基于改进遗传算法的物联网链路负载均衡控制方法.pdf

第6 1卷 第4期吉 林 大 学 学 报(理 学 版)V o l.6 1 N o.4 2 0 2 3年7月J o u r n a l o f J i l i nU n i v e r s i t y(S c i e n c eE d i t i o n)J u l y 2 0 2 3d o i:1 0.1 3 4 1 3/j.c n k i.j d x b l x b.2 0 2 2 4 2 7基于改进遗传算法的物联网链路负载均衡控制方法景 雯1,张 杰1,傅文博1,陈 富2(1.山西大同大学 计算机与网络工程学院,山西 大同0 3 7 0 0 9;2.山西大同大学 数学与统计学院,山西 大同0 3 7 0 0 9)摘要:针对链路负载控制受物联网搜索空间的影响,搜索空间过小会降低负载均衡度的问题,提出一种基于改进遗传算法的物联网链路负载均衡控制方法.首先,构建物联网链路的频带传输模型,利用抽头间隔采样控制物联网链路传输,建立物联网链路频带模型获得均衡调度函数,整合频带完成负载均衡配置;其次,加入分数间隔均衡设计链路,用频带分配原则得到频带匹配概率,调节均衡器的抽头数值,设置链路码间干扰项约束;再次,给出遗传算法的参数编码,把所有请求都按一维顺序排列,对适应度函数进行线性尺度转换,完成遗传算法的改进;最后,组合基因进化染色体,扩展物联网搜索空间,令迭代数量小于最大系数,实现链路传输负载的均衡控制.实验结果表明,该方法能较好控制物联网链路负载均衡,链路负载均衡度可达9 2%,并且能减少能量消耗.关键词:改进遗传算法;物联网链路;负载均衡控制;频带分配;适应度函数中图分类号:T P 3 9 1;T N 9 1 9 文献标志码:A 文章编号:1 6 7 1-5 4 8 9(2 0 2 3)0 4-0 9 2 2-0 7L o a dB a l a n c i n gC o n t r o lM e t h o do f I o TL i n kB a s e do nI m p r o v e dG e n e t i cA l g o r i t h mJ I NG W e n1,Z HANGJ i e1,F U W e n b o1,CHE NF u2(1.S c h o o l o fC o mp u t e ra n dN e t w o r kE n g i n e e r i n g,S h a n x iD a t o n gU n i v e r s i t y,D a t o n g0 3 7 0 0 9,S h a n x iP r o v i n c e,C h i n a;2.S c h o o l o fM a t h e m a t i c sa n dS t a t i s t i c s,S h a n x iD a t o n gU n i v e r s i t y,D a t o n g0 3 7 0 0 9,S h a n x iP r o v i n c e,C h i n a)收稿日期:2 0 2 2-1 0-2 4.第一作者简介:景 雯(1 9 7 9),女,汉族,硕士,讲师,从事计算机教育应用、网络安全和物联网的研究,E-m a i l:j i n g w e ns x d t d x.e d u.c n.基金项目:国家自然科学基金青年科学基金(批准号:6 1 8 0 3 2 4 1)和山西省高等学校科技创新项目(批准号:2 0 2 1 L 3 8 2).A b s t r a c t:A i m i n ga t t h ep r o b l e mt h a t t h ec o n t r o l o f l i n kl o a dw a sa f f e c t e db yt h es e a r c hs p a c eo f t h eI n t e r n e to fT h i n g s,as m a l l s e a r c hs p a c ec o u l dr e d u c et h e l o a db a l a n c i n gd e g r e e,w ep r o p o s e dal o a db a l a n c i n gc o n t r o lm e t h o do f t h e I n t e r n e t o fT h i n g s l i n kb a s e do n i m p r o v e dg e n e t i c a l g o r i t h m.F i r s t l y,t h ef r e q u e n c yb a n dt r a n s m i s s i o n m o d e lo ft h eI n t e r n e to fT h i n g sl i n k w a sc o n s t r u c t e d,a n dt a pi n t e r v a l s a m p l i n gw a su s e