实时双向群组搜索及其在蚁群觅食动画中的应用

基于双向搜索和群组协作的研究,提出一种新颖的搜索算法--实时双向群组搜索(real-time bidirectional crowd search,简称RBCS).基于这个搜索算法所提出的蚁群觅食模型包含了有限状态机和一系列表示蚂蚁和环境交互的规则,具有在复杂动态环境下找到食物和巢穴之间最短路径的能力.2D/3D实验结果表明,算法的搜索能力具有可信性,将其扩展到人群在固定点之间的来回往复运动也获得了满意的效果;和传统基于信息素的蚁群觅食模型的仿真实验对比表明了算法的优越性.     

求解多车辆装载问题的启发式改进蚁群算法设计

针对启发式优化算法不能较理想地对多车辆大规模装载问题进行优化的局限性,文章设计了一种启发式改进蚁群算法,该算法将单车辆的启发式装载与多车辆装载时的蚁群优化算法有机结合,较好地解决了多车辆大规模装载问题。经过实例验证,该算法具有较高的计算效率和较好的收敛特性。     

情报信息自组织消息传递的设计与实现

针对在非结构化情报信息对等网中,当若干节点失效时,消息传递性能将会降低等问题,提出一种基于对等通信的自组织消息传递协议规则。引入具有自组织特性的蚁群寻径算法,算法采用动态调整局部路径上的信息素策略,根据迭代过程自适应路由选择,使对等体获得寻径局部最优解,实现自组织消息传递。算法时间复杂度的分析以及自组织性能测试的仿真实验表明,该算法有效且切实可行,能达到预期效果。     

蚁群算法优化策略及其仿真研究

蚁群算法广泛应用于求解组合优化问题,但基本蚁群算法与其他模拟进化算法存在进化速度慢并易于陷入局部最小等缺陷。论文应用蚁群算法求解最短路径问题,从信息量的更新方式、局部搜索策略及参数选择等方面提出相应的改进策略。通过TSP问题的仿真表明,改进算法能够加快收敛速度,节省搜索时间,而且能够克服停滞行为的过早出现。     

改进遗传蚁群算法求解优化问题的设计与实现

传统的组合优化蚁群算法在求解优化过程中要消耗大量的时间,极易陷入局部最优解和收敛速度过慢等弊端,同时还会产生大量无用的冗余迭代码,运算效率低;因此,提出一种遗传蚁群优化算法;该算法具备了遗传算法快速搜索全局能力的同时也具备了蚁群算法并行性和正反馈机制;利用遗传算法改变选择算子、交叉算子和变异算子操作来确定路径上信息素的分布,将蚁群算法用于特征选择,采用支持向量机分类器分类性能反馈用于评价特征子集解,并通过对改变信息素的迭代、参数选择和增加对信息素局部更新方式指导特征结点重新组合;仿真实验表明,该算法可以有效提高计算精度,加快收敛速度,优化全局最优解的同时增强了系统的鲁棒性和稳定性。     

蚁群算法在多组分导数荧光光谱解析中的应用

对于由结构相似的物质组成的多组分体系,由于各组分的荧光光谱相互重叠,用常规的荧光分析法无法同时测定,但导数荧光光谱法分辨率高,能增强特征光谱精细结构的分辨能力,可用于多组分体系的解析中.介绍了导数荧光光谱测定技术,并对蚁群算法的基本原理、目标函数、条件参数和收敛速度等进行了研究.利用导数荧光光谱法与蚁群算法相结合对苯甲酰脲类农药卡死克和盖虫散混合溶液的荧光光谱进行分析.实验证明,解得的纯谱与单一组分的荧光谱吻合得很好,测得浓度的相对误差在以内,方法回收率在101%～105%之间.     

