遗传-蚁群算法在目标分配问题中的应用研究

针对传统算法很难满足大型水面舰艇编队防空武器的武器目标分配(weapon target assignment,WTA)问题,提出一种将遗传算法融入蚁群算法的混合算法。分析了遗传算法和蚁群算法的优缺点、利用遗传算法快速全局随机搜索能力生成一组粗略解,用其作为蚁群算法的初始信息素,再利用蚁群算法的并行性、正反馈机制,最后求得最优解,并对遗传-蚁群算法与蚁群算法、遗传算法这3种方法进行仿真比较。分析结果证明:遗传-蚁群算法用更少的时间获得最优的火力分配方案,缩短了武器系统反应时间,在求解质量方面有较大优势。     

基于蚁群算法的军事通信网路由算法

蚁群算法是一种新型的模拟进化算法,初步的研究已经表明该算法具有许多优良的性质,为求解复杂的组合优化问题提供了一种新思路.文中即对蚁群算法进行改进,用于解决军事通信网路由技术中的DCLC路径问题.     

基于蚁群算法的Ad hoc网络节点信息感知路由研究

针对Ad hoc网络易出现拥塞,路由查找过程较慢,将蚁群算法应用到Ad hoc网络的路由选择问题上,提出一种基于网络节点链路拥塞度和识别目的节点信息素的Ad hoc网络路由算法。该方法根据网络中链路拥塞度值来修改信息素的挥发因子,并利用其进行蚁群信息素浓度更新,使路由选择与网络参数相关联,实现拥塞控制。仿真结果表明:该算法在分组交付率和平均端到端延迟等方面都有一定的改善。     

基于蚁群算法的多连接查询优化问题研究

介绍了蚁群算法在数据库查询中的应用,在给出蚁群算法的基本原理和程序流程的基础上,对传统蚁群算法进行了改进,将伪随机状态转移规则和局部信息素更新规则引入蚁群算法,提出了基于蚁群系统解决数据库多连接查询优化的方法,建立了多连接查询优化问题的数学模型,并进行了相关的实验;结果表明：当数据库的表数目较多时,基于蚁群系统算法对解决多连接查询优化问题有良好的求解性能,在求最优解品质和求最优解时间上都有较好的效果。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

基于组合优化算法的无人机航迹规划方法研究

根据遗传算法与蚁群算法各自的特点。将两者进行有机结合构成GA-ACO（genetic algorithm-ant colony optimization）组合优化算法,并将其应用在航迹规划路径寻优中以获取高质量的飞行航路。首先采用全局搜索能力强的遗传算法进行全局快速搜索,选取遗传算法得到的较优解集合,构成蚁群算法中初始信息素分布．再利用蚁群算法正反馈机制的特点求精确解,该组合优化算法在克服两种算法缺点的同时发挥了各自的优点,达到优势互补。仿真结果表明,与基本蚁群算法相比,GA-ACO在提高效率的同时改善了解的质量,是可行和有效的。     

天基自组织网络分布式抗毁路由算法设计与研究

天基自组织网络是一种大时空尺度的复杂网络,具有节点数量庞大、组成复杂、星间拓扑结构高动态变化等特点。为保证网络信息传输的连续性,亟需设计一种能够尽量减少重路由的出现,并对网络故障情况及时给出准确响应的天基自组织网络路由协议。针对现有卫星路由算法使用的源端重路由方法中存在的时延大、丢包率高的问题,提出一种天基自组织网络分布式抗毁路由算法,以最小化端到端时延为约束求解最优路径,并通过断点续传的方法可以在失效节点处重新探测一条到达目的节点的路径。仿真结果表明,在节点可能失效的场景中,该算法以少量控制开销为代价,可以获得较好的数据传输率和时延性能,保证了路由的可靠性和抗毁性。     

自组网路由协议在短波广域网中的OPNET 建模

为提高短波广域网性能,建立短波广域网模型并进行性能分析。针对短波通信的特性,对以优化链路状态路由（optimized link state routing,OLSR）为代表的先应式路由协议和以动态源路由（dynamic source routing,DSR）为代表的反应式路由协议进行了介绍。利用OPNET仿真软件搭建了短波广域网的地形和大气传播模型、节点模型、网络模型,实现了对OLSR和DSR路由协议的模拟,并比较分析了OLSR和DSR路由协议的性能。仿真结果证明,每一种路由协议都有各自的优缺点,应当针对不同应用需求适当地选取路由协议。该研究结果可为短波广域网路由协议的设计提供参考。     

战时通信装备备件配送模型

针对战时通信装备备件抢修,建立了带硬时间窗的战时通信装备备件多目标优化配送数学模型,并用蚁群算法对问题进行了求解。算法设计中,为解决模型求解中蚁群算法存在早熟、收敛性差等问题,引入伪随机规则调整状态转移概率;利用时变函数更新信息素强度。实验结果表明,该算法能得到较好的全局最优解,验证了模型的有效性。     

基于北斗定位系统的新型无线传感器网络路由算法

结合无线传感器网络的特点,利用中国北斗定位系统的定位、通信功能,提出了一种新的基于地理位置信息的蚁群路由优化算法。该算法利用北斗卫星获取方向因子和传递簇间路由信息,从而减少搜索盲目性,提高路由效率。仿真结果表明：改进算法提高收敛速度,减少控制包的发送量,从而节约能量开销。     

