基于改进蚁群优化的盲均衡算法研究

基本蚁群优化算法在信号的盲均衡处理中存在收敛速度慢、容易陷入局部最小的缺点.为了解决基本蚁群算法所存在的不足,文是通过修正基本蚁群算法的转移概率公式给出一种改进的蚁群优化盲均衡算法,建立了基于改进蚁群优化算法的 SIMO 系统盲检测模型,并对基于基本蚁群优化盲均衡算法和改进蚁群优化的盲均衡算法性能进行仿真.仿真分析结果表明,文中提出的改进算法能很好地恢复出未知的发送信号,同时提高了计算效率和加快了收敛速度,表现出了优于文献算法的良好性能     

自动机制设计中一种改进的混沌蚁群算法

针对自动机制设计计算复杂度会随具体问题规模的增大而呈指数增长等问题,提出了一种改进的混沌蚁群算法.在机制设计基础上,依据激励兼容和个人理性约束,分析了自动机制设计中的占优策略机制模型和贝叶斯-纳什均衡机制模型,并将改进的算法用于实现这2种机制模型.结果表明:该算法在公共货物配置问题上取得了较好的效果.     

基于改进蚁群算法的负载均衡机制的研究

针对传统网络中集群负载不均、负载压力大等问题,提出一种基于改进蚁群算法的动态负载均衡机制。该算法可根据服务器性能动态调整负载调度方案,实现服务器集群最小响应时间下的最大资源利用率。论文在基本蚁群算法的模型上,针对蚁群算法前期收敛速度慢和后期容易陷入局部最优解等问题,结合遗传算法和伪随机序列对算法进行优化。最后经实验结果证明,改进的蚁群算法能更好地提升系统负载均衡性能,实现负载目标。     

基于改进遗传算法的飞机定检人员均衡配置

将遗传算法应用于解决飞机定检人员均衡配置问题中.根据均方差指标建立了人员均衡配王模型;采用候选集合策略处理约束条件,保证每个个体都对应有可行解;采用最优保存策略和基于预选择的小生境实现方法对基本遗传算法进行改进,并使用其求解模型.仿真实例结果表明,改进遗传算法克服了基本遗传算法客易“早熟”的不足,均衡配置后人员工作时间均方差减少65.90％.     

一种基于路径权重均衡的蚁群算法

为了提高基本蚁群算法的收敛速度,强化其全局搜索能力,对基本蚁群算法进行了改进,提出了一种基于路径权重均衡的蚁群算法.试验证明,算法在加速收敛和防止早熟之间取得了动态的平街,并且具有很强的发现最优解的能力、更快的进化速度.     

基于改进蚁群算法的集群负载均衡研究

在集群负载均衡技术中,负载均衡算法的好坏直接影响负载均衡系统的性能.蚁群算法是一种很有效的组合优化算法.在蚁群算法的基础上,文章提出了一种与遗传算法相融合的基于基本蚁群算法的混合智能负载平衡算法.算法中遗传特征的引入,有效地改善了传统蚁群算法容易陷入局部最优解的缺陷,极大地提高了算法的收敛速度,有效地实现了集群的动态负载均衡.     

一种基于精英策略的改进蚁群算法及应用

针对基本蚁群算法存在求解速度慢,容易出现"早熟",导致搜索停滞的缺点,将遗传算法中排序的概念扩展到精英机制当中,以一种新的加权方法进行信息素更新,建立了改进蚁群算法模型.对30城市物流配送问题仿真结果表明:改进算法的求解速度和求解精确度都明显优于基本蚁群算法.     

基于改进蚁群算法的无线传感器网络路由的优化

为了延长无线传感器网络(wireless sensor network,WSN)的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法;首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力;最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗;通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。     

蚁群算法在TSP问题中的应用及其优化研究

蚁群算法是一种新型的模拟进化算法。分析了蚁群算法的基本模型和算法在TSP问题中的实现方式,针对其缺陷对基本的蚁群算法进行了一定的改进。     

改进蚁群算法在旅游路线规划中的应用研究

在研究了基本蚁群算法后提出了偶遇算法,提高了蚁群算法蚂蚁一次周游的质量。针对旅游路线规划的问题,改进了路径的求法,使蚁群算法可以实现动态规划,从而实现旅游景区的负载均衡。提出一种基于改进蚁群算法的旅游路线规划问题求解的有效方法。实验结果表明该方法具有较好的有效性和实用性。     

基于蚁群算法的飞机定检原位工作流程优化

首次将蚁群算法（ACO）应用于飞机定检原位工作流程优化中。在建立原位工作流程优化模型的基础上,借鉴最优一最差蚂蚁系统的思想改进信息素更新机制,并采用改进的精英策略和变异特征对基本蚁群算法进行改进。实例仿真表明,改进蚁群算法在全局搜索能力和收敛速度上较基本蚁群算法有明显提高,克服了基本蚁群算法搜索时间长、容易早熟的不足。优化后原位工作完成时问较优化前缩短2．27％,验证了ACO在解决定检工作流程优化问题上的适用性。     

