公共文化服务平台

冯翔: 作品数：38 被引量：83H指数：5; 供职机构：华东理工大学信息科学与工程学院计算机科学与工程系更多>>; 发文基金：国家自然科学基金中央高校基本科研业务费专项资金上海市浦江人才计划项目更多>>; 相关领域：自动化与计算机技术经济管理更多>>

合作作者

内容分布网络缓存资源并行分配的博弈粒子场方法被引量：5: 2007年; 文章研究博弈粒子场方法对内容分布网络(CDN)缓存分配问题求解,通过建立相应的数学模型,将两阶段Web服务器-代理服务器缓存资源分配问题,映射为两个对偶力场中粒子的运动,力场中所有粒子按数学模型中定义的规则运动直至达到稳定状态,再由粒子的稳定状态反映射为Web服务器-代理服务器缓存资源分配问题的解.提出的适用于CDN的博弈广义粒子场模型(game particle-field(G-PF))置换方法,克服了现有常用的MFU、LFU、LRU等置换算法缓存间不能合作的缺点,发展成为合作的博弈置换算法.并用博弈理论简单地证明了所得到的解为全局Pareto最优解.这样,使G-PF置换算法能逼近理论上的Optimal置换算法,较Korupolu等提出合作的置换算法有更好的性能.; 冯翔刘智满帅典勋; 关键词：内容分发网络

自适应权重的级联增强节点的宽度学习算法被引量：3: 2022年; 进入智能化时代,需要在大数据平台上进行持续自主学习和优化,而持续自主学习的第一步就是进行数据增强。文中提出基于级联增强节点的宽度学习方法,为大数据平台上的持续自主学习提供了新的数据增强方法,也为后续在学习架构基础上的演化优化提供了可能。以时序预测问题为依托,但由于经典宽度学习是典型的前馈神经网络,并不适合建模动态时间序列,因此在传统的宽度学习系统中引入反馈结构,将增强节点层顺序连接,使得增强节点具有记忆性,能够保留部分历史信息。在进行特征提取时,采用了相空间重构来提取数据更本质的特征;同时,引入了权重因子,在训练时依据每个样本对模型的贡献度,为其独立分配不同的权重,从而消除噪声和离群点对学习过程的干扰,提高算法的预测准确率以及鲁棒性。实验结果表明所提算法是有效的。; 蔡欣雨冯翔虞慧群

TSP湖水能量优化算法被引量：6: 2013年; 冬季湖面冰冻是一种常见的自然现象.受这一自然现象启发,提出了一种新的智能并行算法——湖水能量优化算法,并应用该算法解决旅行商问题.湖水能量优化算法模拟湖水降温时湖面的冰冻过程.随着温度的降低,湖水分子失去能量,当能量达到冰冻阈值时,分子析出结冰.湖水能量受到湖水中心能量、大气能量、湖水分子能量以及湖面风吹动等多方面影响.由此建立湖水能量优化算法的数学模型——湖水能量模型和风动模型等,并通过收敛性定理和Lyapunov稳定性定理进行理论证明,验证了算法的收敛性和解决旅行商问题的有效性.最后,通过实验模拟湖水能量优化算法解决TSPLIB中标准实例问题,并将实验结果与其他经典算法进行比较,进一步说明了湖水能量优化算法解决复杂NP难题时高效率、低迭代次数及强收敛性的特性.; 冯翔马美怡虞慧群; 关键词：启发式算法旅行商问题

基于深度确定性策略梯度与注意力Critic的多智能体协同清障算法: 2024年; 动态障碍物一直是阻碍智能体自主导航发展的关键因素,而躲避障碍物和清理障碍物是两种解决动态障碍物问题的有效方法。近年来,多智能体躲避动态障碍物(避障)问题受到了广大学者的关注,优秀的多智能体避障算法纷纷涌现。然而,多智能体清理动态障碍物(清障)问题却无人问津,相对应的多智能体清障算法更是屈指可数。为解决多智能体清障问题,文中提出了一种基于深度确定性策略梯度与注意力Critic的多智能体协同清障算法(Multi-Agent Cooperative Algorithm for Obstacle Clearance Based on Deep Deterministic Policy Gradient and Attention Critic, MACOC)。首先,创建了首个多智能体协同清障的环境模型,定义了多智能体及动态障碍物的运动学模型,并根据智能体和动态障碍物数量的不同,构建了4种仿真实验环境;其次,将多智能体协同清障过程定义为马尔可夫决策过程(Markov Decision Process, MDP),构建了多智能体t的状态空间、动作空间和奖励函数;最后,提出一种基于深度确定性策略梯度与注意力Critic的多智能体协同清障算法,并在多智能体协同清障仿真环境中与经典的多智能体强化学习算法进行对比。实验证明,相比对比算法,所提出的MACOC算法清障的成功率更高、速度更快,对复杂环境的适应性更好。; 王宪伟冯翔虞慧群; 关键词：强化学习算法马尔可夫决策过程