dt oc o n t r o l t h et r a n s m i s s i o no f t h eI n t e r n e to fT h i n g s l i n k,t h ef r e q u e n c yb a n dm o d e l o f t h e I n t e r n e to fT h i n g s l i n kw a se s t a b l i s h e dt oo b t a i nt h eb a l a n c e ds c h e d u l i n g f u n c t i o n,a n dt h ef r e q u e n c yb a n dw a si n t e g r a t e dt oc o m p l e t et h el o a db a l a n c i n gc o n f i g u r a t i o n.S e c o n d l y,w ea d d e d f r a c t i o n a l i n t e r v a l e q u a l i z a t i o n t od e s i g n t h e l i n k,u s e d t h e f r e q u e n c yb a n da l l o c a t i o np r i n c i p l e t oo b t a i nt h e f r e q u e n c yb a n dm a t c h i n gp r o b a b i l i t y,a d j u s t e dt h et a pv a l u eo f t h ee q u a l i z e r,a n ds e tt h ei n t e rs y m b o l i n t e r f e r e n c e t e r mc o n s t r a i n to f t h e l i n k.T h i r d l y,w eg a v e t h ep a r a m e t e r c o d eo fg e n e t i ca l g o r i t h m,a r r a n g e da l l r e q u e s t s i no n e-d i m e n s i o n a l o r d e r,a n dt r a n s f o r m e d l i n e a r s c a l eo nt h e f i t n e s sf u n c t i o nt oc o m p l e t et h ei m p r o v e m e n to fg e n e t i ca l g o r i t h m.F i n a l l y,w ec o m b i n e dg e n ee v o l u t i o nc h r o m o s o m e s t oe x p a n d t h e s e a r c hs p a c eo f t h e I n t e r n e t o fT h i n g s,m a d e t h en u m b e r o f i t e r a t i o n s l e s st h a nt h e m a x i m u m c o e f f i c i e n t,a n dr e a l i z e dt h eb a l a n c i n gc o n t r o lo fl i n kt r a n s m i s s i o nl o a d.T h ee x p e r i m e n t a l r e s u l t ss h o wt h a t t h ep r o p o s e dm e t h o dc a ne f f e c t i v e l yc o n t r o l t h e l o a db a l a n c i n go f t h eI n t e r n e to fT h i n g sl i n k,t h el i n kl o a db a l a n c i n gd e g r e ec a nr e a c h9 2%,a n dc a nr e d u c ee n e r g yc o n s u m p t i o n.K e y w o r d s:i m p r o v e dg e n e t i ca l g o r i t h m;I n t e r n e to fT h i n g sl i n k;l o a db a l a n c i n gc o n t r o l;f r e q u e n c yb a n da l l o c a t i o n;f i t n e s s f u n c t i o n近年来,随着科技的发展,一种全新的互联网 物联网(I o T)应运而生,其具有很大的发展空间1-2.