蚁群优化算法在WSN路由中的应用研究

介绍了基本蚁群算法的原理和适用范围,总结出了基本蚁群算法在求解最优路径问题时,虽然具有很强的发现较优解的能力,但是存在容易陷入局部最优解和收敛时间过长等问题。考虑到基本蚁群算法在无线传感器网络路由上应用的不足,提出了一种改进后的蚁群算法,并将其应用到传感器网络路由中。该算法不仅在状态转移概率公式中引入罚函数和动态权重因子,而且采用局部信息素更新和全局信息素更新结合的方式更新路径信息,充分考虑到传感器节点与节点间的传输距离,并且充分考虑传感器节点的剩余能量。最后通过仿真实验,得到了基本蚁群算法和改进后的蚁群算法在传感器节点剩余能量和传输数据包时网络延迟的不同曲线,验证了改进后的蚁群算法在无线传感器网络路由选择上的高效性。     

遗传算法在WSN路由协议设计中的研究与应用

和传统无线网络的节点相比,无线传感器网络的节点有其特殊的地方:电源能量有限,通信能力有限以及计算能力有限,网络拓扑结构更加不稳定,这些特性使得以前研究很多的无线自组织网的网络路由协议不能直接应用于无线传感器网络.提出基于遗传算法思想来设计和优化无线传感器网络的路由协议,使得源节点和目的节点之间以及中间节点之间存在多条最佳路径,节点在进行路由选择的同时,最大限度来保证网络各节点的总体能量消耗最少,最终保证整个网络的残存性能有进一步的提高.     

基于混合蛙跳算法的WSN路由优化算法

通过对无线传感器网络的拓扑结构和蛙跳算法的研究,针对能量受限的无线传感器网络生命周期较短的问题,提出一种基于混合蛙跳算法的WSN(W ireless Sensor Network)路由优化算法。该算法在生成青蛙时,考虑了节点的剩余能量,在局部优化过程中采用选择替换和变异两种方法,在全局优化中引入了多路径路由思想,并且充分利用了基站的信息资源和强大功能。仿真结果表明,该优化机制有效延长了W SN的生命周期,改善了网络性能。     

蚁群算法在WSN路由协议中的应用

针对无线传感网络节点能量有限的特点,提出一种改进的蚁群算法,将蚂蚁信息素、网络节点能量和节点间的时延相结合,形成算法控制因子。仿真结果表明,该算法可以均衡网络中各个节点的能量消耗,延长整个网络的生命周期,缓解网络拥塞并降低平均传输时延。     

基于LEACH与蚁群算法的WSN路由机制及性能分析

无线传感器网络是实现远程监测的方法之一,由于能量和网络生存时间的限制,其路由协议必须维持较小的路由信息并尽可能的减少能量消耗。在分析经典的分层路由算法LEACH算法特点的基础上,针对较大规模的网络环境将LEACH算法与组合优化蚁群算法相结合,并在NS2环境下验证其性能。仿真结果表明:运用修改后的新路由优化算法,增加了网络中的数据包发送量,分散了网络中传感器节点的能量消耗,延长了网络的生存时间。     

混合智能算法在多约束优化问题中的应用

提出了一种将蚁群算法、遗传算法和粒子种群优化融合的混合智能算法来解决多约束最优路径和QoS路由问题。采用蚁群算法进行寻径生成初始群体,利用遗传算法对路径进行优化,利用PSO算法来优化蚁群算法中的信息素,优势互补。仿真结果表明该算法是可行、有效的。     

移动WSN中基于分簇的自适应MPACO路由算法

为节省能量开销, 延长无线传感网络生存周期, 通过对蚁群算法的研究, 提出了一种无线传感网络中基于蚁群算法的剩余能量自适应优化算法, 并通过仿真研究与无线传感器网络中的EEABR算法进行了网络生存状态比较. 实验结果表明, 本文研究的剩余能量自适应蚁群算法能够达到网络优化从而实现延长网络生命周期的目的.     

群混合智能算法优化异构WSN的生命周期

为了优化异构无线传感器网络的生命周期,找到尽可能多的连通覆盖子集（CCS）,本文建立了以网络覆盖约束、收集约束、连通约束作为目标评价函数的模型。针对该模型,在蚁群算法基础上,引进鱼群拥挤度的概念,解决了蚁群在算法初期陷入局部收敛的问题。实验结果表明,该改进算法比一般蚁群算法具有更好的全局搜索能力和收敛速度,同时针对蚁群算法在构建子集中存在大量冗余节点的问题,提出了关键域法（KFM）判断各子集中冗余节点且利用冗余节点构建新的子集,这不仅能有效提高节点的利用率,而且延长了异构网络的生命周期。     

ICA:一种基于混合智能算法的移动Agent路由算法

遗传算法具有快速随机的全局搜索能力,但对于系统中反馈信息利用却无能为力,求精确解效率低.改进型ACS(antcolony system)算法不仅具有分布式并行全局搜索能力,而且在很大程度上避免了候选解陷入局部极小并导致系统收敛到这一伪最优解从而停止进化的可能性,但存在初期信息匮乏,求解速度慢的缺点.为了改善移动Agent系统的迁移性能和执行效率,本文提出一种基于由遗传算法和改进型ACS算法组成的混合智能算法的移动Agent路由算法.该路由算法是汲取两种智能算法的优点,克服各自的缺陷.通过对TAP问题的仿真实验表明该算法取得了较好的效果.     

