基于并行遗传蚁群算法的组播路由调度算法

组播是将信息从源节点同时发送到网络中多个目的节点的通信方式,这是网络规模日益增大,信息流量增大的必然结果.组播路由是用一点到多点的方式传送信息,组播路由问题已被证明是NP-Complete问题.文中结合遗传算法GA和蚁群算法ACA的优点,提出了一种并行的遗传蚁群算法GACA,并把该算法应用到求解组播路由问题中.GACA算法利用遗传算法的快速性、随机性、全局收敛性产生求解问题的初始信息素分布,通过选择,交叉,变异等遗传操作产生一组新的个体,然后再利用蚂蚁算法群体并行性、正反馈性、求解效率高的特点,实现组播路由优化选择.仿真实验结果表明,该算法不但实现了组播路由的全局优化,而且在时间效率上优于现有的组播路由算法.     

蚁群K-medoids融合的聚类算法

蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合。但蚁群算法消耗时间成本较大,效率较低。而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛应用于各种聚类处理中。但需要人为确定簇数目,并对初始簇中心的依赖性较强。针对以上问题,提出了结合蚁群算法和K-medoids的聚类算法（AKCA）,该算法融合了蚁群算法和K-medoids算法各自在聚类上的优点。实验结果表明,该算法对于小型数据集具有运行效率高、聚类质量好和自适用性强等优点。     

基于改进遗传蚁群算法的低压PLC网络路由方法

在低压电力线通信网络组网过程中,节点间距离较远或信道环境较为恶劣的条件下,节点上电会形成多个网络短时共存现象,严重影响网络通信的可靠性,因此探讨基于带有冲突避免的载波侦听多路访问+时分多址(CSMA/CA+TDMA)混合协议的多网络快速融合方法.该方法可智能识别区域内存在多个网络,自主选取介质访问控制(MAC)地址最小...     

模糊遗传算法和蚁群算法相结合的配电网络重构

通过开关的优化组合可以提高配电系统运行的可靠性、电能质量和经济性。为改善配电网络重构模糊遗传算法的优化速度,提出了一种模糊遗传算法和蚁群算法相结合的方法。该方法将总的种群分为两部分进行搜索,一方面通过选择算子寻找总的种群中较优个体作为模糊遗传算法的子种群进行交叉、变异操作;另一面通过设定适应度函数阈值筛选总的种群中优秀个体,并将其适应度函数值对网络信息矩阵进行全局更新,用蚁群搜索另一部分子种群。该方法设定适应度函数阈值改进了蚁群算法的信息素更新机制;把模糊遗传算法和蚁群算法的子种群融合构成总的新种群,并用     

基于混合遗传蚁群算法的数字微流控芯片测试路径规划

数字微流控芯片在生化检测领域的应用越来越广泛,为保障芯片的可靠性必须对其进行全面且高效的故障测试。随着芯片规模的扩大,故障测试问题也越来越复杂。针对数字微流控芯片的灾难性故障测试,为提高故障测试方法的时间效率,本文提出了一种基于混合遗传蚁群算法的测试路径规划方案。首先,该方案优化了芯片故障测试模型的转化过程;其次,先利用遗传算法的全局特性生成全局较优测试路径,并根据较优测试路径形成蚁群算法的初始信息素分布;最后,再利用蚁群算法搜索最优测试路径。该方案适用于离线测试和在线测试,能够兼容规则和非规则芯片。实验仿真结果表明,该方案提高了测试模型转化的效率,在获得较优测试路径的同时改善了测试算法的收敛特性,提高了测试方法的时间效率。     

基于改进蚁群算法的无功优化研究

建立了网损最小的数学模型,对蚁群算法的缺陷进行改进,包括对蚁群搜索到的路径进行排序,自适应调节路径上释放的信息素.同时又在信息素更新机制里引入微分进化算法的发散项,提高算法的收敛速度和全局寻优能力.通过IEEE-30节点的仿真计算,验证了改进蚁群算法在电力系统无功优化领域的可行性和有效性.     

基于蚁群算法的电源设计

就计算机电源系统的应用进行设计分析,一个良好的计算机电源系统应当具备合理的电源架构、稳定可靠的DC-DC电源及良好的运行智能控制系统。在构造合理电源系统架构的基础上,提出了基于蚁群算法的电源管理系统,利用软件内嵌的蚁群算法来增强系统切换时间的精确性,从而实现了在保证电源基本功能的前提下,有效地减小系统运行的故障切换时间,提高了系统稳定性。     

基于蚁群算法的智能交流接触器优化设计

蚁群算法是一种新型模拟进化算法,为求解复杂的优化组合问题提供了一种新的思路和方法.本文将蚁群算法引入智能交流接触器控制参数和电磁机构结构参数的优化设计中,使智能交流接触器具有更加合理的电磁机构与动态特性,提高了智能交流接触器各项性能指标.     

