共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
3.
多Agent系统中蚁群算法的设计与实现 总被引:2,自引:0,他引:2
介绍了蚁群算法的基本思想与原理,以及在多Agent系统中的设计、实现方法.给出了在多Agent系统环境中的仿真实验结果。仿真结果表明,将蚁群算法与Agent的行为规则有机结合,可以有效地改善Agent的群体行为。 相似文献
4.
为了提高多路径覆盖测试数据的生成效率,研究了一种基于蚁群算法的多路径覆盖测试数据生成方法.首先给出蚁群算法的一种改进方法,该算法以蚂蚁对生成测试数据的重要性作为蚂蚁状态转移和蚂蚁路径变异的依据,以引导更多蚂蚁穿越小概率节点,提高测试数据生成效率.其次,根据改进的蚁群算法分别提出了基于单信息素表和多信息素表的多路径覆盖测试数据生成方法.在基于多信息素表的方法中,每条目标路径的信息素表均被用于其它路径测试数据的求解,而且蚁群算法运行一次即可求解多条目标路径的覆盖测试数据.最后对所提出方法的有效性和复杂度进行了理论分析.实验结果表明,与其它方法相比,基于多信息素表的测试数据生成方法能够有效地生成多路径覆盖测试数据. 相似文献
5.
本文主要研究了动态可重构系统的能耗最优化问题,提出了一种基于蚁群算法的低能耗调度算法(ASR).该算法以蚁群算法的概率状态转移规则为中心,通过设计合理的启发函数(即任务放置策略)达到最小化系统能耗目的.通过实验模拟,与蛮力算法比较后发现,采用提出的ASR调度算法,不仅使得系统损失的总能耗比最优能耗高3%,而且算法复杂度低,运行速度快. 相似文献
6.
从整个生产价值链出发,结合层次分析法(AHP),建立盟友选择模型.在对模型研究的基础上,提出了一种基于蚁群算法的动态联盟盟友选择方法.实现整条生产价值链的全局最优. 相似文献
7.
8.
提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。 相似文献
9.
10.
本文提出了基于改进蚁群算法的移动机器人动态路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,提出了根据目标点自适应调整启发函数,提高算法的收敛速度;借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优.其次为了优化改进蚁群算法的性能,提出用粒子群算法对改进蚁群算法的重要参数进行优化选择.最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验,实验结果证明了该方法的可行性和有效性. 相似文献
11.
WSN中动态自适应蚁群路由算法 总被引:3,自引:3,他引:0
路由问题是无线传感器网络的核心问题,采用动态自适应调整信息素的蚁群算法,克服了基本蚁群算法的搜索时间过长、易于陷于局部最优解等缺点;同时对无线传感器网络存在的节点能量、传输延时、网络生命周期等问题有明显的改善与提高;最后通过实验仿真证实了该算法的有效性. 相似文献
12.
在解决Ad Hoc网络QoS组播路由问题上,针对蚁群算法缺点,提出了一种融合粒子群优化思想的改进蚁群算法.该算法融合PSO思想以加速蚁群算法在路由发现及维护时的收敛速度.仿真结果表明,该算法具有较好的性能,是解决Ad Hoc网络QoS组播路由问题的有效方法. 相似文献
13.
在预警机指挥引导多机协同空战对抗仿真过程中,为了提高CGF实体的智能性和实时性,对多CGF实体协同作战时目标选择因素进行分析,构建了一种基于变异蚁群算法的多CGF实体协同作战目标选择模型。该模型对蚁群算法中的选择策略进行了改进,引入一种遗传算法的变异算子以减少最优解的搜索时间,改进了搜索空间中信息素的更新方式,提高了模型最优解的搜索能力。运用该模型对多CGF实体协同作战过程进行仿真,仿真结果表明,所提出的变异蚁群算法对多CGF实体目标选择最优解的搜索效率明显优于基本蚁群算法,能够更好地模拟真实作战兵力的目标选择过程。 相似文献
14.
15.
16.
提出了一个应用层组播网络模型,并对其中应用层组播服务结点路由的构建和维护进行了较为深入的研究,提出了一个基于智能蚁群的组播路由算法.仿真实验结果表明,该算法,特别在有效性方面有了大幅提升,并能随同给规模增大而降低. 相似文献
17.
本文采用了一种基于蚁群算法的无刷直流电机PID控制器参数优化策略,给出了该算法的具体实现步骤。仿真与实验表明:相对于遗传算法和模拟退火算法,该方法在改进阶跃波响应性能方面,如减少稳态误差、无刷直流电机的速度控制中的上升时间、调整时间以及其最大超调量等方面,其效率更高 相似文献
18.
针对无线虚拟化网络在时间域上业务请求的动态变化和信息反馈时延导致虚拟资源分配的不合理,该文提出一种基于长短时记忆(LSTM)网络的流量感知算法,该算法通过服务功能链(SFC)的历史队列信息来预测未来负载状态。基于预测的结果,联合考虑虚拟网络功能(VNF)的调度问题和相应的计算资源分配问题,提出一种基于最大最小蚁群算法(MMACA)的虚拟网络功能动态部署方法,在满足未来队列不溢出的最低资源需求的前提下,采用按需分配的方式最大化计算资源利用率。仿真结果表明,该文提出的基于LSTM神经网络预测模型能够获得很好的预测效果,实现了网络的在线监测;基于MMACA的VNF部署方法有效降低了比特丢失率的同时也降低了整体VNF调度产生的平均端到端时延。 相似文献
19.
20.
认知网络中基于蚁群算法的网络流量预测模型 总被引:1,自引:0,他引:1
认知网络能够感知外部环境,并能根据周围环境的变化智能、自主、自适应的动态变化,这种特性更适合为用户提供QoS(Quality of Service)保障.设计高精度的流量预测模型,可以提高认知网络的认知特性.本文针对原有预测模型预测精度低、对训练数据依赖程度高以及不能很好的刻画网络流量特征的不足,提出了一个混合的流量预测模型.它使用蚁群算法训练BP网络的权值,避免了梯度下降法收敛速度慢、容易陷入局部最优的问题.并且在预测之前,首先使用BP(Back Propagation)网络剔除原始数据中的异常数据信号,再对其进行小波分解,最后使用混合模型预测网络流量,实现了认知网络中高精度的流量预测. 相似文献