基于混合连续蚁群算法的最优潮流研究

提出了基于混合连续蚁群(HCACO)的最优潮流(OPF)计算方法;该方法将蚁群优化算法(ACO)的正反馈特性与实数遗传算法(GA)的进化策略相结合,克服了基本蚁群算法只适用于离散问题的局限性,并提高了寻优的效率,同时采用动态调整罚函数策略,有效提高了算法的全局收敛能力和计算精度,采用优进策略,提高了算法的收敛速度.应用此算法对标准IEEE-30节点测试系统进行最优潮流计算,该算法能够更好地获得全局最优解,仿真结果表明了该算法的合理性和有效性.     

施工项目资源均衡问题的蚁群算法

为了制定科学的施工项目资源使用计划,实现资源的合理组织和使用,进而提高项目的经济效益,提出了施工项目资源均衡问题的蚁群算法(ACO).该方法采用串行进度产生方案(SSGS)产生可行进度,并利用ACO进行最优进度的搜索.根据资源均衡问题的特征设计了启发式信息.结合一个计算实例,采用试算法设置蚁群算法的参数,证实了该算法对求解施工项目资源均衡问题的适用性.计算结果表明,该算法所确定的最优解与枚举法的结果一致,但其搜索效率明显得到改进,且算法的收敛趋势明显、振荡较小.     

WebGIS中基于蚁群算法的TSP问题的求解

针对旅行商问题(TSP),研究了网络地理信息系统(WebGIS)中的蚁群优化算法(ACO)在其问题上的应用.为提高蚁群优化性能,采用一种空间拓扑结构与蚁群优化算法结合,并引入了局部搜索策略2-opt.在城市数目一定的情况下,改进蚁群算法能够得到所求TSP的全局最优解,与遗传算法和模拟退火算法比较,它具有更快的收敛速度和更高的收敛精度,并可扩展到一类相关的组合优化问题之中.结果表明,改进蚁群算法对于求解TSP问题效果是很明显的.     

基于多目标拆分优化思维的拥塞网络数值调度方法

针对网络拥塞数值调度中存在的盲目性问题,提出了一种基于多目标拆分优化的网络拥塞数值调度方法.将拥塞网络的数值调度问题进行模型化表示,并将拥塞过程调度的最优问题分解为多个目标同时优化问题:即信道最优任务分配问题和路由拥塞调度问题.根据粒子群算法,对信道分配问题的最优解进行计算,同时设计约束模型并利用遗传算法求解拥塞调度问题,实现了在拥塞状态下的网络数值调度.结果表明,所提出算法获得的拥塞调度方案具有较好的可执行性.     

基于平衡树的智能电网数据采集路由算法

在智能电网中,与传统路由协议不同,突发性拥塞不再是数据采集的主要风险,风险的新来源是数据流过度集中在网络的关键节点而导致的拥塞。为此,提出了一种能够实现数据平衡的数据采集路由机制用以克服网络拥塞。首先,该机制抽象出配用通信网络的数学模型;其次,针对无线网状网络( WMNs)路由协议,以节点排队队列长度作为决策参数建立路由度量模型(数据平衡度量模型,DBMM),并以度量值最小作为决策条件,设计了基于平衡树的路由算法(基于DBMM的路由算法,RA-DBMM)。最后,在Matlab环境下进行仿真实验,对比分析RA-DBMM和经典Bellman-Ford的性能差异。实验结果表明：RA-DBMM能够有效地改善数据拥塞问题,提高系统可靠性和吞吐量。     

改进的遗传算法在TSP问题中的应用

针对旅行推销员问题的遗传算法进行大规模运算需要耗费很多时间,而且易造成局部最优的问题,通过改进典型遗传算法的交叉算子,提出一种改进的遗传算法,动态调整交叉和变异概率以降低染色体近亲繁殖的可能,有效地控制了进化过程。与其他算法相比,不仅有效地提高了算法的收敛速度,并且获得了更好的性能。用中国100个城市的TSP问题对提出的算法进行实验验证。实验结果表明,改进后的遗传算法相对于其他遗传算法具有更强的全局寻优性能和更少的收敛时间。     

