负迁移产生的可能性。此外,本文还提出了一种自适应的差分进化策略,可以根据进化经验自动地选择合适的后代产生策略。为了证明MOMFEA-SADE的有效性,本文在多目标多任务优化测试套件上进行了实验。结果表明,相比最新的EMT算法,MOMFEA-SADE算法可取得更优越的性能。伴随5G时代的来临和物联网的兴起,边缘计算作为云计算模型的补充,受到了越来越多的关注。由于物联网设备的计算能力有限,各种物联网设备通常需通过边缘节点上部署的服务来实现各种各样的功能,从而既减小网络时延,又获取边缘节点的计算能力。而各种服务如何在边缘网络上部署会对时延产生很大的影响,从而影响用户体验。同时,不同的...

【文章页数】：69 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 多目标多任务进化算法
    2.1 引言
    2.2 相关概念
    2.3 算法框架
    2.4 发展现状
    2.5 存在的不足
    2.6 本章小结
第3章 基于子空间对齐和自适应差分的多目标多任务优化算法
    3.1 引言
    3.2 算法设计原理及实现
        3.2.1 MOMFEA-SADE的主要算法流程
        3.2.2 子空间对齐策略
        3.2.3 自适应差分策略
        3.2.4 算法复杂度分析
    3.3 实验结果及分析
        3.3.1 测试问题集和对比算法
        3.3.2 参数设置
        3.3.3 评价指标
        3.3.4 多任务多目标测试问题集上的实验结果
        3.3.5 在超多任务测试集上的实验结果
        3.3.6 策略独立性分析
        3.3.7 参数敏感性分析
    3.4 本章小结
第4章 基于多任务优化的边缘计算服务部署
    4.1 引言
    4.2 边缘计算服务部署研究现状
    4.3 问题形式化描述
        4.3.1 网络模型
        4.3.2 网络时延定义
        4.3.3 边缘服务器功耗的定义
        4.3.4 多目标问题模型
    4.4 MOMFEA-SDP算法设计
        4.4.1 编码方案
        4.4.2 算法框架
        4.4.3 交叉和变异算子
    4.5 实验方案及结果分析
        4.5.1 相关参数设置及对比算法
        4.5.2 实验结果及分析
    4.6 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 未来展望
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
答辩委员会决议书
致谢
攻读硕士学位期间的研究成果



本文编号：4012531