物联网的目的是把物理与信息世界连接起来,其本质是由大量传感器节点3构成的大型复杂网络,但节点能量有限,因此,如何降低能耗是该领域的研究重点.目前有两种方式:一是通过不断使用新的硬件4技术,使节点能及时获得更多的能量;二是分析网络本身的结构装置5.在物联网中数据传输是能耗最大的环节,链路是信息传输的关键,通过合理匹配链路和传感节点数量,可提高物联网的传输质量.负载均衡是指将物联网内链路中某个节点上的多余负载转移到其他负载较小的节点上,以使全部节点的负载处于一个较均衡的状态,从而提高物联网的整体负载能力与响应速度,因此研究物联网链路负载均衡控制方法具有较大的现实意义.吴海超等6在云和雾计算中,通过构造云雾混合网络,合理配置物联网设备的需求,将物联网服务请求均衡模型转化为优化问题,使服务请求的总延迟降至最低,并采用改进蝙蝠算法计算网络均衡,把边缘终端分配给附近的设备,制定合理资源划分方案,实现负载均衡;姚泽玮等7为解决多边缘环境下的负载均衡问题,基于任务调度减少边缘集中任务的最大响应时间,以改善系统的运行效率,并针对形式化多边界问题,应用粒子群遗传方法实现负载的均衡控制.但上述方法控制后链路负载的均衡度较差,能量消耗较大,网络使用寿命并没有被有效延长.为解决现有方法存在的问题,本文将改进遗传算法应用到负载均衡控制中,利用改进遗传算法扩展物联网搜索空间,通过迭代计算实现物联网链路负载均衡控制.1 链路频带传输模型利用稀疏随机聚类建立物联网链路的频带传输模型,并对其负载特性进行分析.在物联网链路中,发送码元8间隔分布距离为d,在传输信息过程中,可通过T/2抽头间隔采样控制网络.本文建立一种基于无线均衡分配模式的物联网链路传输特征分布式控制模型,链路模糊度函数公式为xm(t)=isi(t)+nm(t),-p+1mp,(1)其中:m表示任意节点;i表示第i个节点的位置;p表示跳数;nm(t)表示网络节点路径;si(t)表示状态特征矢量9,用于物联网连接的传送节点;xm(t)表示网络输出矩阵.利用模糊信息调度物联网链路传输负载均衡,将节点m收到的阵元中的物联网链路负载信息进行模糊检测1 0,得到其冲激响应模型表达式为h(t)=iai(t)ei(t)(t-i Ts),(2)其中i(t)表示传输频谱密度特性,e表示物联网通信范围参数,a表示传输消耗,表示传输阈值,s表示冲激响应时间.采用空间抽样方法进行模糊聚类,得到聚类长度,用波特率计算出物联网链路的负载值为x(t)=(x-p+1(t),x-p+2(t),xp(t)Tn 1,(3)s(t)=(s1(t),s2(t),sI(t)Ti 1,(4)329 第4期 景 雯,等:基于改进遗传算法的物联网链路负载均衡控制方法 建立物联网链路的频带模型,利用频带均衡方法进行物联网负载的频带均衡配置,获得均衡调度函数表达式为c(,t)=nan(t)e-2 n(t)(t-n(t),(5)其中an(t)表示第n条路径链路的消耗,n(t)表示第n条链路负载传输时延.利用自适应学习1 1的方式,实现物联网链路的负载均衡,构建物联网链路传输的学习函数公式为m i n1ikek(e)f(e(i)C(e,i),0f(e,i)C(e,i),1ik,ek(e)f(e(i)C(e,i)+ek(e)f(e(i)C(e,i)k(v),(6)其中k表示物联网链路,f(e(i)表示对物联网通信范围e内的干扰信号,C(e,i)表示通信范围e内的全部信号,v表示高斯噪声.在频带内利用多径抑制方法1 2将频带整合,完成物联网链路负载均衡配置.2 链路干扰滤波利用扩频调制1 3技术进行物联网链路干扰滤波,加入分数间隔均衡方法设计链路均衡,扩频调整的幅值1 4用vi表示,在传输链路干扰因素中,先按扩频调制一步步划分物联网数据转移发送接收的帧数1 5,建立多径干扰环境下物联网数据转移发送的频带模型,然后实行链路均衡设计,获得冲激响应函数的表达式为Uvi=vil o g1+viki=1sviRcjncj,(7)其中vi表示扩频传输距离,svi表示扩频调整响应时间,Rcj表示抽头延迟关联数据,ncj表示抽头延迟路径.基于物联网中效用最大约束,利用频带分配原则构建频带匹配的概率表达式为P(i,j)=Pi/ini=0Pi/iPi/jnj=0Pi/j,i,j=0,1,n,(8)其中j表示第j个节点的位置,n为大于等于零的整数,P表示匹配概率.调节均衡器的抽头数值,对其实行自适应加权1 6,按频带特征范围误差干扰滤波,利用自适应级联滤波模型约束干扰,构建滤波函数表达式为x(t)=nsm=1k(m)k=1qjwm kP(tj TsTm)v(t),(9)其中qj表示短期的脉冲响应,k(m)表示数据训练序列1 7,t表示均衡器抽头延迟时间参数,wm k表示相位偏移分量叠加,ns表示节点数量,Ts表示窗函数参数,Tm表示加权滤波参数,v(t)表示滤波干扰噪声函数.利用各级存在的干扰约束,可获得干扰滤波后的输出码流1 8为T(n)=iR(n,i)+T(n+1),(1 0)其中T(n+1)表示第(n+1)层的多径干扰前提下的比特序列流,R(n,i)表示第n层内第i个网络传送链路层的关联数据.