基于动态蚁群规模的优化路由算法

针对移动Ad Hoc网络,提出了一种可以可控制蚁群规模的自适应蚁群路由算法,通过在网络节点配置蚂蚁数目控制表来控制"网络蚂蚁"的数目。该算法能提高蚁群算法的自适应性,自动调节网络的负载平衡。网络仿真试验结果表明,该算法具有良好的收敛性和求解效果。     

基于蚁群算法的动态共享单车调度优化

随着共享经济的发展,共享单车逐渐走进人们的生活。为解决因共享单车出行的潮汐性而导致的资源浪费和供求关系不平衡的问题,将各调度区域内车辆数量的初始值及其变化速率考虑进约束范围,并对蚁群算法改进其禁忌表的节点选取方式,使其能够适用于求解动态共享单车调度问题,最终得到一条从调度中心出发的路径,同时能够保证调度量的最大化。实验结果表明,改进后的蚁群算法相比离散差分进化算法,在精确性和执行效率上有着显著的优势,尤其是在问题规模较大的情况下。在分别运行50次的条件下,蚁群算法成功寻得最优解的次数相较于离散差分进化算法提高了94%;在寻得最优解的条件下,蚁群算法的评价次数相较于离散差分进化算法减少了65. 4%。     

基于蚁群优化算法的SDN路由策略

针对蚁群算法在软件定义网络路由选择中的全局搜索能力弱、收敛速度慢的问题,提出一种基于蚁群优化算法的路由策略.根据网络规模设定参数,将信息素浓度重要程度和挥发系数由静态参数改进为动态参数,弱化算法迭代前期的信息素浓度重要程度以提升算法前期的全局搜索能力,增强算法迭代后期信息素浓度重要程度以加快算法后期的收敛速度;对挥发系数采用逐步减小的动态参数使算法避免陷入局部最优解;进一步加快算法后期的收敛速度,使网络获取更佳性能.在Mininet平台上进行仿真实验评估该算法性能,实验表明该算法前期在选择路由时的全局搜索能力增强,后期收敛速度明显加快.实验通过将基于蚁群优化算法的SDN路由策略与基于最短路径路由算法、等价多路径路由算法路由策略对比,链路利用率分别提升9.9%和17.1%,具有平均吞吐量大、链路利用率高的优点.     

基于知识库的动态蚁群算法

针对蚁群算法收敛速度慢、易陷入局部极值等问题,将其与知识库结合,提出了基于知识库的动态蚁群算法.知识库包括算法知识、规则知识和案例知识,存储了定性或定量的算法参数、参数选择方法和历史数据.基于知识库和问题特性,本算法产生初始状态并动态调整参数,在运行过程中根据赌轮法选择算子并适时引入扰动,在不影响搜索过程随机性的前提下较快地收敛于全局最优值.分别用本算法和其他主流算法解决TSPLIB中的Eil51和CHN144实例,比较优化性能、时间性能和鲁棒性3个指标,结果表明本算法均有明显优势.     

基于蚁群算法的自适应动态路由算法

针对传统的路由算法收敛速度慢且易产生路由振荡的问题，利用蚁群能够发现从巢穴到食物源之间较短路径的 特性，提出了一种自适应动态路由(ADR) 算法.ADR中的人工蚂蚁同时搜索网络，并以一种间接、异步的方式相互交换所 收集到的网络状态以及数据流量信息.网络每个节点的路由表用信息素表来代替，表中的信息素浓度以概率值的形式表示 ，利用再励学习机制，人工蚂蚁以一定的周期更新信息素表.算法具有自适应性、鲁棒性及本质上的并行性.仿真结果表 明，所提出的算法能有效提高网络吞吐量、降低平均时延.     

蚁群优化算法的Docker集群调度策略

针对轻量级虚拟化技术Docker集群调度策略Docker Swarm无法很好实现负载均衡且不能很好发挥集群的整体性能问题,提出利用蚁群优化算法对其调度进行改进,通过搭建容器集群进行任务调度分配资源,分别对Swarm原生的调度策略和文中提出的改进算法进行对比实验。实验结果表明,在相同配置下,蚁群优化算法相比Docker原始调度策略集群压力测试QPS性能大约提升20%,同时该算法使得集群中各个节点的资源利用更加均衡,具有了更快的服务响应速度。     

连续蚁群优化算法的研究

针对蚁群优化（ACO）只适用于离散问题的局限性，提出了连续蚁群优化算法（CACO）,保留
了连续问题可行解的原有形式，并融入演化算法（EA）的种群与操作功能。CACO将蚁群分工为全局和局部
蚂蚁，分别引领个体执行全局探索式搜优与局部挖掘式搜优，并释放信息素，由个体承载，实现信息共享
，形成相互激励的正反馈机制，加速搜优进程。实例测试表明，CACO适用于连续问题，全局寻优性能良好
，尤其对复杂的高维问题，更能反映其相对优势。最后讨论了局部寻优方法、全局蚂蚁配比、挥发因子和
种群规模等因素对CACO寻优性能的影响。     

基于区域聚类蚁群算法建立电网拓扑研究

提出了基于区域聚类蚁群算法的电网拓扑结构分析方法.该方法利用MATLAB仿真软件建立一个随机拓扑结构.首先是将N个节点随机地投放到一个区域内,然后按照区域聚类的思想把节点分类,以最优路径为前提建立电网拓扑结构模型,最后通过控制论的方法加以验证.该方法建立的电网拓扑模型能扩大到任意标准,而且节点是随机的,各项参数都可以根据需求来随机设置,同时该思想的处理速度快,仿真结果验证了该方法的有效性.     

