蚁群优化算法的收敛性分析

有关蚁群优化算法收敛性分析的研究还很少．不利于进一步改进其算法．为此,较详细地分析了用蚁群优化算法求解TSP问题的收敛性．证明了当0〈q0〈1时．算法能够收敛到最优解．分析了封闭路径性质、启发函数、信息素和q0对收敛性的影响．据此给出了提高算法收敛速度的几点结论．     

蚁群算法及其在路由优化中的应用综述

蚁群算法(ACO)是一类新型的机器学习技术,根据蚁群算法的正反馈原理和启发式原理的特点,针对目前国内国际的研究情况,对蚁群算法在最优路径的搜寻上从收敛性,收敛算法的改进以及收敛速度等方面的研究分别进行了分析综述,并对蚁群算法的一些应用,如:LEO卫星网络和无线传感等方面进行了阐述.对蚁群算法在路由优化和负载平衡上的研究进行了对比分析,发现了它们存在的不足,指出了在该领域需要进一步研究的热点问题.     

多约束条件蚁群优化算法的收敛性分析及其应用

为有效解决无线移动自组网中多约束服务质量(QoS)路由问题,提出结合QoS条件下的改进型蚁群算法.该算法对QoS约束条件进行简化,只考虑影响网络因子的主要指标,提高了算法的工程实用性,并在理论上证明该算法的收敛性.对传统蚁群算法的信息素进行改善,通过对该算法局部和全局收敛性的研究,提出了普遍意义下的收敛条件,为这一类约束条件下的蚁群算法进一步研究奠定了良好的基础.     

一种优化的蚁群算法

蚁群算法是一种新型的启发式算法,它具有许多优良性质,被广泛用于求解组合优化问题,但基本蚁群算法也存在诸多不足。为使蚊群算法对应TSP问题的解更加优良,提出了一种改进的蚁群算法并对它进行了试验,结果表明改进算法是有效的,这也为蚁群算法的优化提供了一个新的途径。     

引入侦查子群的二进制蚁群算法求解函数优化问题

为求解函数优化问题,将遗传算法中的二进制编码方式引入标准蚁群算法.但由于该算法迭代过程中易出现早熟停滞现象,为此提出一种改进的蚁群算法,该算法在原算法基础上引入一定比例的侦查蚁群.侦查蚁群以一定的概率做侦查搜索以扩大解的搜索空间;在信息素更新策略上,为兼顾当代和历代的搜索成果,采取信息素混合更新策略,同时增强侦查子群的最佳路径信息及其余蚁群的路径信息.最后,通过对几个经典测试函数的求解, 证明该算法解决函数优化问题非常有效,不仅能够克服早熟现象,而且能够加快收敛速度.     

蚁群优化算法及其应用

蚂蚁算法是由意大利学者M．Dorigo等人提出的一种新型的模拟进化算法。该算法首先应用于旅行商问题并获得了极大的成功,其后,又被用于求解指派问题、Job—shop调度问题、图着色问题和网络路由问题等。实践证明,蚂蚁算法是一种鲁棒性强、收敛性好、实用性广的优化算法,但同时也存在一些不足,如收敛速度慢和容易出现停滞现象等。     

二进制阿基米德优化算法及其应用

组合优化问题的研究在各个领域中有着广泛的应用意义。阿基米德优化算法是一种新型的元启发式算法,在求解连续空间的优化问题上应用广泛,但不能直接用于求解离散空间的组合优化问题。因此,提出了二进制阿基米德优化算法用以解决组合优化问题。首先,借鉴部分二进制优化算法,选用转换函数,并以位置距离差作为参数进行空间映射。其次,根据问题对编码的要求,在阿基米德优化算法的基础上选取不同的转换函数和sigmoid函数进行位置更新,同时提出了一种对应S型转换函数的sigmoid函数,以提高最优解的搜索效率与质量。最后,引入北极熊算法的出生与死亡规则,以更好地进行全局搜索,减少陷入局部最优解的次数。通过模拟求解0-1背包问题的仿真实验和在热力管道保温结构优化项目中的应用,验证了二进制阿基米德优化算法具有良好的收敛性、稳定性和搜索速度快等特点,且在对编码有要求时使用S型转换函数较V型转换函数具有更好的效果。     

关于求解难组合优化问题的蚁群优化算法

1.引言组合优化问题在规划、调度、资源分配、决策等工程问题中有着非常广泛的应用。在问题规模较小时,可以使用分支定界法或动态规划方法等来求解。当问题规模增大时,解的数目虽然有限,但呈指数增长,要在合理时间内求得准确的最优解实际上已不可能。为此,人们设计了各种启发式算法。近年来,最重要和最有希望的一个研究领域是构造“师法自然“的启发式。它们类比社会系统、物理系统、生物系统等的运行机制,设计算法在问题的解空间中进行非确定性搜索。典型的有遗传算法(GA)、模拟退火(SA)、人工神经网络(ANN)。这些算法由于其自适应性,对难组合优化问题的求解取得了好的结果,被广泛应用于工程优化和控制中。本文将要介绍的蚁群优化算法,由于其较强的自适应性和对问题状态的学习能力,正逐步成为一种新的有潜力的优化算法。     

二进制蚁群进化算法

从生物进化角度将群体中的每只昆虫看成一个神经元,彼此之间通过随机、松散的连接组成一个神经网络;然后类似于人工神经网络模拟蚂蚁群体智能, 提出了一个二元网络. 由于采用二进制编码对单个蚂蚁的智能行为要求比较低,对应的存储空间相对较少,使得算法的效率有较大的提高. 通过测试函数优化和多维0/1 背包问题结果表明该算法具有较好的收敛速度和稳定性,非常好的求解结果.     

