基于改进蚁群算法的网格资源调度

针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中. 在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性. 在算法中设计了局部和全局信息素更新机制,实现了各资源节点上的负载均衡. 通过选取适当的参数,利用GridSim工具对基于改进蚁群算法的网格资源调度策略进行了仿真实验测试. 实验结果证明,该策略能有效地提高网格系统资源的利用率和任务提交的成功率,缩短了整个网格系统调度的总执行时间,改善了网格系统的性能.     

分段蚁群算法在运输调度问题中的应用

在基本蚁群算法的基础上提出了分段蚁群算法,通过改进选择策略和信息素更新机制以求解一类运输调度问题,实验证明结果理想.     

网格中基于免疫原理的蚂蚁算法

针对传统蚂蚁算法的缺点,提出了一种应用于网格任务调度策略中的基于免疫原理的改进蚂蚁算法.改进的蚂蚁算法通过积累和充分利用信息素来指导蚁群的行为.改进后的算法在TSP实验中取得了较好的效果.     

蚁群算法在网格资源调度中的应用

网格资源调度是网格研究的热点问题,蚁群算法是解决多项式复杂程度的非确定问题(non-deterministic polynomial,NP)的一种有效方法.通过对网格资源调度过程和蚁群算法的研究,提出了网格环境下用蚁群算法进行资源调度的方法.采用网格模拟器GridSim进行仿真,实验结果表明,蚁群算法用于网格资源调度可以减少系统总执行时间和任务完成时间.     

多目标资源受限项目调度的多种群蚁群算法

为实现资源受限项目调度的多目标优化,通过改进传统蚁群算法,提出适用于多目标优化的多种群蚁群算法.该算法基于串行进度生成机制,每个蚁群具有各自的目标函数、与目标函数相匹配的不同搜索策略以及各自的信息素更新机制.各蚁群独立进行搜索决策,但各蚁群之间存在信息素的相互作用,从而实现加速搜索.针对多目标资源受限项目调度问题设计新的精英策略.在目标规划基础上构造一系列多目标项目调度算例,经系统测试表明,所提出的多种群蚁群算法能够有效优化资源受限项目的资源配置,实现多目标优化.     

基于改进蚁群算法的SDN数据中心流调度研究

目前在软件定义数据中心网络中,基于蚁群算法的流调度策略在对路径进行选择时存在收敛过慢和搜索停滞等缺点,容易导致数据中心网络时延过高和资源利用率低等问题.为此,提出一种基于蚁群改进的流调度算法.该算法以最大化平均链路带宽利用率为优化目标,将流调度问题抽象为整数线性规划模型,通过重定义蚁群算法中的信息素更新方式对大流的重路...     

蚁群优化算法的Docker集群调度策略

针对轻量级虚拟化技术Docker集群调度策略Docker Swarm无法很好实现负载均衡且不能很好发挥集群的整体性能问题,提出利用蚁群优化算法对其调度进行改进,通过搭建容器集群进行任务调度分配资源,分别对Swarm原生的调度策略和文中提出的改进算法进行对比实验。实验结果表明,在相同配置下,蚁群优化算法相比Docker原始调度策略集群压力测试QPS性能大约提升20%,同时该算法使得集群中各个节点的资源利用更加均衡,具有了更快的服务响应速度。     

多处理机调度问题的蚁群优化算法

传统蚁群算法存在收敛速度慢、计算时间长、易陷入局部最优解等方面的缺陷。通过对蚁群信息素更新、策略选择、参数选择等各方面进行改进,提出一种更加高效的多处理机调度蚁群优化算法。实验证明：与其他优化算法相比,该算法能在较短的时间内找到更好的调度策略,具有较好的收敛性和有效性及优良的全局优化性能。     

基于改进免疫遗传算法的网格任务调度

为改进网格计算中任务调度的低效问题,采用十进制的实数编码规则产生初始抗体群,由免疫遗传算法经过克隆和变异算子生成资源集合中的蚁群信息素,进而利用蚁群算法的并行性展开全局搜索,通过CloudSim仿真平台进行模拟,与粒子群算法及蚁群遗传算法进行对比,结果表明,改进的免疫遗传算法能够大幅提高网格计算任务调度效率,有效地解决网格任务调度问题.     

求解双目标VRPTW的改进混合蚁群算法

为了解决基本混合蚁群算法在求解大规模带时间窗车辆路径问题(VRPTW)时存在的问题,提出一种改进的双目标混合蚁群算法。首先在节点选择上使用周边选择策略提升选择效率,并提出一种首节点选择策略来加速算法收敛;其次在信息素叠加公式上增加了与车辆数有关的惩罚函数,使算法能够同时优化距离与车辆数两个目标;最后提出一种新的局部优化算法,通过将节点数较少的线路中的节点插入到其他线路来提升车辆利用率。通过该算法在Solomon标准数据集上的实验和对比,说明了改进的算法具有搜索能力强、收敛速度快、鲁棒性强等优点。     

蚁群算法中改进的蚂蚁选择城市概率公式

在经典蚁群算法中,蚂蚁利用节点之间的局部信息素浓度和节点之间距离作为参考标准选择节点。文中利用历代最短路径作为蚂蚁选择节点的启发式信息,改进传统蚁群算法并结合旅行商问题实验结果中的最优解、平均解,均优于标准蚁群算法。     

基于Petri网仿真的柔性生产调度——蚁群-遗传递阶进化优化方法

利用受控赋时Petri网对柔性生产线调度中的离散事件建模,此Petri网模型由过程流子网、资源子网和调度控制子网通过同步变迁连接而成.在由Petri网仿真运行获得调度性能评价的基础上,采用两级递阶进化优化方法求解柔性生产过程的优化调度问题.首先由蚁群优化方法优化加工路径,然后根据蚁群在信息素指引下所构造的加工路径,采用遗传算法优化在同一机器上加工的作业排序.应用蚁群优化原理提出了加工路径优化问题的信息素表达方式,解构造策略和信息素更新策略.一组测试问题的求解结果说明了算法的有效性和鲁棒性.     