综上可见,利用该方法对物联网链路码间干扰滤波,可较好地约束干扰项.3 改进遗传算法的负载均衡控制遗传算法是通过自然选择与遗传机制,模拟自然进化的过程寻找最佳解的方法,具有混沌、随机、非线性等特点.针对链路负载均衡控制问题,本文提出一种改进遗传算法的物联网负载均衡控制方法,基本流程如图1所示.429 吉 林 大 学 学 报(理 学 版)第6 1卷 1)参数编码.在遗传算法中,编码是将问题空间的参数转变成具有特定结构的基因或个体1 9.本文给出一种改进遗传算法的参数编码方法以及一维数据表,如图2所示.图2中括号外数字表示一个请求的序列号,括号内数字表示一个请求的估算完成时间;P1间请求表示对物联网1响应的请求,P1与P2间的请求表示对物联网2的响应,P2与P3间的请求表示对物联网3的响应.图1 改进遗传算法基本流程 F i g.1 B a s i c f l o wc h a r t o f i m p r o v e dg e n e t i ca l g o r i t h m图2 改进遗传算法的参数编码F i g.2 P a r a m e t e re n c o d i n go f i m p r o v e dg e n e t i ca l g o r i t h m2)种群初始化.在种群初始化时,关键问题之一就是把所有的请求都按一维顺序排列.该问题的解决思路为:步骤I=1,A为全部的请求;步骤从全部请求中任意选择一个请求代入到第A格,把此请求从I内去除;步骤若A是空集,则终止循环;否则,I=I+1,继续循环步骤.3)适应度变化.f(X)=e-F(X)表示个体X适应度2 0.因为遗传算法易发生过快收敛的情况,所以需要将适应度函数进行线性尺度转变.控制后期的处理方式与前期不同,为此准确划分控制前期与后期十分重要,本文通过样本标准偏差进行区别.样本标准偏差可衡量物联网控制差异的合理尺度,表达式为=1M-1Mm=1fm(X)-fm(X),(1 1)其中M表示群体规模,f(X)表示个体X适应度的线性变化.如果种群的样本标准差超过设置的阈值,则可认定控制未达到标准,否则认定控制过度,适应度线性变化表达式为f(X)=f(X)+,(1 2)其中和表示控制参数,和取值范围有下面两种情形.假设,则有:=r,=(1-r)f(X),(1 3)其中r表示常数,取值范围为0,1;假设,则有:=k,=-fm i n(X)k,(1 4)其中fm i n(X)表示群体内最小的适应度.4)交叉和变异过程.交叉、变异是染色体在自然进化过程中的主要行为.交叉行为有利于基因的优势组合,实现染色体的进化.变异则可以使染色体跳出现有的模式,实现对网络搜索空间的拓展.5)终止条件.改进的遗传算法有以下两个终止条件:当前迭代的次数比预先设定的最大迭代系数(M a x_G e n)大;在(G e n_C o n)中最优解未得到改善.通过终止条件结果输出,完成链路负载均衡控制,实现网络稳定.529 第4期 景 雯,等:基于改进遗传算法的物联网链路负载均衡控制方法 4 实 验为更好地证明本文方法对链路负载均衡控制的有效性,进行测试实验.随机布置一个2 0 02 0 0的区域,并在其中设定2 0 0个感知节点,1 0个网关,长度为40 0 0b i t的数据包.因为随机拓扑网络可较好表示物联网节点的分布情况,所以实验选择该网络作为模拟环境.以网关节点为中心,构建物联网的数据传输拓扑图,如图3所示.实验参数设置如下:带宽为1 3MH z;节点布局方位角为-1 1;节点布局距离为1 1 03 1 0m;采样频率为6MH z;信号时长为2s;前1s信号频率为2 5 0H z;后1s信号频率为3 0 0H z.通过上述参数对物联网链路负载均衡控制,获得传输过程中的链路负载情况如图4所示.图3 物联网数据传输拓扑图F i g.3 T o p o l o g i c a l g r a p ho f I o Td a t a t r a n s m i s s i o n图4 物联网链路负载F i g.4 I o Tl i n kl o a d完成物联网链路负载幅值数据的采集后,设定遗传算法的参数,设置个体数目为5 0,迭代次数为2 0 0,交叉概率为0.8,变异概率为0.0 3.对比改进前后遗传算法的最小误差,结果如图5所示.由图5可见,相比于改进前的遗传算法,改进后的遗传算法的最小误差明显降低,能提高对链路负载的控制性能.为充分验证本文物联网链路负载均衡控制方法的性能,以负载均衡度、网络剩余能量以及丢包率为实验对比指标,将本文方法与文献6、文献7 提出的基于改进蝙蝠算法的控制方法、基于粒子群遗传算法的控制方法进行对比验证.负载均衡度可体现网络节点负载均衡控制的状况,其值越大说明其负载均衡控制效果越好,采用本文方法、改进蝙蝠方法以及粒子群遗传方法进行比较,分析获得的负载均衡度,结果如图6所示.由图6可见,本文方法第一跳的负载均衡度为8 2.5%,而粒子群遗传方法只有6 5%,改进蝙蝠方法为5 8%.表明本文方法的链路负载控制效果较好,随着跳数的逐渐增加,本文方法负载均衡度呈上升的趋势,直到第8跳已经达到9 2%,说明利用本文方法对链路传输调整能提高物联网的负载均衡度.