改进蚁群算法在基于服务质量的Web服务组合优化中的应用

为了克服基础蚁群算法存在的前期搜索速度较慢、后期极易陷入局部最优解的缺点,提出初始信息素分布策略和局部优化策略;同时还提出了依赖解的质量的信息素更新依据,以增强算法过程中信息素的有效积累。将该改进蚁群算法应用于基于服务质量(QoS)的Web服务组合优化问题中,通过在数据集QWS2.0上的实验对改进蚁群算法的可用性和有效性进行了验证。结果表明改进的蚁群算法与基础蚁群算法、利用解与理想解距离更新信息素的改进蚁群算法以及用支配程度作为解的个体评价的改进遗传算法相比,能够找到更多的非劣解,寻优能力更优,表现出了较稳定的性能。     

一种求解高校最短路径的改进的启发式蚁群算法

启发信息是地理信息系统（GIS）中的关键,针对蚁群算法易陷入局部最优的缺陷,提出一种带有启发信息的改进蚁群算法。i亥算法在初始化蚁群时引入启发信息指引蚂蚁快速收敛于全局最优解,为平衡全局与局部搜索能力,也改进状态转移概率算子,从而有效提高算法性能,增加种群多样性。实验以Visual Studi02005中C＋＋编程实现仿真,结果表明此算法不但能有效求解GIS的最短路径,而且改进的算法能快速地收敛且精度高。     

基于改进ACO算法的印制电路板装配研究

引入带顺序相关切换时间的单机带权延期模型,研究印制电路板(PCB)装配中单生产线多板型的调度问题,使用改进的蚁群优化(ACO)算法对其进行求解。在改进算法中,使用带禁忌表的信息素更新策略防止算法过早收敛,以多线程方式实现局部搜索,通过路径池使局部搜索与蚁群进行交互和通信。测试结果表明,改进算法可以有效提高PCB装配效率,降低生产任务延期率。     

一种高效的三维轮廓曲线匹配算法

针对三维碎片自动拼接中的碎片匹配问题,提出一种高效的轮廓曲线匹配算法。用B-样条曲线表示三维空间曲线,并计算轮廓曲线上各个点的曲率、挠率和法矢,在匹配过程中,对轮廓特征点按其邻域曲面片进行分类,根据特征点类型标志及特征段之间的欧式距离对不同轮廓上的特征段进行相似性度量,再利用法矢对相似性较高的轮廓段进行可匹配性验证。实验结果证明该算法是稳定、高效的。     

采用蚁群算法及移动Agent的网格服务发现设计

在对网格进行分簇的基础上,设计了一种基于蚁群算法及移动Agent的网格服务发现机制模型。通过使用移动Agent技术收集网格服务信息,并将收集到的网格服务信息摘要进行跨簇缓存,以提高蚁群算法中信息素信息的准确性,并且在进行服务查找时采用之前缓存的服务摘要信息作为蚁群算法的启发因子,从而提高网格服务发现的准确性以及发现速度,进而提高网格使用效率。通过仿真实验验证了所述服务发现机制的有效性。     

改进型粒子蚁群算法的应用研究

粒子蚁群算法综合了蚁群算法和粒子群算法的特点,在局部最优和全局最优解之间取得平衡。新算法在蚂蚁迭代过程中,每隔一定代数将数据引入粒子群运算以提高收敛速度。根据对TSP的eil51问题进行仿真结果可以看出,与通常蚁群算法相比,该算法不仅精度上较为满意,而且效率极高,具有良好的应用前景。     

基于转角约束的改进蚁群优化算法路径规划

针对传统蚁群优化（ACO）算法搜索路径时易陷入局部最优、路径过长、转弯角度过大等问题,提出一种基于转弯角度约束的改进ACO算法。首先,增加起始点与目标点之间区域的初始信息素浓度,以避免初期盲目搜索;然后,在启发函数中加入A^*算法的估价函数和转弯角度因子,以便在下一步选择路径长度和转角次数综合最优的节点;最后,在信息素更新部分引入狼群算法的分配原则,来加强优质种群的影响力,同时借鉴最大最小蚁群（MMAS）算法进行信息素浓度的限制,从而避免算法陷入局部最优。Matlab仿真结果表明,改进算法与传统ACO算法相比,规划出的路径长度缩短了13.7%,转弯次数减小了64.3%,累计转弯角度减少了76.7%。实验结果表明,所提改进算法能有效解决全局路径规划问题,避免了移动机器人过多的能耗损失。     

蚁群算法不确定性分析

蚁群算法作为一种开创性的生物仿真算法,因其具有并行性、鲁棒性等优良性质得到了广泛的应用。在对蚁群算法进行系统仿真的实验中,发现蚁群算法存在很多不确定因素。这些因素对蚁群算法的性能造成不同程度的影响,作为一种基于实验的研究性的探讨,本文对所发现的不确定因素做了分析,并根据分析结果对蚁群算法作了相应的改进。     

求解TSP 问题的模式学习并行蚁群算法

针对大规模旅行商问题(TSP)会遇到计算时间过长以及计算效率降低的问题，将并行计算和模式学习引入蚁群算法，通过各个节点机提取模式，在各节点问筛选和交流优良模式，以改变计算粒度，达到缩短计算时间、提高计算效率的目的．实验结果表明该算法取得了较好的效果。