An ant colony optimization routing algorithm for two order pickers with congestion consideration

This paper develops a routing method to control the picker congestion that challenges the traditional assumption regarding the narrow-aisle order picking system. We proposes a new routing algorithm based on Ant Colony Optimization (ACO) for two order pickers (A-TOP) with congestion consideration. Using two extended dedicated heuristics with congestion consideration as reference group, a comprehensive simulation study is conducted to evaluate the effectiveness of A-TOP. The simulation proves that A-TOP achieves the shortest total picking time in most instances and performs well in dealing with the congestion. The impacts of warehouse layout, order size, and pick:walk-time ratio on A-TOP and system performance are analyzed as well. A-TOP can adapt to different warehouse configurations, meanwhile, it can be easily extended to the situation with more than two order pickers.     

Congestion-aware ant colony based routing algorithms for efficient application execution on Network-on-Chip platform

Networks-on-Chip (NoC) is an interesting option in design of communication infrastructures for embedded systems. It provides a scalable structure and balanced communication between the cores. Parallel applications that take advantage of the NoC architectures, are usually are communication-intensive. Thus, a big deal of data packets is transmitted simultaneously through the network. In order to avoid congestion delays that deteriorate the execution time of the implemented applications, an efficient routing strategy must be thought of carefully. In this paper, the ant colony optimization paradigm is explored to find and optimize routes in a mesh-based NoC. The proposed routing algorithms are simple yet efficient. The routing optimization is driven by the minimization of total latency during packets transmission between the tasks that compose the application. The presented performance evaluation is threefold: first, the impact of well-known synthetic traffic patterns is assessed; second, randomly generated applications are mapped into the NoC infrastructure and some synthetic communication traffics, that follow known patterns, are used to simulate real situations; third, sixteen real-world applications of the E3S and one specific application for digital image processing are mapped and their execution time evaluated. In both cases, the obtained results are compared to those obtained with known general purpose algorithms for deadlock free routing. The comparison avers the effectiveness and superiority of the ant colony inspired routing.     

基于蚁群优化的路由算法

针对移动自组网提出了一种基于蚁群优化的路由算法,该算法很好地利用了蚁群算法的自适应性,能有效地承载移动自组网的负载。在NS-2平台下的算法仿真表明,该算法在移动自组网环境下表现了较好的性能,从吞吐量、平均延迟、传送率三个指标比较来看,比AODV和DSR的性能都要好。     

基于蚁群优化的ZigBee传感器网络QoS路由算法

针对ZigBee无线多媒体传感器网络(WMSNs)资源受限的特点,提出一种改进的基于蚁群优化的QoS路由算法AZ-WMSN-QR.其核心思想是通过加权法将通信时延、时延抖动及能量均衡性等QoS指标组合成一个主目标,进而评估链路的QoS主目标值,寻找符合QoS需求的目标值最大的路径,实现服务质量最优.仿真显示,AZ-WMSN-QR算法在多约束QoS路由问题上能实现网络资源优化组合,与基本蚁群路由算法相比,不仅能够减少网络总能耗,还能有效延长网络寿命,更适用于基于ZigBee的WMSNs.     

基于聚类分析的增强型蚁群算法

针对蚁群算法存在的早熟收敛、搜索时间长等不足,提出一种增强型蚁群算法.该算法构建了一优解池,保存到当前迭代为止获得的若干优解,并提出一种基于邻域的聚类算法,通过对优解池中的元素聚类,捕获不同的优解分布区域.该算法交替使用不同簇中的优解更新信息素,兼顾考虑了搜索的强化性和分散性.针对典型的旅行商问题进行仿真实验,结果表明该算法获得的解质量高于已有的蚁群算法.     

一种基于GPU加速的细粒度并行蚁群算法

为改善蚁群算法对大规模旅行商问题的求解性能,提出一种基于图形处理器(GPU)加速的细粒度并行蚁群算法.将并行蚁群算法求解过程转化为统一计算设备架构的线程块并行执行过程,使得蚁群算法在GPU中加速执行.实验结果表明,该算法能提高全局搜索能力,增大细粒度并行蚁群算法的蚂蚁规模,从而提高了算法的运算速度.     

