基于协同合作的蚁群优化算法

蚁群优化是一种模拟蚂蚁觅食的群集智能搜索算法,基本蚁群算法收敛性较差,易陷入局部最优解。本文在基本蚁群算法的基础上,提出一种新的蚁群优化算法,通过在信息素局部更新中引入信息素扩散模型,在信息素全局更新中引入随机扰动机制,发挥蚂蚁之间的协同合作能力,提高了算法的收敛速度。以TSP为例的仿真实验表明,该算法具有较强的寻优能力、较好的鲁棒性和有效性。     

基于蚁群算法的多路径覆盖测试数据生成

为了提高多路径覆盖测试数据的生成效率,研究了一种基于蚁群算法的多路径覆盖测试数据生成方法.首先给出蚁群算法的一种改进方法,该算法以蚂蚁对生成测试数据的重要性作为蚂蚁状态转移和蚂蚁路径变异的依据,以引导更多蚂蚁穿越小概率节点,提高测试数据生成效率.其次,根据改进的蚁群算法分别提出了基于单信息素表和多信息素表的多路径覆盖测试数据生成方法.在基于多信息素表的方法中,每条目标路径的信息素表均被用于其它路径测试数据的求解,而且蚁群算法运行一次即可求解多条目标路径的覆盖测试数据.最后对所提出方法的有效性和复杂度进行了理论分析.实验结果表明,与其它方法相比,基于多信息素表的测试数据生成方法能够有效地生成多路径覆盖测试数据.     

基于改进蚁群算法的图像边缘检测研究

针对基本蚁群算法对图像边缘检测效果不理想,提出了一种改进蚁群的图像边缘检测算法。通过改进蚂蚁转移规则和信息素更新策略,使得蚂蚁更具有多样性选择。实验仿真结果表明,该算法可以有效地检测出图像边缘,提高检测的效果。     

改进蚁群算法在文本聚类中的应用研究

提出了一种改进蚁群文本聚类算法.改进蚁群文本聚类算法利用信息素对蚂蚁随机移动进行控制,使蚂蚁朝着文本向量相对集中的区域移动,缩短蚂蚁寻找文本向量簇的时间,提高聚类效率.采用复旦大学中文文本分类语料库进行仿真实验,实验结果表明,改进蚁群文本聚类算法不仅加快了文本聚类算法的收敛速度,而且提高文本聚类结果的精度.     

改进蚁群算法在QoS路由中的应用与研究

在分析传统蚁群算法缺陷及其在QoS路由中的应用的基础上,提出了一种与真实蚁群系统更加相符的基于双向寻路和信息素扩散的蚁群算法,采用来自源节点和目的节点两个方向的蚂蚁探路的同时进行信息扩散.仿真结果表明,该改进蚁群算法在网络规模较大的条件下仍能快速找到满足QoS路由性能指标的路由,节省了QoS路由搜索时间,提高了网络服务能力.     

蚁群算法在智能配电网中的研究与实现

深入介绍了蚁群算法在配电网的数学模型的建立,在搜索算法中首先确定的是权值,在配电网中权值是由无功消耗、线路重要性、线路长度和线路成本来确定的.通过权值分析了蚂蚁从原点到终点的搜索模型,蚂蚁在游程中会释放信息素,权值大的说明支路最短,蚂蚁释放的信息素也会增多,最后通过蚂蚁在反复游程中释放信息素的多少会寻找到最优解或者次优解的最优路径.把蚁群算法应用在配电网中能够有效的搜索出最优解或次优解,大量的减少了最优解的搜索时间.     

基于人工蚁群优化的矢量量化码书设计算法

本文提出一种基于人工蚁群优化的矢量量化码书设计新算法.该算法利用人工蚁群系统中蚂蚁通过信息素留存寻找最优路径的机制,结合单只蚂蚁通过拾起、放下物体从而使物体聚堆的行为模式,合理设计放下概率、禁忌列表、信息素更新方式以及相应的参数.与基于进化模拟退火和随机竞争学习的码书设计算法相比,本文提出的算法能获得性能较好的码书,其峰值信噪比比传统的LBG算法提高超过2dB.     

改进蚁群算法的路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且存在停滞问题,提出一种改进的蚁群算法。为了避免蚁群陷入死锁状态,采用回退策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死亡数量,并且借鉴了狼群分配策略来更新信息素,提高算法全局性,在状态转移概率中引入一个启发因子并进行调整,避免算法陷入停滞。仿真实验结果表明,改进后的蚁群算法收敛速度明显加快,寻优最短路径达到29.73,迭代次数较少28。验证了该算法的有效性和可行性。     

基于自适应蚁群的多约束QoS组播路由算法

结合多约束QoS组播路由的特点,应用一种自适应蚁群优化算法解决组播路由问题.考虑到实际通信中链路利用率对网络的影响,将网络中链路的带宽转化为链路的代价问题,并在蚁群算法中根据蚂蚁所选路径的代价进行信息素更新,增加了信息素调整的自适应性,同时加快了算法的收敛速度,使得组播路由算法在考虑网络QoS约束的基础上进一步贴合实际网络的需求.     

基于改进蚁群算法的装备科研立项研究

针对部队装备科研立项工作中存在的立项方案没有达到最优的问题,提出一种改进的蚁群算法,该算法采用新的信息素调整策略,既保留了先前蚂蚁行走的有用信息,又加大了搜索的领域,用该算法成功地对立项方案进行了规划,最后通过实例验证了算法比其它经典算法更有效,用在装备科研立项问题是十分合适的.     

