WSN中一种新的基于蚁群优化的路由算法

针对无线传感器网络路由中网络节点能量和生存时间受限问题,提出了一种基于蚁群优化的WSN分簇路由算法.算法引入蚁群优化,对网络覆盖区域内的节点进行分簇处理,簇内利用蚁群优化算法进行最优路径搜索.仿真结果表明:该算法能有效平衡网络节点间能耗,延长网络生存期,蚁群增强了最优路径的可靠性,进一步降低了网络能耗.     

基于混合参数蚁群算法的移动机器人路径规划北大核心

针对传统蚁群算法因初期信息素分布不均导致算法初期路径选择概率随机性大、搜索速度慢等缺陷,设计一种使用混合参数的蚁群改进算法。在算法开始阶段引入遗传算法,对遗传算法的适应度函数进行改进;设置一个评价点使遗传算法在合适的时机进入蚁群算法,并对算法的信息素挥发因子p采用一种自适应调整方式;对遗传算法的交叉率和变异率以及蚁群算法的信息因子和期望因子采用变异的混合参数,发挥4个参数因子在算法中的优点;在蚁群算法后面设置一个路径进化率的评价点判定是否再次进行遗传变异操作,目的是使蚁群算法跳出局部最优;算法最后引入B样条曲线光滑机制。实验结果表明:改进算法在简单和复杂的环境里找到的路径长度和路径拐点数明显减少,有比其他3种算法更快更准的寻找全局最优能力。     

基于响应面法-改进人工蜂群算法的绞车滚筒多目标优化设计北大核心

为提高绞车滚筒使用性能、减轻质量、降低耗能,提出一种基于响应面法-改进人工蜂群算法的方法对滚筒进行结构优化。利用有限元对绞车滚筒静强度和刚度、疲劳寿命进行仿真分析;建立以滚筒内部材料参数为设计变量,刚度为约束,最小疲劳寿命、最大静强度、质量为目标的响应面模型。在传统人工蜂群基础上,改进蜜源判断准则,有利于算法跳出局部最优、保留潜在最优。在搜索策略的算法中引入变异的思想,提高收敛速度;利用改进后的人工蜂群算法进行多目标求解,获得绞车滚筒的Pareto前沿解集。结果表明:优化后的滚筒质量减小350.1 kg,最大应力减小20 MPa,最小疲劳寿命增加5.888 7×10~5次,最大变形减小0.37 mm,达到了优化设计的目的。     

蚁群算法在铸造生产配料优化中的应用

以铸造配料成本最低为目标函数,建立了铸造优化配料数学模型.运用蚁群算法和Matlab语言,以ZG35Cr24Ni7SiN的炉料配比为例,对该数学模型进行了仿真优化计算,计算结果表明:在保证化学成分在控制要求成分的条件下,其吨钢成本比原手工配料方法节约550元,实现了铸造配料的优化配比,而且计算速度快于经典的线性规划数学方法,从而表明了蚁群算法应用于铸造生产配料是可行的.     

基于改进蚁群算法的云计算任务调度

利用云中资源进行高效任务调度是保证云计算系统可靠运行的关键问题。提出一种基于改进蚁群优化算法的任务调度方法。算法采用蚂蚁系统的伪随机比例规则进行寻优,防止算法过快收敛到局部最优解,同时结合排序蚂蚁系统和最大最小蚂蚁系统的设计思想完成信息素更新,有效求解优化问题。实验结果显示,该算法具有很好的寻优能力,提高了云资源的利用率。     

Swarm Intelligent Compressive Routing in Wireless Sensor Networks

This article proposes a novel algorithm to improve the lifetime of a wireless sensor network. This algorithm employs swarm intelligence algorithms in conjunction with compressive sensing theory to build up the routing trees and to decrease the communication rate. The main contribution of this article is to extend swarm intelligence algorithms to build a routing tree in such a way that it can be utilized to maximize efficiency, thereby rectifying the delay problem of compressive sensing theory and improving the network lifetime. In addition, our approach offers accurate data recovery from small amounts of compressed data. Simulation results show that our approach can effectively extend the network lifetime of a large‐scale wireless sensor network.     

Efficient collision-free path-planning of multiple mobile robots system using efficient artificial bee colony algorithm

This paper aims to propose a novel design approach for on-line path planning of the multiple mobile robots system with free collision. Based on the artificial bee colony (ABC) algorithm, we propose an efficient artificial bee colony (EABC) algorithm for solving the on-line path planning of multiple mobile robots by choosing the proper objective function for target, obstacles, and robots collision avoidance. The proposed EABC algorithm enhances the performance by using elite individuals for preserving good evolution, the solution sharing provides a proper direction for searching, the instant update strategy provides the newest information of solution. By the proposed approach, the next positions of each robot are designed. Thus, the mobiles robots can travel to the designed targets without collision. Finally, simulation results of illustration examples are introduced to show the effectiveness and performance of the proposed approach.     

磁悬浮直线电动机H∞鲁棒控制器及其蚁群算法优化设计

磁悬浮永磁直线电动机在结构上取消了机械传动的中间环节,具有磁悬浮和直接驱动的特点.针对磁悬浮永磁直线电动机由于悬浮高度不同,在磁悬浮和直接驱动运行过程中存在自身参数摄动和外界干扰突出的问题,设计基于蚁群算法的H_∞鲁棒控制器,以保证系统对这些不确定性具有良好的鲁棒性.建立包含磁悬浮永磁直线电动机参数摄动和外界干扰的状态空间模型.推导出无须满足正则条件约束的Riccati不等式,给出H_∞鲁棒控制器的解析表达式.针对H_∞控制器中加权矩阵选择的困难,采用蚁群算法对加权矩阵进行寻优.最后在MATLAB环境下对控制系统进行仿真研究.仿真实验表明基于蚁群算法的磁悬浮永磁直线电动机控制系统的性能比优化前有较明显改善,说明该方法的可行性和有效性.     

一种基于蚁群优化的图像分类算法

现有图像降维方法中特征信息被过多压缩,从而影响图像分类效果。提出IC-ACO算法,利用蚁群算法来解决图像分类问题。算法充分提取并保留图像的各种形态特征。利用蚁群优化算法在特征集中自动挖掘有效特征和特征值,构建各类分类规则,从而实现图像的分类识别。在真实的车标图像数据集上的实验结果表明,IC-ACO算法比其他类似算法具有更高的分类识别率。     

基于蚁群算法的分布式CPS系统任务调度设计

针对CPS系统中资源和任务的复杂性,同时为了保证CPS系统资源管理和任务调度的快速性、准确性和有效性,构建了分布式CPS系统结构模型,并设计和实现了基于蚁群算法的资源分配策略,在算法中设计了局部和全局信息素更新规则,将资源管理、任务调度和执行相结合,同时兼顾网络的负载平衡问题和服务质量问题.利用Matlab对基于蚁群算法的分布式CPS系统任务调度策略进行了仿真实验,实验结果证明该策略缩短了整体任务调度的总完成时间,并随着任务数的增加,任务时间缩短的效果更加明显.