基于蚁群算法的梯级水电站群优化调度

提出一种求解梯级水电站中长期优化调度问题的方法一蚁群算法（Ant Colony algorithm,ACA）。算法模拟了蚂蚁群体觅食路径的搜索过程来寻找梯级水电站中长期最优调度计划。算法把问题解抽象为蚂蚁路径,利用状态转移、信息素更新和邻域搜索以获取最短路径即最优解。实例计算结果表明,算法可以求解具有复杂约束条件的非线性梯级优化调度问题。算法求解精度高、收敛速度快,为解决梯级水电站中长期优化调度问题提供了一种有效的方法。     

基于蚁群算法的配电网故障定位与隔离

蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题。该文将蚁群算法用于配电网故障定位方面的研究,并通过实例证明了该算法的可行性和高效性。     

基于改进蚁群算法的输电网络扩展规划

输电网络扩展规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的随机化内启发式全局搜索技术。文中结合单阶段输电网络扩展规划问题的特点，应用改进的蚁群算法来解决输电网络扩展规划问题，建立了相应的数学模型，并给出求解算法。2个算例系统的计算结果表明了这种方法可有效减小搜索空间，并具有计算速度快和收敛性好等优点。     

基于优化蚁群算法的图像边缘检测改进算法

针对蚁群算法在图像边缘检测应用中出现的停滞、效率低等问题,提出了优化的改进方案。首先根据图像的灰度值确定启发式引导信息矩阵,在迭代运算中对信息激素强度和信息激素挥发度分别进行取值区间限制和自适应控制策略,搜索完成后采用Otsu阈值法检测出边缘。与传统算法相比,优化算法对搜索过程进行了适当的控制,提高了搜索的目的性,有效解决了停滞和收敛速度慢的缺陷。经测试,该算法能以更高的效率有效提取出边缘信息,同时保留了细节信息。     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

基于蚁群神经网络算法的电池健康状态估计

电池健康状态(SOH)是进行电池健康监管和维护的重要依据。以某种车用磷酸铁锂单体电池为实验对象,提出了一种蚁群算法优化后的神经网络算法,以电池直流内阻定义SOH,并将该算法应用到电池健康状态估计模型。结果表明所提出的模型和方法预测电池最大直流内阻误差为0.1 mΩ,平均误差为0.049 mΩ,表明该方法能较为准确地预测电池直流内阻,实时反映电池的健康状态。     

基于遗传算法与蚁群算法的电网规划

针对遗传算法求解到一定范围容易产生大量冗余迭代、求解精度低.蚁群算法初期信息素匮乏、求解速度慢的缺陷,在电网规划算法中,将遗传算法与蚁群算法融合,在网架规划初期采用遗传算法求解出最优解,通过最优解生成蚁群算法的初期信息素,确定吸引强度的初始值,建立强度更新的模型,从而得到满足电网规划的最优方案.最后通过18节点的算例证明,融合算法在收敛性与寻优性上均得到提高.     

基于蚁群BP神经网络的动态测量误差预测

针对BP算法在神经网络参数学习中局部性能好但易陷入局部极小值而蚁群算法拥有良好的全局性能的特点,提出了神经网络的综合训练方法(蚁群BP算法,ACBP Algorithm)即首先利用蚁群算法对神经网络参数进行全局搜索训练,然后再利用BP算法对参数进行局部学习。设计了一种自适应蚁群算法,一定程度上解决了传统蚁群算法收敛速度和拓宽搜索空间之间的矛盾。最后利用仿真实例验证了ACBP神经网络较之BP神经网络和AC神经网络在动态误差预测方面的优越性,得出了相关结论。     

蚁群算法在组合优化中的应用

本文介绍了崭新的求解复杂优化问题的启发式算法-蚁群算法以及它的基本原理.该算法是通过模拟蚁群搜索食物的过程,达到求解此类问题的目的.它具有智能搜索、全局优化、稳健性强、分布式计算、易与其他方法结合等优点.文章还介绍了该算法在静态组合优化,如旅行商、二次分配、车间任务调度、车辆路线、图着色、有序排列,以及动态组合优化中的应用.文章最后展望了蚁群算法所具有的广阔应用前景.     

P2P网络中基于蚁群算法的智能搜索研究

资源搜索是P2P网络应用领域中最为广泛的问题,蚁群算法是受到自然界中真实的蚂蚁集体行为的启发而提出的一种算法.将蚁群算法用于非结构化P2P网络资源搜索中,在广度优先搜索技术(BFS)机制的基础上实现了资源的智能搜索.该算法利用蚁群算法特有的信息素以充分利用历史经验,设置了全局更新规则和局部更新规则来更新蚂蚁寻找到所需资源时经过的路径上的信息素浓度,对蚁群算法中的参数做了相应的修改,并给出了算法的简要描述和基本框架.避免了广度优先搜索技术机制中的消息量过大、网络负载过重的问题,从而提高了系统搜索效率.     

基于蚁群算法的数字微流控生物芯片污染故障在线清除

生化分析领域对数字微流控生物芯片的可靠性要求严格,对实验中污染故障进行清除,能够保证复杂生化实验分析结果的准确性。提出基于最大最小蚁群算法的污染故障在线清除策略,完成污染清除,同时降低清洗污染单元时间。方案针对数字微流控生物芯片污染故障建立MTSP模型,建立基于流体和时间约束的禁忌判断策略,采用最大最小蚁群算法,重新定义概率选择函数与信息素更新策略,实现清洗液滴路径规划、快速清除污染故障的目的。实验结果表明,该方案能有效地减少清洗时间,且与MCC方案相比较,能够有效减少阵列单元使用数目。     

基于蚁群算法的继电保护系统可靠性分析

针对目前对变电站的继电保护可靠性评估还没有统一的标准,电网的继电保护可能会出现误操作的问题,提出了一种基于蚁群算法的继电保护系统可靠性分析方法。分析了变电站继电保护系统之后,根据变电站继电保护需要考虑的因素,将蚁群算法蚂蚁在寻找食物的过程中的最小路径遍历的思想运用在变电站继电保护的可靠性分析上,通过计算变电站各个有效节点之间的最短距离,构建可靠性分析模型。通过算例仿真,利用蚁群算法建立其模型,进行计算,验证此方法的有效性。