A Preliminary Study of Automatic Delineation of Eyes on CT Images Using Ant Colony Optimization

Eyes are important organs-at-risk （OARs） that should be protected during the radiation treatment of those head tumors. Correct delineation of the eyes on CT images is one of important issues for treatment planning to protect the eyes as much as possible. In this paper, we propose a new method, named ant colony optimization （ACO）, to delineate the eyes automatically. In the proposed algorithm, each ant tries to find a closed path, and some pheromone is deposited on the visited path when the ant fmds a path. After all ants fmish a circle, the best ant will lay some pheromone to enforce the best path. The proposed algorithm is verified on several CT images, and the preliminary results demonstrate the feasibility of ACO for the delineation problem.     

求解Job-Shop调度问题的改进蚁群算法

蚁群算法是一种新型的模拟进化算法,具有一些优良性质,但是蚁群算法容易陷入局部最优,且初期信息素匮乏导致求解速度慢.针对这一特点,在蚁群算法中引入遗传变异操作,并对蚁群算法做了改进.实验结果表明此方法行之有效.     

基于蚁群算法的文本分类和聚类

为了研究并提高文本的分类和聚类算法的性能,笔者根据蚁群算法在TSP问题中的应用方法,将其改进引用到文本的分聚类中。在文本聚类中,改变蚂蚁的信息素释放机制,道路节点的聚合方式,最终将相似文本进行聚合。在文本的分类中,将所需要的分类信息装入蚂蚁,蚂蚁根据系统外部所希望的方式将文本分类。实验结果证明,这种新的算法可以使文本分类和聚类的准确度提高,蚁群算法在文本分类聚类中的应用是可行的。     

A metaheuristic‐based method for replica selection in the Internet of Things

With the advent of the Internet of Things (IoT), the count of gadgets connected to the Internet has been increased. IoT, as a modern paradigm, has been used to describe the future in which physical things like RFID tags, sensors, actuators, and cellphones can intermingle for achieving shared purposes. Also, we can employ cloud computing for storing the things' information in the IoT. However, this information has been replicated through the network for increasing availability. In this paper, due to the NP‐hard nature of the replica selection problem, an improved version of ant colony optimization (IACO) has been applied. The impact of pheromone on the chosen path is converted by ants to invert the underlying logic of ACO. Due to the existence of different IoT centers, the IACO has been employed for selecting the replicated data in the IoT where the load balancing among IoT centers has been considered. In this method, an ant chooses the ideal point for its movement; then others may not pass the track that the preceding ants have been passed. The obtained outcomes have shown that the method has outperformed the ACO, HQFR, and RTRM approaches regarding the waiting time and load balancing.     

光纤光栅电压传感器非线性校正研究

针对传统的光纤光栅电压传感器非线性校正算法具 有运行速度慢,拟合精度不高的缺陷。在研究了大量国内外文献过后,本文为了解决一些传 统非线性校正方法在光栅光纤传感器校正中的不足,在此提出了一种基于蚁群算法优化的分 段支持向量机回归的 校正算法。由于传统的蚁群算法在信号处理中搜索速度不理想,最小二乘支持向量机回归算 法精度不高,所以此算法是结合了蚁群 算法搜索最小二乘支持向量机回归最佳参数原理的基础上将样本空间按照数据分布情况进行 分段回归,以此减少算法运行时间。首 先通过蚁群算法优化各个支持向量机参数,然后通过分段回归得到传感器完整的特性,曲线 拟合精度为99.97%。此算法克服了传统 支持向量机回归算法中局部最优解的问题,具有较好的全局收敛效果。     

蚁群算法中系统初始化及系统参数的研究

蚁群算法作为近年来一种新的模拟进化算法具有较强的发现解的能力,但同时也有收敛慢、耗费时间的缺点.本文针对各种不同规模的TSP问题,通过实验对各参数的设置做了研究,并对蚂蚁初始化提出了新的算法,并进行了实验验证.     

一种求解连续空间优化问题的动态蚁群算法

在实现了连续蚁群算法的基础上,针对蚁群算法容易陷入局部最优解的问题,对连续蚁群算法的全局转移概率进行改进,提出一种动态蚁群算法(DACO),根据动态全局转移概率分配蚂蚁个数,进行不同阶段的搜索.仿真实验表明,动态蚁群算法能够得到更精确的解.     

求解函数优化问题的快速连续蚁群算法

 用蚁群算法进行函数优化时,存在收敛速度慢并易于陷入局部最小等问题.为此,根据对真实蚂蚁的最新研究成果,提出了一种全新的由侦察蚁和觅食蚁协作搜索的函数优化快速连续蚁群算法.该算法首先引入混沌序列确定侦察蚁的初始位置,然后由侦察蚁进行全局大视域快速搜索,且每迭代完一步和每迭代完一代都要对解进行评价,并对本代最优解的信息素进行标记,由此吸引觅食蚁在本代最优解周围空间进行小步长搜索.通过这种初始化方法和侦察蚁与觅食蚁的相互协作,不仅能很好的提高寻优精度,且使收敛速度大幅提高.计算机仿真实验结果表明,本算法寻优率高,收敛速度提高显著,效果令人满意.