改进的网络路由协议低功耗自适应分簇算法

LEACH(low energy adaptive clustering hierarchy低功耗自适应算法)是无线传感器网络层次型路由协议中最重要和最具代表性的算法之一。通过对经典分簇路由算法LEACH的分析,针对LEACH算法中簇首分布不均匀、簇首与基站之间只能采用单跳路径的缺点,在簇首选择方式、簇首与基站的通信方式两方面进行了改进,并对LEACH算法及改进后的算法进行了仿真试验。仿真结果表明:该算法能有效地降低无线传感器网络节点的能量消耗,延长了网络存活时间,提高了传统LEACH算法的性能。     

军事协同巡检路线优化策略

为提高大规模多机器人巡检系统的工作效率,提出了改进的协同蚁群优化算法。该算法为每个巡检机器人设定一个路线优化蚁群,采用共享禁忌表的方式实现不同蚁群之间的信息共享,不同蚁群中的人工蚁采用代价竞争机制进行巡检节点选择,完成路线协同优化。协同蚁群优化算法能够根据巡检节点的分布完成巡检区域的分割与路线优化,提高了巡检区域划分的合理性。仿真实验结果表明,与基于地图分割的优化算法相比,协同蚁群优化算法能够根据巡检任务对巡检区域进行均衡划分,提高了巡检机器人的利用率,减少了整体巡检量,巡检效率得到了显著提升。     

基于动态规划的无线传感器网络路由优化策略

为解决以往设计的无线传感器网络路由算法存在的不足,提出一种适合无线传感器网络的最短距离-最小 能耗路由算法。依据无线传感器网络最常用的能量消耗模型,通过设置节点剩余能量的动态调节因子,基于动态规 划方法建立网络模型,在每个阶段根据节点剩余能量动态调整决策集合,选择最短距离-最小能耗路由,并采用 Omnet++仿真软件进行实验分析。结果表明：该算法相对简单,在一定程度上能减少无线传感器网络的能耗以及延 长生命周期。     

基于模拟退火算法的岛礁补给路径规划

为了高效、准确地解决岛礁补给最优路径规划问题,基于模拟退火算法对该问题进行了研究.采用路径长度最短作为海岛补给路径规划的最优指标,利用模拟退火算法求解最短路径.并分别对蚁群算法和模拟退火算法路径规划进行仿真分析,仿真结果表明:在岛礁补给路径规划问题上,模拟退火算法不仅可以高效准确地解决岛礁最优路径规划问题,而且相对于蚁群算法具有能避免陷入局部最优,计算结果稳定且效率更高等优势.该方法不仅可以用于岛礁补给路径规划,还可以用于解决无人平台、飞行器等路径规划的问题.     

基于Ad Hoc无线传感网络的三维智能组网优化算法设计研究

Ad Hoc无线传感网络(WSN)是一种无中心、自组织的无线网络。这种动态网络需要通过合适的组网算法生成拓扑结构以提高其稳定性。在多频率分级Ad Hoc网络结构中,簇头负责簇内成员节点之间的通信及簇头之间的通信,因此,如何选择出最合理的节点担任簇头成为分簇算法的关键问题。在现有的组网算法基础上,提出了一种基于三维预测模型的新型分簇组网算法,基于Matlab软件进行了仿真,构建三维网络拓扑结构,通过分簇算法生成分级网络,并对生成网络的簇头数及分簇平衡度进行分析。仿真结果验证了新型分簇组网算法的可行性,通过算法生成的分簇结构稳定。     

基于防御雷达监控的多无人机协同侦察优化模型

针对多无人机协同侦察路径优化问题,构建一种分步求解有防御雷达监控的多无人机协同侦察优化模型.通过聚类分析的方法对待侦察目标点进行目标群的划分,运用TSP算法求出目标群内各目标点之间的最优侦察路径并对无人机进行任务分配.根据相关约束条件,建立以无人机在敌方雷达监控范围内的滞留时间最短为目标的MMTSP 优化模型.运用蚁群算法对所建模型进行求解,并进行实例分析.分析结果表明:该模型和方法具有可行性和有效性,可为多无人机协同侦察提供参考.     

基于速度自适应的无线网络编码协议设计

传统网络编码方案使用固定的传输速率,没有考虑传输速率自适应对网络性能的影响,使得无线网络的性能不能进一步提升。文中提出一种基于传输速率自适应的网络编码协议,使得网络中的节点可以根据数据传输特性和无线链路质量作出路由决策,充分利用网络中空闲节点的传输能力,有效降低了节点间的通信开销,减少了重复数据包发送的概率。仿真结果表明,优化后的路由协议能够有效提升网络的吞吐量同时降低包的端到端时延。     

海军装备保障物资战时运输路径优化方法

为优化装备保障物资运输路径,提出一种结合弗洛伊德算法与蚁群算法相结合的新方法.通过模拟目前我国海军装备物资储备仓库与海军部队的位置,结合在战时出现的状况,从装备调度指挥员的角度出发,根据运输道路的路况采用等效距离代替实际距离的方法,采用弗洛伊德算法与蚁群算法对等效距离进行优化.实例检验结果表明:该方法能大大简化运算,最大程度上减少蚁群算法容易陷入局部最优的危害,解决了运输道路遭到敌人破坏情况下路径的优化问题.