WSN中基于多路径路由的拥塞控制算法

针对WSN多路径路由的拥塞问题,根据快速转发数据和节能的原则,提出了基于多路径路由的拥塞控制算法（CCAMR）,CCAMR包含新路径建立、RBR与RER值获取及新路径撤销算法,通过建立新路径将拥塞区域的流量转移到负载较轻的区域,有利于避免和缓解重度拥塞．仿真结果表明,与CODA相比,CCAMR的丢包率和能耗更低,能够保证多路径路由下带宽分配的公平性,具有更高的拥塞解除效率．     

基于遗传算法的流媒体组播路由选择方法

在满足一定时延限制情况下,找出包括特定源、目的节点的最小费用树是NP-Complete问题。针对该问题对遗传算法进行理论分析,提出了较其它的遗传算法和启发式算法而言具有编码方式简单、收敛速度快的遗传算法,给出了组播路由的模型,并利用遗传算法对该模型进行计算机仿真分析。     

一种资源占用最小的并行LSPs流量分配算法

提出了一种资源占用最小的并行标签交换路径(LSPs)流量分配算法。该算法根据LSP(label switch paths)的跳数和时延来进行自适应流量分配,避免了传统基于最短路径路由流量分配算法引起的网络拥塞。仿真表明,该算法经过约15次迭代就可以收敛到预定的阈值,实现多协议交换网络资源的优化利用。     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

自适应和最大最小蚁群算法的物流车辆路径优化比较

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了自适应蚁群算法和最大最小蚁群算法进行车辆路径优化,分析、比较了这两种算法的不同并在Matlab上做了仿真。仿真实验结果显示自适应蚁群算法在收敛速度和寻找最短路径上都略逊于最大最小蚁群算法,最大最小蚁群算法在物流车辆路径优化上优于适应蚁群算法。     

基于蚁群算法的自适应ad hoc路由协议

为了在ad hoc网络中建立和维护路由,提出一种基于蚁群算法的自适应ad hoc路由协议.该路由协议按需广播蚂蚁,建立了到目的结点的一条路径,并在数据传输过程中通过连续发送蚂蚁维护现有路径和探索新的路径,从而动态建立到目的结点的多路径路由,能较好适应网络拓扑结构的动态变化.仿真实验表明,该路由协议在平均分组端到端的延迟和分组投递率等性能上比AODV和W_AntNet协议具有更大的优势.     

基于相对距离和关联度的多任务联盟的蚁群算法

针对蚁群算法在求解多任务联盟问题(multi-task coalition problem,MTCP)时存在的迭代次数多、求解精度不高的问题,提出了一种基于相对距离和关联度的蚁群算法.该算法针对蚁群算法搜索机制和信息素增量模型,提出了2种策略.首先,为提高资源利用效率,减少Agent的能力浪费,引入了相对距离的概念,提出了基于相对距离的搜索机制;其次,为强化蚂蚁间的协作,利用已获得的解信息,给出了一种基于关联度的信息素增量模型.仿真实验结果表明,与已有的一些算法相比,本文算法不仅能获得更好的联盟结构,而且具有较快的收敛速度.     

Improved scheme for spectrum allocation in cognitive wireless sensor networks

In order to effectively allocate the idle spectrum and improve spectrum utilization of cognitive wireless sensor networks, it is necessary to design an efficient spectrum allocation algorithm. Aiming at the problem of spectrum allocation in cognitive wireless sensor networks, an improved method for spectrum allocation is suggested. A new chaotic dynamic clonal evolution algorithm is designed. Then the graph theory coloring model is established with the corresponding fitness function derived. Traditional evolutionary algorithms have the problem of premature convergence, so chaotic operators, adaptive operators and cloning operators are added to the traditional evolutionary algorithms to accelerate the convergence of the algorithm. The chaotic dynamic clonal evolutionary algorithm is compared with the simulated annealing algorithm and the ant colony algorithm by simulation. The simulation results show that compared with the ant colony algorithm and the simulated annealing algorithm, the chaotic dynamic clonal evolution algorithm can effectively improve the global search ability, and significantly improve the network benefit value of spectrum allocation. The results also show that the proposed chaotic dynamic clonal evolution algorithm can make full use of existing spectrum resources and improve the system throughput.     

