树形全光网络中波长转换器配置算法

配置有限数量的波长转换器使网络阻塞率最低,是全光网络中需要解决的一个关键问题.通过考虑网络的直径、中心以及节点和链路的通信量,采用网络分解和迭代的方法,提出树形网络中基于赋权直径的波长转换器配置算法、基于节点加权中心的波长转换器配置算法,以及基于光路加权中心的波长转换器配置算法.算法演示表明,提出的3个算法总是将波长转换器放置在阻塞率较高的节点上,从而大大降低网络整体阻塞率.     

波长路由树形全光网中波长转换器配置算法

在波长路由全光网中,波长转换以及路由和波长分配算法（RWA）是降低网络阻塞率、改善网络性能的两个重要方法。研究了树形网络中波长转换器的配置问题,结合树形网络的特点,对影响波长转换器配置的主要因素进行了分析。综合路径长度、路径通信负荷以及节点的度,提出了基于网络直径的波长转换器配置算法和基于网络中心的波长转换器配置算法。通过算法演示和仿真,表明提出的两种算法各有优点。     

光网络中波长转换器的优化放置问题求解

基于分层图模型,提出了一种的简化的计算具有波长转换器光网络中光链路阻塞率的数学模型和公式,并应用于遗传算法的迭代函数,通过遗传算法对波长转换器在光网络中的优化放置问题进行求解,分析了波长转换器的最优放置和波长转换器的最小使用数量。通过在美国自然科学基金网(NSFNet)的仿真模拟,得出了使用部分和全部波长转换时的网络阻塞特性。     

全光网波长转换器配置问题的一种启发式算法

波长转换技术可以消除全光网络中的波长一致性限制,降低网络阻塞率,因此在具有波长转换器的全光网中,如何通过合理配置、使用数量有限的波长转换器来最大程度的降低网络的阻塞率,这是全光网络需要解决的一个关键问题。因此对网络中通过节点的路由数量、通信量、路由长度及节点处于路由的中心距离进行分析,并给上述四个参数赋予一定的权重进行加权处理,提出了一种基于节点权的全光网络波长转换器配置算法,并针对一般拓扑网络进行了算法演示和分析。     

全光网络的聚合配置分析

1 引言随着网络应用技术的不断发展,网络应用的种类变得越来越多,各自的异构程度更加复杂,所覆盖的领域已经涉及到整个社会的各个角落。这些需求决定了当代网络必须朝着高速度、大容量以及多业务的宽带方向发展和演变,业界人士一直在努力研究如何实现这个一体化的综合网络以提供各种类型的服务来满足不同应用的要求。     

蚁群算法的BP网络优化算法

利用蚁群算法和BP网络训练算法相结合的方法对无线传感网络节点路由路径搜索展开了分析研究,简单分析了蚁群算法实现的基本原理,在此基础上重点给出了基于蚁群算法的BP网络优化算法的基本原理及其实现步骤,并对该优化算法与传统的BP网络训练算法的性能进行了对比仿真测试。     

蚁群优化的传感器网络路由算法

研究优化无线传感器设计,由于无线传感器通信能力、节点能量有限,远程环境下无法更换能源,节点能耗引起网络生命过短.在综合考虑了传感器节点剩余能量,为了延长网络生命周期,提出一种蚁群优化的无线传感器路由算法.算法根据节点当前剩余能量进行簇头选举,然后通过蚁群算法根据传感器节点距离和能量信息进行路由选择,并不断的更新簇头间的...     

基于蚁群算法的飞机定检人员均衡配置

将蚁群算法(ACO)应用于飞机定检人员均衡配置中.首先,根据均方差指标建立人员均衡配置模型;其次,运用3种精英策略并引入信息素限制和自适应机制对基本蚁群算法进行改进,同时提出一种新变异算子以进一步提高算法的性能;最后,运用改进蚁群算法求解模型.实例仿真表明,改进蚁群算法克服了基本蚁群算法搜索时间长、容易早熟的不足,均衡...     

蚁群算法在网络最大流问题中的应用

网络最大流问题是一个经典组合优化问题,是计算机科学和运筹学的重要内容。根据蚁群算法的特点,将网络最大流问题进行相应地转化,然后利用蚁群算法进行求解。仿真结果表明,该算法能方便快捷地解决最大流问题,是行之有效的方法。     

基于蚁群算法分布式网络可靠性的研究

在分布式网络中,应用软件客户端访问服务器,由于网络节点资源流畅性的变化,影响应用软件客户端对服务器资源的获取和更新的效率.为此,提出了利用蚁群算法的最优化处理,使得客户端能够尽快地得到最可靠的分布式网络服务器资源,提高网络的可靠性.文中采用Powerbuilder模拟程序仿真了在分布式环境中,客户端如何访问服务器组,通过对蚁群算法的分析了解,可以很快使客户端连接到最可靠的网络服务器的地址,这样可以大大节约系统的响应时间,尤其在一些实时性要求很高的系统中.本系统的研究最终也应用到铜陵住房保障系统中.     