基于蚁群优化算法的云计算资源分配

基于云计算环境的特点,采用改进蚁群优化的计算资源分配算法,分析诸如带宽占用、网络负载和响应时间等因素对云端资源分配的影响。仿真实验的分析和比较说明该算法能够在云中快速、合理地找到所需访问的数据库,并能够优化搜索性能,减少搜索时间,降低云数据库整体网络负载,比其他一些针对云计算的分配算法具有更优的效率。     

基于蚁群算法的PID参数优化

针对传统的PID控制器参数多采用试验加试凑的方式由人工进行优化,提出了一种新型的基于蚁群算法的PID参数优化策略.蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用分布式并行计算机制.在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于某型高精度飞行仿真伺服系统.仿真应用研究表明,该PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了该方案的可行性和有效性.     

基于蚁群优化的正则表达式分组算法

依据Becchi算法的思想基础,提出基于蚁群优化的改进正则表达式分组算法.根据正则表达式间分组的特点,定义正负影响关系的冲突信息和启发函数,构建信息素更新策略.实验结果表明,该算法较Becchi算法能更加客观合理地反映模式集中正则表达式间的优化合并信息,能有效减少状态数量,达到总状态数最优解,降低正则表达式匹配的复杂度.     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

基于蚁群算法的配电网优化规划

提出了一种考虑电网可靠性的配电网规划模型,采用前推后代迭代法进行潮流计算,利用经典的故障模式后果分析法计算电网缺电成本,基于蚁群算法提出了一种适合于配电网的优化规划方法。通过对某算例的计算和分析,验证了本文方法的有效性。     

基于蚁群算法的资源优化配置系统研究

在资源配置和蚁群优化算法的基础理论指导下,针对现代生产物流领域的资源配置优化问题将改进后的蚁群算法引入到资源配置问题中,并应用实例对算法进行验证,评价出合理的配置方案,从而提高资源的利用率和系统效率.     

基于蚁群算法的水库调度图优化研究

在满足发电保证率的条件下,以年均发电量最大为目标,建立了基于模拟的水库调度图优化模型。通过混合编码描述调度线的形状,采用蚁群算法优化关键点,求解模型。以隔河岩水电站为研究背景,开展隔河岩水库优化调度图编制研究。计算结果表明,较原设计方案,水库优化调度图年均发电量可提高0.32亿kW.h,提高幅度约1.21%,经济效益显著。     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次。针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解。应用实例与算法比较验证了优化模型与求解算法的有效性。     

基于蚁群算法的配电网优化规划

提出了一种考虑电网可靠性的配电网规划模型,采用前推后代迭代法进行潮流计算,利用经典的故障模式后果分析法计算电网缺电成本,基于蚁群算法提出了一种适合于配电网的优化规划方法。通过对某算例的计算和分析,验证了本文方法的有效性。     

智能电网中基于ESS-MOPSO算法的调度优化策略

结合智能电网的调度优化策略应综合考虑经济运行、节能减排及电能质量各方面因素,给出了智能电网的优化调度方程,并采用粒子群算法对该方程进行多目标寻优.介于传统粒子群算法中使用Pareto准则的局限性,采用一种基于优先阶的均衡选择全局搜索策略,更加有效地选取出全局最优粒子,引导其他粒子寻优.在对智能电网调度优化的仿真中取得了良好效果.     

基于改进蚁群算法的动态多路径诱导系统研究

传统的动态路径诱导系统只能向出行者提供唯一一条最优路径,可能引起出行者的集聚反应,进而导致拥挤漂移问题的出现.本文提出了一种基于改进蚁群算法求解最短路径的方法,实现了动态路径诱导系统中最短路径的搜索.改进蚁群算法对信息素和启发信息进行标准化,消除量纲和取值范围的影响,引入方向函数作为新的启发式因子,使算法的收敛速度得到提高.仿真实验表明该方法收敛速度比较快,搜索结果比较合理、有效,能够满足动态路径诱导的实时性和快速性要求.     

基于蚁群算法的速冻蔬菜配送路径优化研究

以安徽某公司速冻蔬菜为例,介绍了基于蚁群算法的冷链物流配送路径优化问题的研究。通过对安徽某公司配送速冻蔬菜的现状与不足、车辆路径问题及求解算法的特点、蚁群算法模型的建立与应用等进行详细分析,建立了基于蚁群算法的冷链物流配送路径优化研究模型,使其在销售速冻蔬菜时能够达成配送路径更短、配送时间更少、配送成本更低、客户满意度更高的目标。