基于小生境粒子群的属性约简算法

遗传算法（GA）及蚂蚁算法（ACO）等进化属性约简算法,具有全局寻优的优点,但存在算法时间复杂度高,搜索空间大等不足;粒子群（PSO）属性约简算法,虽然可提高求解效率,但易陷入局部最优.本文引入小生境技术,提出基于小生境粒子群的属性约简算法,利用小生境技术造就种群的多样性,使解保持多样化,以此避免粒子群属性约简算法易早熟收敛的缺点.理论分析及实验结果表明,该算法是有效可行的.     

一种最大吞吐量的深空通信网络路由算法

针对深空通信网络中链路的高时延和间断连通性特征,提出了一种以路径吞吐量最大为准则的路由算法．该算法利用存储转发机制,构建端到端的多条路径; 以最大化利用链路的连通时段为目标,依据路径中各链路的连通时序图及链路连通时段的吞吐量,确定链路的最大有效传输时间段,构建端到端多跳最大吞吐量路径．理论分析与仿真结果表明,与传统的路由算法相比,该算法支持非实时连通链路的端到端通信,并得到最大吞吐量的端到端路由．     

Global path planning approach based on ant colony optimization algorithm

Ant colony optimization （ACO） algorithm was modified to optimize the global path. In order to simulate the real ant colonies, according to the foraging behavior of ant colonies and the characteristic of food, conceptions of neighboring area and smell area were presented. The former can ensure the diversity of paths and the latter ensures that each ant can reach the goal. Then the whole path was divided into three parts and ACO was used to search the second part path. When the three parts pathes were adjusted, the final path was found. The valid path and invalid path were defined to ensure the path valid. Finally, the strategies of the pheromone search were applied to search the optimum path. However, when only the pheromone was used to search the optimum path, ACO converges easily. In order to avoid this premature convergence, combining pheromone search and random search, a hybrid ant colony algorithm（HACO） was used to find the optimum path. The comparison between ACO and HACO shows that HACO can be used to find the shortest path.     

基于混合连续蚁群算法的可用输电能力研究

提出一种新的可用输电能力的计算方法.将蚁群优化算法的正反馈特性与实数遗传算法的进化策略相结合,克服了基本蚁群算法只适用于离散问题的局限性,并提高了寻优的效率、全局的寻优能力和结果的稳定性.在计算过程中,根据不等式约束越界量的大小,动态调整罚函数,采用强制搜索策略,提高了算法的收敛速度,有效克服了在计算可用输电能力过程中,可能出现因早熟而陷入局部最优解的问题.以IEEE-30节点系统为例进行可用输电能力的仿真计算,并与其他算法进行比较,结果证明了该算法的合理性、有效性和优越性.     

基于蚁群算法的自适应动态路由算法

针对传统的路由算法收敛速度慢且易产生路由振荡的问题，利用蚁群能够发现从巢穴到食物源之间较短路径的 特性，提出了一种自适应动态路由(ADR) 算法.ADR中的人工蚂蚁同时搜索网络，并以一种间接、异步的方式相互交换所 收集到的网络状态以及数据流量信息.网络每个节点的路由表用信息素表来代替，表中的信息素浓度以概率值的形式表示 ，利用再励学习机制，人工蚂蚁以一定的周期更新信息素表.算法具有自适应性、鲁棒性及本质上的并行性.仿真结果表 明，所提出的算法能有效提高网络吞吐量、降低平均时延.     

Dynamic Routing Algorithm for Increasing Robustness in Satellite Networks

In low earth orbit(LEO) and medium earth orbit(MEO) satellite networks, the network topology changes rapidly because of the high relative speed movement of satellites. When some inter-satellite links(ISLs) fail, they can not be repaired in a short time. In order to increase the robustness for LEO/MEO satellite networks, an effective dynamic routing algorithm is proposed. All the routes to a certain node are found by constructing a destination oriented acyclic directed graph(DOADG) with the node as the destination. In this algorithm, multiple routes are provided, loop-free is guaranteed, and as long as the DOADG maintains, it is not necessary to reroute even if some ISLs fail. Simulation results show that comparing to the conventional routing algorithms, it is more efficient and reliable, costs less transmission overhead and converges faster.