包邮智能计算方法及其资源管理应用

第1章概述 1．1研究背景与意义 1．2国内外研究现状 1．2．1确定式方法 1．2．2启发式方法 1．2．3元启发式方法 1．2．4机器学习方法 1．2．5资源管理 第2章面向多目标的资源管理 2．1基于粒子群灰狼混合算法的多目标进化算法 2．1．1引言 2．1．2相关工作 2．1．3问题模型 2．1．4优化方法 2．1．5实验 2．1．6总结 2．2基于正弦余弦改进算法的多目标进化算法 2．2．1引言 2．2．2相关工作 2．2．3方法概览 2．2．4实验 2．2．5总结 2．3多目标进化算法在微电网中的应用 2．3．1引言 2．3．2相关工作 2．3．3问题模型 2．3．4实验 2．3．5总结 第3章面向混合云的资源管理 3．1混合云环境下面向安全的科学工作流数据布局策略 3．1．1引言 3．1．2相关工作 3．1．3问题模型 3．1．4基于SAGAPSO的数据布局策略 3．1．5实验 3．1．6总结 3．2混合云环境下面向多目标优化的科学工作流数据布局策略 3．2．1引言 3．2．2相关工作 3．2．3问题模型 3．2．4基于IOMOEA的数据布局策略 3．2．5实验与分析 3．2．6总结 3．3混合云环境下代价驱动的多工作流应用在线任务调度方法 3．3．1引言 3．3．2相关工作 3．3．3问题模型 3．3．4算法 3．3．5实验 3．3．6总结 3．4混合云环境下面向时延优化的科学工作流数据布局策略 3．4．1引言 3．4．2相关工作 3．4．3问题模型 3．4．4基于GADPSO的数据算法 3．4．5实验仿真与结果 3．4．6总结 第4章面向能源优化的资源管理 4．1光储充电站多目标自适应能量调度策略 4．1．1引言 4．1．2相关工作 4．1．3问题模型 4．1．4基于AD_NSGAⅢ的能量调度策略 4．1．5实验 4．1．6结果评价 4．1．7结论 4．2面向用户满意的PSCS能量调度策略 4．2．1引言 4．2．2相关工作 4．2．3问题模型 4．2．4算法设计与分析 4．2．5仿真实验与分析 4．2．6总结 4．3面向运营商效益的PSCS能量调度策略 4．3．1引言 4．3．2相关工作 4．3．3问题模型 4．3．4算法设计与分析 4．3．5仿真实验与分析 4．3．6总结 4．4单一充电模式的电动汽车充电调度策略 4．4．1引言 4．4．2相关工作 4．4．3建模需求分析与权重计算 4．4．4问题模型 4．4．5基于准入机制的GASA算法 4．4．6仿真实验与结果分析 4．4．7总结 4．5多种充电模式的电动汽车充电调度策略 4．5．1引言 4．5．2相关工作 4．5．3问题模型 4．5．4基于充电优先级的NSGAⅡ算法 4．5．5仿真实验与结果分析 4．5．6总结 4．6基于联合模型的电池健康状态估计 4．6．1引言 4．6．2相关工作 4．6．3问题模型 4．6．4实验与分析 4．6．5总结 4．7基于聚类和时间间隔模型的电池健康状态估计 4．7．1引言 4．7．2相关工作 4．7．3问题模型 4．7．4实验与分析 4．7．5总结 4．8基于深度迁移学习的跨域电池健康状态估计 4．8．1引言 4．8．2相关工作 4．8．3方法 4．8．4实验 4．8．5总结 4．9基于源域选择的跨域电池荷电状态估计 4．9．1引言 4．9．2相关工作 4．9．3方法 4．9．4实验 4．9．5结果与讨论 4．9．6总结 参考文献