图5 遗传算法改进前后的最小误差F i g.5 M i n i m u me r r o r sb e f o r ea n da f t e ri m p r o v e m e n t o f g e n e t i ca l g r i t h m图6 链路负载均衡度F i g.6 L i n kl o a db a l a n c i n gd e g r e e通过网络剩余能量能得知物联网负载均衡情况,网络剩余能量越多表示网络均衡状况越好.设置629 吉 林 大 学 学 报(理 学 版)第6 1卷 物联网总能量为3 0 0J,3种方法剩余能量对比如图7所示.由图7可见,在相同的时间下,本文方法控制下网络剩余能量较多.随着时间的增加,粒子群遗传方法的能量消耗开始增多,这是由于该方法没有关注节点剩余能量,所以能量值比本文方法下降速度快.改进蝙蝠方法考虑到节点剩余能量,但是未考虑负载量,因此剩余能量低于本文方法.本文方法的剩余能量较多,在3 5 1s才到达0,延长了网络的使用时间,证明本文方法的均衡控制较好.丢包率是评估网络负载均衡性能的重要指标,3种方法的丢包率对比情况如图8所示.由图8可见,改进蝙蝠方法的丢包率会随着数据流量的增加而快速升高,说明该方法控制下网络链路负载均衡性较差.本文方法控制后丢包率随流量的增加也在升高,但是上升速度较慢.粒子群遗传方法的丢包率在其余两种方法之间,均衡控制效果比蝙蝠方法好,但比本文方法略差.因此,证明本文方法对物联网链路负载均衡控制效果最佳,更有利于数据传输稳定,延迟网络使用寿命.图7 网络剩余能量F i g.7 R e s i d u a l e n e r g yo fn e t w o r k图8 网络丢包率F i g.8 P a c k e t l o s s r a t eo fn e t w o r k综上所述,针对物联网链路负载均衡控制效果差,会出现网络能量消耗较多,造成资源浪费,且负载均衡性能差会导致网络传输不稳定,易发生数据发送接收错误的问题,本文提出了一种基于改进遗传算法的物联网链路负载均衡控制方法.首先建立物联网链路频带传输模型,其次利用扩频调制约束链路干扰滤波,最后通过改进遗传算法完成链路负载均衡控制,保证网络稳定.实验结果表明,与现有方法相比,本文方法控制下链路负载均衡度明显提升,最高达到9 2%,并且有效降低了链路传输的丢包率.参考文献1 徐东明,谭静茹,关文博.基于改进遗传算法的C-R AN网络动态无线资源分配 J.电讯技术,2 0 2 1,6 1(1 0):1 2 2 5-1 2 3 2.(X UDM,T ANJR,GUAN WB.D y n a m i cW i r e l e s sR e s o u r c eA l l o c a t i o nB a s e do n I m p r o v e dG e n e t i cA l g o r i t h mi nC-R ANN e t w o r k sJ.T e l e c o mm u n i c a t i o nE n g i n e e r i n g,2 0 2 1,6 1(1 0):1 2 2 5-1 2 3 2.)2 鲁垚光,王兴伟,李福亮,等.软件定义网络中的动态负载均衡与节能机制 J.计算机学报,2 0 2 0,4 3(1 0):1 9 6 9-1 9 8 2.(L U YG,WAN GX W,L IFL,e ta l.D y n a m i cL o a dB a l a n c i n ga n dE n e r g yS a v i n gM e c h a n i s mi nS o f t w a r eD e f i n e dN e t w o r k i n gJ.C h i n e s eJ o u r n a l o fC o m p u t e r s,2 0 2 0,4 3(1 0):1 9 6 9-1 9 8 2.)3 KA B I R IZ,B A R E KA T A I NB,AVOKH A.G O P-S D N:A nE n h a n c e dL o a dB a l a n c i n gM e t h o dB a s e do nG e n e t i ca n dO p t i m i z e dP a r t i c l eS w a r m O p t i m i z a t i o n A l g o r i t h mi n D i s t r i b u t e dS D N sJ.W i r e l e s s N e t w o r k s,2 0 2 2,2 8(6):2 5 3 3-2 5 5 2.4 薛乃阳,丁丹,王红敏,等.基于改进遗传算法的多类测控资源调度方法 J.系统工程与电子技术,2 0 2 1,4 3(9):2 5 3 5-2 5 4 3.