基于集群的蚁群算法在TSP中的应用研究

围绕TSP问题研究了基本蚁群算法.在此基础上,研究了串行蚁群算法的并行策略,使用C++语言调用MPI接口函数实现了并行蚁群算法.最后,分析研究了影响并行蚁群算法的因素,采用了更高效的信息素更新和变参数机制对并行蚁群算法进行了改进.通过仿真实验分析表明,改进的并行蚁群算法有较广泛的适用性,与基本蚁群算法相比,具有更高的精度和更短的收敛时间.     

改进蚁群算法及其应用

将文献报道的两种蚁群算法融合,得到一种新的改进蚁群优化算法。在启发函数中加入下一个节点与最终节点的距离;在信息素更新时,根据最优解和最差解,相应增加或减少信息素浓度,提高算法性能。将改进的蚁群算法应用于机器人路径规划中,在栅格障碍环境下,让机器人找到一条从起点到终点无碰撞的最短路径。实验发现,改进蚁群算法仅需在第3次迭代后就可以找到最优路径。改进蚁群算法不仅提高了收敛速度,还增强了解的精确度。     

航空货站自动化存取系统作业调度优化

为从作业调度角度提高航空货站自动化存取系统运作效率,在分析双板作业和防冲突避让对指令序列完工时间影响的基础上,以指令序列完工时间最短为优化目标,建立了航空货站自动化存取系统调度优化模型,并设计了一种改进的蚁群算法对模型进行求解.为避免算法在搜索过程中陷入局部最优,在引入权重信息素和随机扰动策略的基础上,提出了具有变异率的状态转移参数,用于在寻优过程中决定蚂蚁的移动方向.仿真结果表明:改进的蚁群算法较基本蚁群算法和遗传算法具有更好的全局搜索能力和求解精度,所提出的调度优化方法获得的指令序列完工时间较先到先服务调度策略有至少37%的改进.     

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。     

计算池环境下的资源调度算法研究

网格的一个重要功能就是多个虚拟机构间共享资源,如何合理的管理和调度网格资源一直是网格领域的研究热点.该文主要对网格计算池模型下常见资源调度算法进行了研究,分析了各种算法的利弊,并针对最短距离路由转发资源调度算法的不足,在其基础之上提出了一种改进的资源调度方法.文中根据该方法设计了资源调度模型,并搭建实验环境对改进算法与原算法进行对比实验,实验证明该方法可以有效提高资源利用率和作业执行效率.     

一种基于域密度的蚁群系统(AS)改进算法及结果解析

针对蚁群算法在求解类似TSP问题时,所涉及图的节点分布在总体上具有显著差异的情况,定义域和密度的概念,在此基础上提出具有域和密度特征的AS改进算法DDACO.对DDACO算法的基本原理和策略进行了介绍,通过判断节点是否位于优先域,进而对信息素和下一节点的选择概率进行处理,以改进AS算法.对DDACO算法的具体构建过程进行了详细地描述,利用实例数据对算法构建的过程进行了说明.最后分别对DDACO和AS求解TSP问题分别进行实验测试,分析了测试结果差别的原因.测试的最终结果表明,DDACO在解决具有显著节点密度差异和节点规模比较大时和AS算法相比在时间和收敛性上具有明显的优势.     

无线传感器网络能量均衡蚁群路由算法

针对蚁群路由算法容易形成环路及其能量分布不够均匀等问题,提出改进的蚁群路由算法。改进的算法在Hello包中增加蚂蚁标识组合项,并通过广播的方式存储到其他节点的邻居列表中,有效削弱了环路效应,同时修正信息素更新公式,提升多节点区域信息素更新的准确性,并引入能量差异因子,将能量差异因子作为信息素浓度更新的参考因素,改善了网络节点能量分布不均的问题,获得了更好的平衡。仿真结果表明改进算法可有效削弱环路效应并更好地均衡网络节点能量。     

基于蚁群算法的WSN路由协议研究

针对层次路由LEACH协议存在簇头分布不均,并且每次簇头轮换均在整个网络内进行,会造成耗能过多以及蚁群算法应用于LEACH协议建立簇间多跳路由仍存在能耗不均衡的问题,采用将网络节点进行区域划分,并将节点剩余能量作为参考因素,在区域内进行簇头节点的轮换选取的方法改进,并通过将节点能量引入到转移概率和信息素更新公式中,对蚁群路由算法进行改进,利用其建立从簇头节点到汇聚节点的多跳路由的最优路径.实验验证表明:与LEACH协议相比,改进协议整体上减少并均衡了能量的消耗,延长了无线传感器网络的生命周期.