基于协同进化蚁群算法的多播QoS路由算法

提出一种基于协同进化蚁群算法的求解QoS（Quality of Service）多播路由问题的新算法。算法中控制参数及路由选择策略根据迭代过程所处的不同阶段自适应调整。综合考虑QoS路由中所有约束条件的同时,也充分考虑各个约束自身的独立特性。仿真结果证明了算法收敛速度快,能满足实际网络服务质量的要求。     

基于划分的蚁群算法求解货物权重车辆路径问题

考虑单产品分销网络中的车辆路径问题(VRP:vehicle routing problem).与以往诸多研究不同的是,建立了一种带货物载重量的VRP模型(weighted VRP),即车辆在两个顾客之间行驶时的载重量也作为影响运输费用的一个因素考虑.因此,需求量较大的顾客拥有较高的车辆运输优先权.在分析了问题性质的基础上,提出一种基于划分策略的蚁群算法PMMAS求解货物权重车辆路径问题,并与其他常用的启发式算法进行比较分析,表明了算法的有效性.     

时间依赖型车辆路径问题的一种改进蚁群算法

时间依赖型车辆路径规划问题(TDVRP),是研究路段行程时间随出发时刻变化的路网环境下的车辆路径优化.传统车辆路径问题(VRP)已被证明是NP-hard问题,因此,考虑交通状况时变特征的TDVRP问题求解更为困难.本文设计了一种TDVRP问题的改进蚁群算法,采用基于最小成本的最邻近法(NNC算法)生成蚁群算法的初始可行解,通过局部搜索操作提高可行解的质量,采用最大--最小蚂蚁系统信息素更新策略.测试结果表明,与最邻近算法和遗传算法相比,改进蚁群算法具有更高的效率,能够得到更优的结果;对于大规模TDVRP问题,改进蚁群算法也表现出良好的性能,即使客户节点数量达到1000,算法的优化时间依然在可接受的范围内.     

An ant colony algorithm for the multi-compartment vehicle routing problem

We demonstrate the use of Ant Colony System (ACS) to solve the capacitated vehicle routing problem associated with collection of recycling waste from households, treated as nodes in a spatial network. For networks where the nodes are concentrated in separate clusters, the use of k-means clustering can greatly improve the efficiency of the solution. The ACS algorithm is extended to model the use of multi-compartment vehicles with kerbside sorting of waste into separate compartments for glass, paper, etc. The algorithm produces high-quality solutions for two-compartment test problems.     

面向VANET的基于蚁群的移动感知区域优化路由

车联网节点高速移动、拓扑动态变化的特性给数据传输提出挑战。为此,充分利用车辆的移动模型、车辆速度和车辆密度等信息,提出了基于蚁群优化算法的移动感知区域VANET路由(Mobility Aware Zone based Ant Colony Optimization Routing for VANET,MAZACORNET)。MAZACORNET属于多路径的混合路由协议。该协议首先利用蚁群优化算法在节点间寻找多路径,用以辅助断裂链路的数据传输。同时,将网络分为多个区域。在区域内使用先应式路由方案寻找路由,而区域间利用局部信息,引用反应式路由方案去建立路由,从而降低了数据风暴以及拥塞率。仿真结果表明,MAZACORNET在车辆密集环境表现出良好性能。与其他路由方案相比,MAZACORNET具有较高的数据传输率和较低的传输时延。     

基于启发式蚁群算法的VRP问题研究

针对蚁群算法求解VRP问题时收敛速度慢,求解质量不高的缺点,把城市和仓库间的距离矩阵和路径节约矩阵信息融入到初始信息素矩阵中作为启发式信息引入到蚁群算法中用于求解有容量限制的车辆路径规划问题（CVRP）,在三个基准数据集上的实验研究表明,基于启发式信息的蚁群算法与基本蚁群算法相比能够以较快的速度收敛到较好的解。     

基于蚁群算法优化SA的WMN路由设计与仿真

针对现有的无线网状网(WMN)路由协议在实际无线信道环境下性能降低的问题,提出了一种基于蚁群模拟退火(ASA)算法的WMN的路由算法.该算法吸收了蚁群算法的适应性、鲁棒性及本质上并行性的优点,并利用模拟退火(SA)算法调整路由的搜索方向,使蚁群算法的早熟现象和收敛速度得到了改善.对该算法进行仿真研究,结果表明:该算法在数据包的转发率、端到端延时数据丢失率和归一化路由开销等方面要比常规路由协议优秀很多,大大提高了系统的可靠性、鲁棒性,增强了通信网络的自适应能力.该算法用于WMN路由协议是可行的、有效的.     