蚁群算法在LEACH路由协议中的应用

减少网络能量损失,增加网络的生成时间是无线传感网络的重要研究内容。LEACH是针对无线传感网络设计的低功耗自适应的路由算法。但是传统LEACH路由算法存在簇首开销过大、簇规模分布不均匀等问题。针对LEACH算法存在的缺点,从成簇方式和簇头路由拓扑提出改进方案,成簇半径随着距离Sink节点的增加而减小,簇首间采用蚁群算法进行路由优化。实验从网络节点存活的节点数目和节点的平均耗能两个指标对仿真结果进行评价,仿真结果显示改进算法网络的生存时间比传统结果提高了15％,节点平均能耗降低20％。改进算法可有效减少网络的总能量消耗,均衡网络的负载。     

混合算法在车辆路径优化问题中的应用

研究车辆路径优化问题,物流配送不仅要求配送及时,而且要求运输成本低,且路径最优。车辆路径优化是解决物流配送效率的关键,传统优化方法寻优效率低,耗时长,难以得到车辆路径最优解,导致物流配送成本过高。为了提高车辆路径寻优效率,降低物流配送成本,提出一种混合算法的车辆路径优化方法。首先建立车辆路径优化数学模型,然后用遗传算法快速找到问题可行解,再将可行解转换成蚁群算法的初始信息素,最后采用蚁群算法从可行解中找到最优车辆路径。仿真结果表明,混合方法提高车辆路径寻优效率,有效地降低物流配送成本。     

混合遗传算法在路径选择问题的应用

本文建立单配送中心的物流配送路径优化问题的数学模型,并针对遗传算法在局部搜索能力方面的不足,提出将禁忌搜索启发式与遗传算法相结合,并在编码时引入虚拟配送点,从而构造了求解物流配送路径优化问题的混合遗传算法,并进行了试验计算。计算结果表明该算法是很有效的。     

WSN中基于最大最小化的优化路由算法

无线传感器网络(WSN)由能量受限的节点组成,需要设计路由算法优化节点的能耗。文章以最大化网络生存时间为目标,基于最大最小化模型提出了优化路由算法,定义了数据发送矩阵,设计了转发节点选择机制,以避免路由回路;基于节点收发数据的能耗及剩余能量,设计了求解优化路由的数学规划模型,优化了传感器节点的数据发送路径和发送量,均衡了节点的能量消耗。仿真结果表明,该算法能有效地均衡节点的能耗,延长网络生存时间。     

WSN中能量均衡的混合路由树算法

针对无线传感器网络中多跳通信路由导致的能量洞问题,提出基于环模型的混合路由树算法,创建最小代价混合路由树,使节点间采用单跳和多跳交替的混合路由通信方式,以此均衡网络耗能。仿真结果表明,该算法能有效解决能量洞问题,并最大限度地延长网络的生存时间。     

混合蚁群算法在车辆路径问题中的应用

蚁群算法在求解车辆路径问题过程中存在搜索时间长、易于陷入局部最优解的问题。为此,设计并实现一种混合蚁群算法。引入变异算子增强算法的全局搜索能力,采用2-opt法优化阶段最优解的子路径。通过对信息素的挥发因子进行动态调整,从而有效控制信息量的变化速度。实例仿真结果表明,该算法具有较好的求解效率和寻优效果。     

求解车辆路径问题的混合蚂蚁系统

研究车辆路径问题在物流配送系统中具有十分的重要意义。带时间窗车辆路径问题是每个客户的配送都有一个时间间隔限制的一类车辆路径问题。结合最大一最小蚂蚁系统、蚁群系统和最优一最差蚂蚁系统,提出求解带时间窗车辆路径问题的混合蚂蚁系统。实验结果表明：HAS能够有效地解决客户聚簇分布的带时间窗车辆路径问题。     

基于群智能混合算法的物流配送路径研究

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了一种双种群蚁群算法,在蚁群的基础上引入差分进化(DE)和粒子群算法(PSO)。通过在PSOAS种群和DEAS种群之间建立一种信息交流机制,使信息能够在两个种群中传递,以免某一方因错误的信息判断而陷入局部最优点。通过matlab仿真实验测试,表明该群智能混合算法可以较好地解决TSP的问题。     

开放式车辆路径问题的混合算法

为研究开放式车辆路径问题(Open Vehicle Routing Problem,OVRP),建立了数学模型.针对遗传算法(Genetic Algorithm,GA)与禁忌搜索算法(Tabu Search Algorithm,TSA)的不足,提出了一个采用GA和TSA相结合的混合算法求解OVRP.混合算法中以GA为主,把TSA用在GA的变异操作中,增强算法的爬山能力.通过仿真,将提出的混合算法与文献中其它算法比较,结果表明它可以快速、有效求得最优解或近似解.     

基于ACS-GA算法的车辆路径问题研究

物流配送车辆路径问题是智能交通和商业物流领域中一个重要研究方面。合理规划车辆的行驶路线,减少配送里程,降低物流成本,对提高经济效益具有重要意义。重点分析了带时间窗的物流配送车辆路径问题,建立了兼顾配送时间与配送距离最短的改进数学模型。提出了基于蚁群系统算法和遗传算法相融合的混合算法。该算法利用蚁群系统算法得到初始解,运用遗传算法中复制、交叉、变异操作对解的种群多样性进行扩充,克服了蚁群系统算法的早熟现象,增强了算法的全局搜索能力。基于标准数据集的实验结果表明,该算法与其他优化方法相比较,具有较好的搜索车辆路径最优解的能力。     

基于动态混合查找的WSN自适应路由算法

针对无线传感器网络(WSN)需动态调整路由请求域的问题,提出一种基于动态混合查找的WSN自适应路由算法。该算法依据路由查找的返回状态,以圆柱形路由请求域的半径作为调整参数,利用折半查找和指数查找相结合的方法对路由请求域进行动态自适应调整。仿真结果表明,该算法在数据包投递率、路由开销和数据包平均时延上的性能均优于AODVjr路由算法。