基于均匀设计和混沌理论的蚁群算法参数调整

蚁群算法中参数选择不当会直接影响算法的全局收敛性和求解效率。为此,分析各参数对算法性能的影响,提出确定蚁群算法参数最优组合的两阶段法,在离线调整阶段将蚁群算法基本模型的参数设定问题描述成多因素多水平的均匀设计,然后在在线调整阶段引入混沌扰动以避免搜索过程陷入局部极值。实验结果表明,两阶段法发现最优解的能力明显优于在线调整前的蚁群算法。     

基于自适应蚁群算法的Job-shop调度方法及其仿真研究

蚁群算法作为一种仿生进化算法,具有并行性、鲁棒性等优良性质,被广泛地应用于组合优化问题中。本文首先分析了job-shop调度问题与蚁群算法的内在联系,提出了一种新的用蚁群算法求解的方法。同时,为了增强算法的全局搜索能力和防止早熟现象,对挥发系数引入了一个自适应过程。最后,通过仿真证明了该算法在job-shop调度中的有效性。     

基于遗传蚁群算法的产品配色方法研究

论文结合遗传算法和蚁群算法在优化组合方面的优势,将其融入到工业设 计的产品配色当中。首先,利用遗传算法对已有的整个色彩方案库进行搜索,产生有关问题 的初始解集,然后,利用蚁群算法的并行性、正反馈机制以及求解效率高等特征寻求最优解。 最后,以油罐车整车的配色设计为例进行了色彩优化设计,对优化后的方案应用模糊评价法 进行评价,验证了该产品配色方法的有效性。论文提出的方法克服了两种算法各自的缺陷, 优势互补,提高了产品配色的效率和智能化设计水平。     

基于改进蚁群算法的船舶人员疏散问题研究

结合船舶人员疏散的背景条件,提出了一种描述船舶人员疏散问题的精确数学模型。构造了一种新的启发式函数同时引入改善全局收敛性条件,提出了一种改进蚁群算法．同时应用严谨数学语言证明了改进蚁群算法的收敛性,为进一步应用算法提供基础。算法增加了人员疏散过程中的社会因素及心理因素影响,能成功解决了大型舰船人员疏散问题。实验仿真结果表明,无论是在疏散时间还是疏散效果上都好于基本蚁群算法,为精确解决船舶人员疏散问题提供新的思路。     

蚁群算法解决指派问题的研究和应用

指派问题是在生产和生活中经常出现的问题。本文建立了指派问题的数学模型,对现有的解决指派问题的蚁群算法进行了分析,并设计了一种改进的解决指派问题的蚁群算法,有效地提高了蚁群算法解决指派问题的准确性和效率,并通过实验结果验证了应用蚁群算法解决指派问题的可行性和先进性。     

基于分层小生境蚁群算法的WSN中QoS组播路由研究

针对无线传感网络(WSN)的动态网络环境和能量约束的问题,在优化网络动态结构的基础上,提出用分层小生境蚁群算法求解WSN的QoS组播路由的方法.首先依据能耗将网络结构进行分簇分层优化并建立小生境,然后再结合蚁群算法优化QoS组播路由,最后进行能耗分析.该策略在保证能量最优的前提下,降低了路由的时间复杂度和空间复杂度,仿真结果表明了其有效性.     

改进蚁群算法在VRP问题中的应用及颜色Petri网实现

蚁群算法在解决车辆路径问题时存在运行速度慢等问题,基于此本文提出了一种自适应蚁群算法.该算法把客户需求等因素加入禁忌表,实时记录当前最优解,据此智能调整信息素的更新规则,同时调整了概率转移公式和可行解的构造方法,并建立了相应的颜色Petri网模型.最后利用VRP问题库中的几个经典实例与GA及其他改进蚁群算法进行了对比试验,验证了该算法既可以加快收敛速度,又可以避免局部最优,同时保证了最优结果的多样性.     

三步递进式蚁群算法在无线传感器网络中的应用

为了在无线传感器网络中找到一条距离短,节点能量消耗少的最优路径.通过采用"三步递进式"的寻点方法,提出了一种优化的蚁群算法DDEARA.首先,利用动态半径搜索因子寻找下一跳候选节点,能够保证蚁群算法收敛且节点位置分布均匀.其次,引入节点能量预测因子,避免节点能量不足时仍被超负荷使用的不合理现象,即当消耗完某个节点的所有能量,却未能成功传完所有数据.最后,在寻找下一跳候选节点过程中引入方向因子,带有方向性的寻点,避免了反方向的无关节点被选中为下一跳候选节点,减小最优路径距离,节约节点能耗,提高算法寻优效能.仿真结果表明DDEARA算法能够实现蚁群算法动态收敛,相邻节点之间间距适中,节点能耗均匀,过滤反向无关节点,减小最优路径距离,全面提高算法寻优能力,延长无线传感器网络的使用性能和寿命.     