蚁群算法优化策略综述

对于求解TSP问题,新型的启发式算法——蚁群算法,是成功解决此类问题核心的算法之一。本文简要介绍了几种启发式算法并引出蚁群算法,并对蚁群算法基本原理、常用算法进行了深入的研究,并介绍了一种新的优化策略。     

基于交互式的并行蚁群优化算法

传统蚁群优化算法研究已经取得了很多重要的成果,但是在解决大规模组合优化问题时仍存在早熟收敛,搜索时间长等缺点.为此,将邻域搜索技术与蚁群优化算法进行融合,提出一种新的并行蚁群优化算法,实验结果表明,在解决大规模TSP问题时,该算法求解质量和稳定性更好,在短时间内即可得到较高质量的解.     

基于证据理论决策的蚁群优化算法

针对基本蚁群算法中存在的早熟现象,提出了基于证据理论的搜索方法.该方法在每个蚂蚁遍历到某节点时就进行信息融合,并将融合结果动态更新该节点的信息素,使得在蚂蚁个体寻优过程中隔代强化了,并在随机搜索过程中呈现自组织特性,蚂蚁个体利用各自的遍历信息不断加强优秀可行解的权重,从而有效地降低了搜索空间,提高了搜索效率.仿真结果显示,该方法在有无先验知识的情况下,都能在解空间的全局寻优时具有良好的收敛性和鲁棒性.     

并行二进制蚁群算法的多峰函数优化

针对已有蚁群算法在函数优化问题上存在的几个不足:如算法实现较难,占用过多的存储空间,需要记忆功能,不容易与其他算法结合等等,提出了二进制蚁群算法。实验证明该算法在处理单极值问题时有较好的表现,但是在处理多峰函数时存在着一定的缺陷,对此,论文对该算法进行了改进,将并行化引入算法。通过对几个函数的测试(包括多峰和单峰),结果表明该改进算法具有较好的稳定性和收敛速度,算法性能良好。     

带杂交算子的蚁群算法

蚁群算法是一种由意大利学者Macro Dorigo等提出的新型模拟进化算法,它具有许多优良性质,因此被广泛用于求解组合优化问题。但基本蚁群算法有许多不足。特别是许多搜索速度慢,且容易陷入局部最优。该文针对这个问题提出了一种改进算法。该算法通过引入遗传算法中用到的杂交算子来改善蚁群,使其对应的问题的解更加优良,用改进算法求解TSP问题的结果表明改进算法是有效的。     

蚁群算法发展评述

蚁群算法作为一种基于种群的模拟进化算法,在从提出到现在的短短十余年的时间里,已经被成功地用于解决各种复杂的组合优化问题,并且取得了令人欣喜的效果。但蚁群算法也有其相应的缺点。对蚁群算法的基本模型及其改进形式作了介绍,并对蚁群算法的未来研究方向作了展望。     

一类自适应蚁群算法及其收敛性分析

为了克服蚁群算法易陷入局部最小点的缺点,同时提高算法的收敛速度,提出一类自适应蚁群算法.该算法利用自适应改变信息激素的挥发系数改善传统蚁群算法的全局搜索能力和收敛速度.通过马尔科夫过程对算法的全局收敛性进行分析,得出该类蚁群算法全局收敛性条件.并构造出该类算法的一种信息激素更新策略,证明了这种算法全局收敛性.利用提出的算法对典型的TSP问题进行仿真研究,结果表明比典型蚁群算法在收敛速度和解的性能上都有较大改善.     

基于蚁群算法的多目标优化

针对多目标优化问题,提出一种用于求解多目标优化问题的蚁群算法。该算法定义连续空间内求解多目标优化问题的蚁群算法的信息素更新方式,根据信息素的概率转移和随机选择转移策略指导蚂蚁进行搜索,保证获得的Pareto前沿的均匀性以及Pareto解集的多样性。对算法的收敛性进行分析,利用2个测试函数验证算法的有效性。     

探析基于蚁群算法的无线传感器网络路由算法优化

近些年来,随着时代经济的飞速发展以及科学技术的日新月异,现代化无线通信和电子技术日益成熟,以至于多功能和低功耗的微型无线通信传感器节点迅速发展起来.同时无线传感器网络作为一种小体积和低功耗的无线多跳网络,涵盖了分布式信息手机、无线通信技术以及数据处理3大技术.在对基于蚁群算法的无线传感器网络路由算法优化进行了研究,分析了无线传感器网络的基本定义、特征以及基本体系结构,分析了无线网络传感器路由协议的基本目标、算法设计的瓶颈以及其基本分类,探讨总结了基于蚁群算法的无线传感器网络路由算法优化的实现过程.     

动态分阶段蚁群算法及其收敛性分析

为了提高蚁群算法的收敛速度和求解精度,根据仿生优化算法在不同阶段的特点,提出一种改进的蚁群算法．该算法对参数和选择策略进行了分阶段设计,而且参数的分阶段是根据寻优状态动态划分的．通过对蚁群系统马尔科夫过程进行分析,证明了该算法的全局收敛性．针对典型的TSP问题进行仿真对比实验,验证了该算法在速度和精度方面优于传统蚁群算法．     

基于GPS及蚁群优化的启发式路由算法

为了大大减少网络维护路由信息的总量和提高路由的鲁棒性,提出了一个新的路由算法,应用全球定位系统(GPS)提供的数据作为启发式信息,利用蚁群优化技术,通过分析,根据每个节点所处的位置不同,令其使用不同的概率转发路由信息到下一跳节点,该算法选择多条路径记录在本地路由表中以提高其鲁棒性,同时采取修复机制创建新路径以提高数据包传输的成功率。仿真结果表明,该算法取得了较好的数据包传输成功率与较低的通信延迟。