改进型帝国竞争模型算法的研究被引量：5: 2018年; 为了改善帝国竞争算法(Imperialist Competitive Algorithm,ICA)易早熟收敛,搜索范围低,精度小,帝国之间信息交互性不强等缺点,提出了两种基于同化模型和竞争模型的改进的ICA算法。针对殖民地在移动过程中由于过于直接的靠近统治者而造成的搜索范围过小以及容易陷入局部最优的情况在同化过程中引入了差异因子来增大搜索范围。针对帝国之间的交互性的缺失,引入了人忠诚度的算子来实现帝国交互以及同化机制的模型改变,较强的帝国统治者会因为忠诚度算子获得更多的支持,从而细致划分了一个帝国中的每个国家,利用纳什均衡和最大最小公平性引导帝国竞争进而使算法向最优解进行搜索。在竞争过程中设置时间节点动态划分迭代阶段,根据迭代的不同阶段特点选择最优竞争系数。对算法进行了理论证明,最后将算法应用于多个函数进行检测并与其他的改进ICA算法进行比较,在搜索精度和范围广度上有了一定的提高。; 陈禹冯翔虞慧群; 关键词：收敛性定理纳什均衡

基于逆向学习行为粒子群算法的云计算大规模任务调度被引量：7: 2020年; 针对传统智能优化算法在解决云计算任务调度时,存在易陷入局部最优和过早收敛的问题,提出了一种逆向学习行为粒子群优化(RLPSO)算法。首先,采用分群策略对种群内个体进行群划分,使得整个种群具有搜索行为多样性,增强算法的搜索能力;其次,引入逆向学习机制及繁殖机制,避免算法陷入局部最优,并在理论上证明了RLPSO算法的收敛性;最后,通过实验进行有效性验证,并与4个经典的智能优化算法进行了比较。实验结果表明,在大规模任务调度总完成时间寻优问题上,RLPSO算法表现出比4个对比算法更优的搜索性能。; 赖兆林冯翔虞慧群; 关键词：云计算任务调度粒子群优化

行为建模及其在多Agent系统中的应用被引量：4: 2015年; 五行学说蕴含信息动力学,然而在网络中却一直未被很好地利用,为此提出一种基于五行原理的五行粒子模型方法来求解多Agent系统的分布式问题。五行粒子模型可以很好地描述和处理多Agent系统中Agent之间存在的随机、并发、多类型的交互行为。基于五行粒子模型内部存在的生克关系,以及五行自身蕴含的稳定性和平衡性,对五行粒子模型和多Agent系统分布式问题求解进行探讨,并对多Agent系统中的各个Agent进行行为建模,进而提出多Agent系统分布式问题求解的五行粒子模型算法。最后,通过实验验证了该算法的有效性。; 冯翔张进文; 关键词：多AGENT系统资源分配

面向网络行为的CDN缓存分配策略被引量：1: 2015年; 撒谎行为的存在会破坏CDN缓存分配的公平性。使用博弈论对服务器在缓存分配过程中的自私撒谎行为进行了研究。经分析发现,服务器撒谎行为的本质就是当缓存不足时,额外多申请一定量缓存;而当缓存充足时,则诚实地申请所需缓存量。针对这种撒谎行为,提出了一种公平分配算法,在计算服务器的缓存申请量时,考虑其历史缓存申请量,并根据不同阶段申请量的有效性不同引入年龄因子,(重新)计算得到服务器的当前有效缓存申请量,使得撒谎的服务器与诚实的服务器相比受到更多损失,以此来促使其停止撒谎行为。同时,公平算法还保证了系统的最大吞吐量,并引入了价格机制来保证诚实的服务器得到更高的需求满足度。仿真实验结果表明,公平算法对于上述撒谎行为有很好的改善效果。; 冯翔杨昙李松; 关键词：撒谎行为价格机制

CDN缓存资源分配的细胞优化算法被引量：1: 2014年; 为了缓解Internet网络拥挤状况,提高用户访问网站的响应速度,从技术上解决由于网络带宽小、用户访问量大、网点分布不均等原因所造成的用户访问网站响应速度慢的问题,提出了一种新的缓存资源分配方法——细胞优化算法。该算法是模仿自然细胞系统功能的一种智能优化方法,其通过模拟细胞内部结构和原理,对细胞核、细胞质的浓度、细胞间的亲和度、细胞优化机制、细胞的动态演化过程建立数学模型。给出了算法的并行计算结构和步骤。最后,通过理论证明、仿真实验与同类算法的比较,验证了算法求解CDN缓,存资源分配问题的有效性。; 冯翔马美怡虞慧群; 关键词：CDN

基于水流作用机制的人工鱼群算法: 2015年; 针对人工鱼群算法(AFSA)在函数优化问题中易陷入局部极值和求解精度较低的缺点,提出了一种在基本人工鱼群算法中引入水流作用机制的改进方案。通过水流作用机制中的持续性水流和周期性水流对鱼群施加的有益影响来改进原有算法。持续性水流影响鱼群的体力变化从而控制视野和步长参数的自适应调整以提高求解精度;周期性水流冲击鱼群并改变部分鱼的位置,从而保持鱼群的种群多样性以利于全局收敛。仿真实验结果表明:本文的改进算法具有更高的求解精度和更好的全局搜索性能,并验证了算法的有效性。; 刘东林刘刚冯翔; 关键词：人工鱼群算法函数优化

冯翔

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户反馈

冯翔

合作作者

文献类型

领域

主题

机构

作者

传媒

年份

用户登录

用户反馈