用于两端线网布线的蚁群系统方法

提出一种基于蚁群系统的端线网布线方法，对于给定的布线平面，首先根据障碍情况构造了包含最短路径信息的强连接图，建立初始气味矩阵，然后使用蚁群算法搜寻目标路径，直到求出优化解。     

基于改进蚁群算法的TT&C资源配置方法

研究了航天测控网资源配置问题,它是在航天器一地面站有限的时间窗口内对航天器的测控任务进行合理的配置,给每个任务分配一个开始执行时间,在给定的调度时间下,使得任务完成的目标值最大.将引入了杂交算子的蚁群算法来求解该问题,合理地构造了与问题相适应的杂交算子和杂交段.具体的仿真实例表明,在相同的约束条件下该算法总是能最大化地完成任务,并且求得的目标值也有很大的改进.     

优化型蚁群算法在旅行商问题中的应用研究

针对基本蚁群算法的搜索时间长和局部收敛等现象,提出一种用于求解旅行商问题（TSP）的优化型蚁群算法,该算法有效地将最大最小蚁群算法（MMAS）和遗传算法（GA）相结合,一方面在很大程度上缩短了算法的寻优时间;另一方面有效地避免了算法的早熟停滞现象。利用MATLAB对多种TSP问题进行仿真研究,实验结果证明了优化型蚁群算法在性能上优于MMAS和GA。     

一种基于蚁群算法的容迟网络路由策略

延迟容忍网络(容迟网络)涵盖了星际网络、移动Ad Hoc网络以及偏远地区网络等许多除因特网以外的通信网络.网络的频繁断裂和间歇连接使容迟网络路由问题成为最具挑战的问题之一.蚁群优化算法作为一种在图中寻找优化路径的机率型技术,已广泛应用于许多领域,它具有正反馈、分布式计算和智能型优化等特点.为提高路由算法对网络拓扑变化的适应能力,研究基于蚁群算法的路由策略,并通过其智能自适应优化减少容迟网络传输延迟.首先模型化容迟网络的数据传输问题;其次设计基于蚁群算法的路由策略(ant-colony-based routing,ACR),包括转发和复制两种数据分配方式;最终基于容迟网络公共数据集Infocom Trace和RollerNet Trace进行仿真验证,并与MED,SimBet,Spray和Wait以及EBR等经典算法比较.仿真结果表明:基于转发方式的ACR算法比其他同类型算法至少缩短25.8%的传输延迟,基于复制方式的ACR算法至少降低22.5%的传输延迟.     

一种基于蚁群算法的网格任务调度方法

网格资源具有动态变化,广域分布及系统异构的特性,如何分配调度这些资源成为网格计算研究领域一个重要研究课题。国内外在网格任务调度研究上已经做了大量工作,但是这些算法大多是基于计算网格的,不能很好的适应服务网格环境下存在任务相关性的调度,同时在适应网格的动态性、异构性上也存在不足。针对目前网格调度机制存在的问题,提出了一种基于蚁群算法的服务网格任务动态调度方法,仿真实验结果表明该算法具有较好的性能和自适应性。     

改进的蚁群算法在优化物流配送管理系统中的应用

基于企业物流配送管理系统的优化研究,文章改进了蚁群算法,并根据改进的蚁群算法,建立蚁群算法模型,提出配送算法,应用到物流配送管理系统中,以提高企业物流配送中心的配送能力,降低成本,最大化地合理利用现有资源。试验计算结果表明,改进的算法具有较好的寻优能力,收敛速度快,是解决物流配送管理路径优化问题的有效算法之一。     

磁悬浮PID参数整定仿真

研究磁悬浮列车悬浮稳定安全优化控制问题。磁悬浮控制是磁浮列车的技术难点之一,由于系统的复杂性和列车运行环境的不确定性,涉及许多非线性因素,使控制系统稳定性和响应性差。为了得到合适的稳定悬浮间隙,提高控制质量,提出用卡尔曼滤波的方法,引入蚁群优化算法(ACA),对卡尔曼滤波方法进行改进,提出了蚁群算法和卡尔曼滤波的PID控制器参数组合优化方法。进行仿真,通过卡尔曼滤波器抑制干扰信号和测量信号。仿真结果表明改进的滤波方法效率高,控制效果得到了改善,为磁悬浮系统的优化设计提供了参考。     

求解带时间窗车辆路径问题的动态混合蚁群优化算法

为求解带时间窗车辆路径问题,针对传统蚂蚁遗传混合算法中参数静态设置、冗余迭代及收敛速度慢等缺点,提出一种动态混合蚁群优化算法( DHACO)。该算法首先借助最大最小蚁群得到初始解,利用蚁群优化算法求解带时间窗车辆路径问题的基本可行解。然后采用遗传算法交叉和变异操作对局部解和全局最优解进行二次优化,从而得到最优解。最后利用蚂蚁遗传混合算法融合策略,动态交叉调用蚂蚁算法、遗传算法,根据云关联规则自适应控制蚁群算法参数。 DHACO有效减少无效迭代次数,加快收敛速度。仿真结果表明,与其他相关的启发式算法相比,DHACO优于某些实例的已知最优解。     

一种改进蚁群算法研究和旅游景区路径规划问题求解*

针对旅游景区路径规划问题的复杂性,把景区路径分为全景区图与子景区图,并归为同一问题解决。然后提出BVC蚁群算法,设计繁殖蚂蚁(Breeding ants)、视觉蚂蚁(Visual ants)和普通蚂蚁(Common ants),各类蚂蚁按各自规则遍历。蚂蚁遍历完所有景点,求出最佳行程MIN(k,Pk,Lk),并根据约束条件,对符合要求的路径上的信息素进行更新。再结合模拟退火算法,在每个状态对蚁群行程进行舍取,重复迭代,最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中,表现出良好的稳定性和高效性。     

连续空间优化问题的自适应蚁群系统算法

蚁群算法是进化计算中一种新型优化算法,其基本算法用于求解排序类型的组合优化问题本文提出一种用于连续空间优化问题求解的蚁群算法,采用了新的基于目标函数值的启发式信息素分配算法,以及搜索过程中最优解的筛选方法.根据目标函数来自适应调整蚂蚁的路径搜索行为,从而保证算法快速找到全局最优解.一个多极值点的连续优化问题求解实例证明了该方法的有效性