基于多路径蚁群算法的无线传感器网络的路由

针对能量控制在无线传感器网络路由上的特殊要求,为了促使网络节点能量消耗相对均衡,将基本蚁群算法(ACS)应用于无线传感器网络的路由,提出一种基于多路径蚁群算法的无线传感器网络的路由(MACS).该算法利用蚁群的自组织、自适应和动态寻优能力,通过蚂蚁并行地寻找从源节点到达目的节点的最优路径和次优路径,使得网络中的节点不需要维护全局信息,形成多条传榆路径,延长了整个网络的生命期.仿真结果表明,该算法和定向扩散路由(DD)、基本蚁群算法及极大一极小蚁群算法(MMAS)相比,在路由代价和节能方面效果显著.     

改进蚁群系统在火炮弹药装填中的应用

在现代自行火炮武器系统中,弹药自动装填过程要求在短时间内将多枚待发药筒装填完毕.该过程的时间优化属于NP-难问题。由于算法优化的时间也计入装填过程时间内,要求算法能在短时间内优化出较好的结果。为解决该优化问题,使用了蚁群算法,并针对算法易陷入局部最优的缺点,提出了至今最优路径信息素归零策略:在迭代最优路径收敛为至今最优路径时,将其边上的信息素赋值为0。通过实验,和标准蚁群系统对比,表明具有该策略的蚁群系统,迭代次数更少、求解时间更短、解的质量更好更稳定,因而综合性能更好,更加适用于火炮的弹药自动装填过程。     

蚁群算法在智能交通系统中的应用研究

本文主要以我国的智能交通系统的组成为出发点,结合蚁群算法在我国智能交通系统中的应用现状,分析了其作用意义,对于今后进一步的发展给出了初步的建议和看法。     

基于协同学习的蚁群电缆敷设系统

基于协同学习机制的蚁群系统（ＡＣＳ）已成功地应用于求解旅行商问题（ＴＳＰ）。文章根据电站电缆敷设的具体情况，将蚁群系统的算法进行了相应修改，并应用于其中，得到了比较理想的结果。     

基于信息熵的蚁群聚类改进方法研究

从模仿蚂蚁堆积尸体的基本模型出发,可以实现蚁群聚类算法.研究了实现基本蚁群算法以及基于信息熵的蚁群聚类算法的关键方法,测试并验证了算法的有效性.同时,在比较其性能的基础上,主要针对基于信息熵的蚁群聚类算法收敛速度快,但却容易陷入局部最优的缺陷,从聚类拆分、合并、孤立点处理等几个方面对基于信息熵的蚁群聚类算法进行了改进,从而在利用其收敛速度快的基础上提高聚类的准确性.仿真实验表明:改进后的方法在聚类的准确性和收敛速度方面都得到了很好的结果,对基于信息熵的蚁群居类算法优化提供了比较好的应用改进.     

基于粗粒度模型的蚁群优化并行算法

为了改进蚁群优化算法的收敛速度,研究了一种基于粗粒度模型的并行蚁群优化算法,该算法将搜索任务划分给q个子群,由这些子群并行地完成搜索,可使搜索速度大幅度提高。实验结果表明,用该算法求解TSP问题,收敛速度比最新的改进算法快百倍以上。     

基于蚁群系统WDM网络受限组播路由算法

通过在蚂蚁选路的概率中加入成本因素，只增加优秀路径上的信息素，实现了对现有蚁群算法的改进，加快了其收敛速度。将改进的蚁群优化算法与分层图相结合，提出了一种构造时延受限的最小代价组播树的并行算法。     

蚁群优化算法应用研究概述

为了对蚁群算法近年来的应用研究情况进行总结,为后续的研究提供参考,综述了蚁群算法近年来的应用研究成果.在介绍蚁群算法基本特点的基础上,首先介绍了蚁群算法的一般模型,其次概述了蚊群算法近年来的研究进展与算法在各个领域的应用情况,最后指出了仍未解决的问题和当前的研究热点.蚁群系统所具有的分布式组织模型对解决复杂组合优化问题、分布控制问题提供了很好的思路,对蚁群系统行为及其白组织能力的研究具有积极意义.     

基于粒子群优化的蚁群算法在TSP中的应用

结合粒子群算法的问题,提出用混合蚁群算法来求解著名的旅行商问题.问题的核心是应用粒子群算法对蚁群算法的控制参数:启发式因子、信息素挥发系数、随机性选择阈值进行优化,以及运用蚁群系统算法寻找最短路径.新算法对于蚂蚁算法中的参数调整大大减低,减少了大量盲目的实验,力求在开发最优解和探究搜索空间上找到平衡点.对旅行商问题的仿真实验表明,新算法的优化质量和效率都优于传统蚁群算法和遗传算法,接近理论最佳值.新算法也可推广用于其他NP问题的求解.