(X U EN Y,D I N GD,WANG H M,e ta l.M u l t i-t y p eT T&CR e s o u r c eS c h e d u l i n gM e t h o dB a s e do nI m p r o v e dG e n e t i cA l g o r i t h mJ.S y s t e m sE n g i n e e r i n ga n dE l e c t r o n i c s,2 0 2 1,4 3(9):2 5 3 5-2 5 4 3.)5 崔子熙,胡宇翔,兰巨龙,等.基于流分类的数据中心网络负载均衡机制 J.电子学报,2 0 2 1,4 9(3):5 5 9-5 6 5.(C U IZX,HUYX,L ANJL,e t a l.L o a dB a l a n c i n gB a s e do nF l o wC l a s s i f i c a t i o nf o rD a t a c e n t e rN e t w o r kJ.A c t aE l e c t r o n i c aS i n i c a,2 0 2 1,4 9(3):5 5 9-5 6 5.)6 吴海超,王新民.物联网低时延云雾混合网络负载均衡策略 J.计算机工程与设计,2 0 2 1,4 2(1 2):3 3 2 3-3 3 3 2.(WU H C,WANG X M.L o a dB a l a n c i n gS t r a t e g yf o rI o Ti nL o w D e l a yC l o u d-F o g H y b r i d N e t w o r kJ.729 第4期 景 雯,等:基于改进遗传算法的物联网链路负载均衡控制方法 C o m p u t e rE n g i n e e r i n ga n dD e s i g n,2 0 2 1,4 2(1 2):3 3 2 3-3 3 3 2.)7 姚泽玮,林嘉雯,胡俊钦,等.基于P S O-GA的多边缘负载均衡方法 J.计算机科学,2 0 2 1,4 8(增刊2):4 5 6-4 6 3.(YAOZW,L I NJW,HUJQ,e ta l.P S O-G AB a s e dA p p r o a c ht o M u l t i-e d g eL o a dB a l a n c i n gJ.C o m p u t e rS c i e n c e,2 0 2 1,4 8(S u p p l 2):4 5 6-4 6 3.)8 唐静,田波,陈华君.基于节点-链路评估模型的移动物联网数据传输稳定算法 J.电子测量与仪器学报,2 0 2 0,3 4(1 0):1 9 4-2 0 1.(T AN GJ,T I ANB,CHE NHJ.D a t aT r a n s m i s s i o nS t a b i l i t yS c h e m e o fM o b i l e I n t e r n e to fT h i n g sB a s e do nN o d eL i n kE v a l u a t i o n M o d e lJ.J o u r n a lo fE l e c t r o n i cM e a s u r e m e n ta n dI n s t r u m e n t a t i o n,2 0 2 0,3 4(1 0):1 9 4-2 0 1.)9 赵季红,吴豆豆,曲桦,等.面向物联网的能耗感知虚拟网络映射算法 J.计算机工程,2 0 2 0,4 6(5):1 9-2 5.(Z HAOJH,WUDD,QU H,e t a l.E n e r g y-Aw a r eV i r t u a lN e t w o r kM a p p i n gA l g o r i t h mf o r I n t e r n e t o fT h i n g sJ.C o m p u t e rE n g i n e e r i n g,2 0 2 0,4 6(5):1 9-2 5.)1 0 谷南南,姚佩阳,焦志强.云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法 J.计算机应用研究,2 0 2 0,3 7(8):2 3 9 0-2 3 9 4.(GU N N,YAOPY,J I AOZQ.L a r g e-S c a l eR e s o u r c eS c h e d u l i n gM e t h o dU s i n gI m p r o v e d G e n e t i cA l g o r i t h m C o m b i n e d w i t hS e c o n d a r yC o d i n gi nC l o u dC o m p u t i n gE n v i r o n m e n tJ.A p p l i c a t i o nR e s e a r c ho fC o m p u t e r s,2 0 2 0,3 7(8):2 3 9 0-2 3 9 4.)1 1 周毅君,金健,黄斌,等.