欧鹏
- 作品数：4 被引量：2H指数：1
- 供职机构：四川大学计算机学院更多>>
- 发文基金：教育部留学回国人员科研启动基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 分布式系统组通信研究和设计
- 未来对计算速度、系统可靠性和成本实效性的要求必将促使发展另外的计算机模型来取代传统的冯·诺依曼型结构的计算机。随着计算机网络的出现，一个新的梦想成为可能——分布式计算。当用户需要完成任何任务时，分布式计算提供对尽可能多的...
- 欧鹏
- 关键词：分布式计算组通信可靠组播
- 文献传递
- 利用Betweenness Centrality计算网络流量矩阵的新算法被引量：1
- 2012年
- 引入Betweenness Centrality中间度核心性作为候选快照的选择指标,特别是以其中的GBC群组中间度核心性作为考量多链路权重改变时各链路的选取问题,实验结果表明,BC的引入加快了秩的提高,而GBC可以衡量群组大小不同时会对原系统产生影响的程度;同时指出将GBC作为唯一指标在实际操作层面存在问题,需要综合考虑其他因素。最后提出将来结合序列RBC与GBC进行计算的研究方向。
- 欧鹏李志蜀胡建林珣
- 关键词：复杂网络贪婪算法流量矩阵
- 粒子群优化算法中的分步式策略
- 2009年
- 为了解决粒子群优化算法(PSO)在处理高维多极值问题时容易陷入局部最优而早熟的问题,提出了分步式学习策略和分步式评价策略。前者让粒子每次升级只向某一个榜样学习,使粒子能在更有潜力的区域搜索;并简化了其升级规则,使粒子的搜索行为更易被控制。后者对粒子的位置矢量逐维进行评价,使粒子向目标最优位置"稳步前进";并通过对维之间的关系的检测,解决了维不可分解的问题。实验证明,新算法具有很好的收敛速度和抗早熟能力。
- 胡建李志蜀欧鹏罗思达
- 关键词：收敛性进化算法粒子群优化群体智能
- 粒子群优化算法中的位置矢量的评价策略被引量：1
- 2009年
- 为了解决粒子群优化算法(particle swarm optimization,简称PSO)在解决高维多极值问题时容易陷入局部最优而早熟及位置矢量的评价策略存在的"两进一退"和"两退一进"的问题,提出了一种新的评价策略,对各粒子的位置矢量逐维进行评价,使粒子向目标最优位置"稳步前进",具有和标准PSO一样的收敛性分析过程,没有增加对PSO的理解难度,并定义了广义评价策略,实验证明,可以有效地在收敛速度和防止早熟之间平衡以达到很好的优化性能。
- 胡建李志蜀欧鹏蔡彪乔少杰
- 关键词：粒子群优化群体智能收敛性