基于膜计算和蚁群算法的融合算法在云计算资源调度中的研究

针对云计算下的资源调度的问题,提出将蚁群算法的个体与云计算中的可行性资源调度进行对应,首先对云计算资源调度进行描述,其次针对蚁群算法的路径选择引入了平衡因子,对信息素进行了局部研究和全局研究,将蚁群个体引入到膜计算中,通过膜内运算和膜间运算,提高了算法的局部和全局收敛的能力,最后在云计算资源分配中,引入匹配表概念,将云计算任务和资源进行匹配,融合后的算法提高了算法的整体性能;仿真实验说明在网络消耗,成本消耗,能量消耗上有了明显的降低,提高了资源分配效率。     

兴趣和蚁群相结合的非结构化P2P搜索算法

针对传统flooding搜索算法面临的效率低下和网络流量过大等问题,提出了一种改进的基于兴趣和蚁群相结合的资源搜索算法（IASA）。该算法将TTL机制加以改进,并将兴趣相似度引入到蚁群算法的路径概率选择中,同时结合信息素的多样性和正反馈机制,积累历史搜索经验,获得路由指引信息,从而有效地指导查询请求消息的转发,将请求消息尽量发往资源可能存在的节点上。仿真实验表明：该算法能有效地指导资源搜索的方向,提高查询命中率,减少冗余消息包,其整体搜索效果较好。     

浅谈怎样培养激发学生的创新思维能力

当前高校艺术设计教学中,学生突出的问题反映在创造能力表现不足,为了改善其状况:一是要提高教师素养,二是要加强对学生的创新思维能力的培养。     

现代纤维艺术设计的创意与表现

近年来,随着社会发展、科技进步,纤维艺术的发展有了很大的变化,在不断追求创新的今天,现代纤维艺术同样也需要创新,这应该是现代纤维艺术今后的发展方向和生存的空间。本文通过对纤维材料的认识、工艺技法的运用和表现技法的探索等方面,对现代纤维艺术本身的传承和创新进行了大胆的探索,为解决现代纤维艺术的传承与发展、创意与表现提供了理论借鉴;同时,对现代纤维艺术教学的创造性思维的启迪和实际操作能力的引导都具有积极的作用。     

基于改进蜂群算法的波浪发电最大功率跟踪

在波浪发电装置最大功率点跟踪中,浮子受到水动力的非线性导致传统群智能算法收敛速度不佳,易陷入局部最优。为此提出纵横交叉优化的人工蜂群算法(CABC)控制方案。引入纵横交叉算法(CSO)横向交叉算子的个体间变量全交叉思想,优化引导蜂、采蜜蜂搜索方式,增强CABC算法局部搜索能力。引入CSO纵向交叉算子优化侦查蜂,使侦查蜂能利用已知蜜源信息探索未知可行解域,提升CABC算法全局搜索能力。优化蜜源选择概率和人工蜂群结构,进一步改善CABC算法性能。仿真表明,CABC算法全局寻优能力强,收敛速度快,适用于波浪发电装置最大功率点跟踪。     

A Fuzzy Inference System for Increasing of Survivability and Efficiency in Wireless Sensor Networks

The nodes of a WSNs （wireless sensors network） are composed of small devices capable of sensing and transmitting data related to some phenomenon in the environment. These devices, named sensor nodes, have severe constraints, such as lower processing and storage capacity, and mainly they have severe constraints related to battery energy. Therefore, the developing of strategies to reduce the power consumption is one of the main challenges in WSNs, and thereby helping to increase the survivability and efficiency of these networks. This paper proposes a new approach to help multi-path routing protocols to choose the best route based on Fuzzy Inference Systems and ACO （ant colony optimization）. The Fuzzy System is used to estimate the degree of the route quality, based on the number of hops and the lowest energy level among the nodes that form the route. The ACO algorithm is used to adjust the rule base of the fuzzy system in order to improve the classification strategy of the route, and hence increasing the energy efficiency and the survivability of the network. The simulations showed that the proposal is effective from the point of view of the energy, the number of received messages, and the cost of received messages when compared against other approaches.