基于蚁群算法的QoS最佳路由选择问题的研究

针对当前通信网络中存在的服务质量问题提出了满足QoS约束的最佳路由选择算法——蚁群算法,该算法是一种新型的进化算法。与其它进化算法一样存在搜索时间过长和易于陷入局部最优解等缺陷。提出了一种通过动态地调整信息素的挥发度和采用最优、最差路径信息索全局更新策略来克服上述缺陷。改进型算法能较快地收敛到全局最优解。仿真结果表明上述方法是可行和有效的。     

传感器网络中基于蚁群优化的谣传协议

谣传协议是传感器网络中基于数据查询的路由协议,它使用随机方式生成路由,形成的数据传输路径不是最优路径,并且可能存在回路。为此,提出一种基于蚁群优化的谣传协议。该协议将蚁群分成查询蚂蚁和事件蚂蚁两个种群。当两个种群的蚂蚁相遇时,则形成查询路径。该协议解决了谣传协议中的回路问题,算法收敛性好,建立完整查询路由的概率比谣传协议的要大,传输数据所需的能量消耗比谣传协议的要少,是一种能量高效的数据查询协议。     

Inducing decision trees with an ant colony optimization algorithm

Decision trees have been widely used in data mining and machine learning as a comprehensible knowledge representation. While ant colony optimization (ACO) algorithms have been successfully applied to extract classification rules, decision tree induction with ACO algorithms remains an almost unexplored research area. In this paper we propose a novel ACO algorithm to induce decision trees, combining commonly used strategies from both traditional decision tree induction algorithms and ACO. The proposed algorithm is compared against three decision tree induction algorithms, namely C4.5, CART and cACDT, in 22 publicly available data sets. The results show that the predictive accuracy of the proposed algorithm is statistically significantly higher than the accuracy of both C4.5 and CART, which are well-known conventional algorithms for decision tree induction, and the accuracy of the ACO-based cACDT decision tree algorithm.     

基于加速寻径收敛的改进型蚁群算法

提出了一种基于基本蚁群算法的有节点信息素更新和记忆功能的算法模型;仿真结果表明,基于改进的蚁群算法模型在寻找最优解时表现出很高的效率,明显地优于现有的启发式算法的解,是一种有效的算法。     

基于免疫修复的快速蚁群优化算法

蚁群优化算法通过信息素记录搜索过程中获取的知识,并基于信息素搜索新的解．影响信息素质量的因素主要是信息素更新策略和蚂蚁已找到的候选解的质量．为了提高已有候选解的质量,提出基于免疫原理识别候选解中的“病变”成分,并对其“病变”成分进行修复．经免疫修复后,候选解的质量大大提高,由它更新的信息素更好地反映了优质解的特点,从而加快了信息的正反馈过程．实验结果验证了该算法的有效性．     

基于自适应蚁群优化的Ad Hoc网络路由算法

针对蚁群优化固有的搜索时间长、易陷入局部最优解的缺点,提出一种改进的基于蚁群优化的AdHoc网络路由算法.通过增加自适应因子提高路由搜索能力,充分考虑节点间的时延来改进信息的更新机制,同时对路由表做出修改,提高路由算法性能,增强算法的适应能力.经过与已有路由算法DSR和AODV的仿真比较,结果表明该算法在成功传输率和平均端到端延迟上表现了较好的性能.     

Q学习和蚁群优化混合的无线传感器网络移动代理路由算法

针对无线传感器网络移动代理路由问题,提出了Q学习和蚁群优化混合的无线传感器网络移动代理路由算法。该算法综合了Q学习和蚁群优化算法思想,引入了新的路径选择概率模型,并对最优路径进行了有效的维护。仿真实验结果表明:该算法有效地提高移动代理选路效率,满足不同任务对时延的要求,增强了最优路径的可靠性,进一步降低了网络能耗。