基于改进遗传算法的柔性作业车间调度优化 J.科学技术与工程,2 0 2 2,2 2(1):2 5 9-2 6 6.(Z HOUYJ,J I NJ,HUAN GB,e t a l.F l e x i b l eJ o bS h o pS c h e d u l i n gO p t i m i z a t i o nB a s e do nI m p r o v e dG e n e t i cA l g o r i t h mJ.S c i e n c eT e c h n o l o g ya n dE n g i n e e r i n g,2 0 2 2,2 2(1):2 5 9-2 6 6.)1 2 R AN IS,AHME DSH,R A S T OG IR.D y n a m i cC l u s t e r i n gA p p r o a c hB a s e do nW i r e l e s sS e n s o rN e t w o r k sG e n e t i cA l g o r i t h mf o r I o TA p p l i c a t i o n sJ.W i r e l e s sN e t w o r k s,2 0 2 0,2 6(6):1-1 0.1 3 A S GHA R IA,S OHR A B IM K,YAGHMA E EF.T a s kS c h e d u l i n g,R e s o u r c eP r o v i s i o n i n g,a n dL o a dB a l a n c i n go nS c i e n t i f i c W o r k f l o w s U s i n gP a r a l l e lS A R S A R e i n f o r c e m e n tL e a r n i n g A g e n t sa n d G e n e t i c A l g o r i t h mJ.J o u r n a l o fS u p e r c o m p u t i n g,2 0 2 0,7 7(3):1-2 9.1 4 刘军,杨青文,王金涛,等.基于改进遗传算法的空间信息网恢复策略 J.东北大学学报(自然科学版),2 0 2 1,4 2(4):5 2 4-5 3 0.(L I UJ,YANG Q W,WAN GJT,e ta l.S p a t i a l I n f o r m a t i o nN e t w o r kR e s t o r a t i o nS t r a t e g yB a s e do nI m p r o v e dG e n e t i cA l g o r i t h mJ.J o u r n a l o fN o r t h e a s t e r nU n i v e r s i t y(N a t u r a lS c i e n c e),2 0 2 1,4 2(4):5 2 4-5 3 0.)1 5 蔡婷,林晖,陈武辉,等.区块链赋能的高效物联网数据激励共享方案 J.软件学报,2 0 2 1,3 2(4):9 5 3-9 7 2.(C A IT,L I NH,CHE N W H,e t a l.E f f i c i e n tB l o c k c h a i n-E m p o w e r e dD a t aS h a r i n g I n c e n t i v eS c h e m e f o r I n t e r n e to fT h i n g sJ.J o u r n a l o fS o f t w a r e,2 0 2 1,3 2(4):9 5 3-9 7 2.)1 6 刘音.基于改进遗传算法的回归测试用例优先级排序 J.计算机仿真,2 0 2 1,3 8(2):2 7 3-2 7 7.(L I U Y.P r i o r i t yR a n k i n go fR e g r e s s i o nT e s tC a s e sB a s e do nI m p r o v e dG e n e t i cA l g o r i t h mJ.C o m p u t e rS i m u l a t i o n,2 0 2 1,3 8(2):2 7 3-2 7 7.)1 7 火元莲,龙小强,连培君,等.一种类箕舌线函数的变步长归一化自适应滤波算法 J.电子与信息学报,2 0 2 1,4 3(2):3 3 5-3 4 0.(HUOYL,L ON GXQ,L I ANPJ,e ta l.AK i n do fV e r s o r i aF u n c t i o nN o r m a l i z e dA d a p t i v eF i l t e r i n gA l g o r i t h mJ.J o u r n a l o fE l e c t r o n i c s&I n f o