基于小生境免疫算法的多约束QoS路由选择

针对多约束Qos路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延和丢失率为QoS参数。针对一种免疫算法的不足,利用基于相似结构的小生境技术和共享算子对免疫算法加以改进。实验表明,该算法有较好的性能,大幅提高了QoS路由选择的效率。     

一种支持QoS的链路状态路由算法

为了实现移动Ad Hoc网络路由协议的扩展性，对现有Qos路由协议进行了研究，并提出了一种支持Qos的链路状态路由算法（SMM-LS）．该算法使用了三个Qos尺度：时延，带宽和丢包率.通过仿真实验与BWDD，BWMD等算法进行比较分析，结果表明，SMM-LS算法有较好的扩展性．     

基于遗传算法的自组网QoS路由协议

针对大多数自组网Qos路由协议只支持单个QoS参数，支持多个QoS参数的却很少，对自组网QoS路由协议进行了研究，并提出了一种基于遗传算法的自组网Qos路由协议（GAQR），使用了两个QoS参数．通过仿真实验表明，GAQR协议在分组传输率和时延上性能比Q-AODV协议优越．     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法．这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

混合遗传蚁群算法的改进及在TSP问题中的应用研究

蚁群算法（ACA）与遗传算法（GA）都属于仿生型优化算法,是解决组合优化问题的强有力工具,并都分别成功应用于旅行商问题（TSP）中。本文将两种算法进行融合,并给出了新的融合方式。实验结果表明,新的遗传蚁群混合算法有效地改进了算法的全局收敛性,并加快了收敛速度。     

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.     

一种求解连续空间约束优化问题的蚁群算法

借鉴蚁群算法和惩罚函数的思想提出了一种用于求解连续空间约束优化问题的蚁群算法.应用自适应调整惩罚因子的惩罚函数法将约束优化问题转化为无约束优化问题,再结合自适应调整全局选择因子和信息素挥发系数的连续域蚁群算法,求解连续空间约束优化问题.通过对基准测试函数进行编程求解,对比采用固定参数的蚁群算法求解结果,验证了所提改进算法的正确性和有效性.     

基于融合遗传原理的蚁群算法在配电网故障恢复中的应用

本文对配电网的故障恢复问题进行了研究,提出了结合实际的配电网故障恢复目标函数,在分析了遗传算法和蚁群算法的基础上,结合遗传算法和蚁群算法的各自优点,提出了一种将遗传算法融入到蚁群算法的新策略,利用遗传算法的交叉操作产生蚁群算法的新的旅行路径,以此提高蚁群算法的全局搜索能力,构造了基于遗传算法的混合蚁群算法。实例分析表明,该算法具有较快的收敛速度和较强的全局搜索能力,避免了不成熟收敛,有效地提高了故障恢复的速度和精度。     

无线单播网络中关于带宽、延迟与成本控制的分布式路由算法

文章介绍了无线单播网络路由问题的研究现状,提出关于带宽、延迟和成本控制的Qos路由问题.最后文章证明了BDUR算法的信息规模最高为0(|V|4),其中|V|是节点的个数.     

基于Qos启发式算法的并行消息中间件设计

介绍一种基于Qos启发式算法的并行传输消息中间件设计思想,提出一种多约束QoS路由的启发式算法实现最优路径选择.系统采用了并行处理技术、基于数据库更新技术的数据同步传输机制、异构传输数据库配置与传输数据配置技术等,实现大型网络系统中异构数据库信息系统间海量数据信息并行交换,多级网络系统间数据信息并行交换.     

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.     

基于改进蚁群算法的物流配送车辆路径优化方法

目前路径优化方法忽略了客户时间窗约束产生的惩罚成本,导致惩罚成本过高,无法得到最优配送路径,基于此,提出基于改进蚁群算法的物流配送车辆路径优化方法。结合遗传算法完成对蚁群算法的改进,对物流配送车辆路径问题进行建模,得到路径规划问题的目标函数,并根据配送过程的实际情况和具体要求设定目标函数的约定条件,计算固定成本和变动成本为路径优化提供判断依据,设计出路径优化问题的算法流程。在算例分析中,选择某生鲜企业的物流配送作为算例,实验结果表明,设计的方法得到的最优路径总体成本远远低于传统方法,说明所提方法实用性较强。     

几何约束多解问题

针对几何约束求解的多解性问题,将约束分成两个集合:原约束集合和增加的额外约束集合。用求解器求解出全部解后,利用提出的混合遗传蚂蚁算法,搜索全部解空间,在算法的初始阶段采用遗传算法,产生信息素的初始分布;在算法的后期采用蚂蚁算法。由于在遗传算法中使用随机的种群,不仅提高了蚂蚁算法的速度,而且在求解时能避免陷入局部最优解。通过启发式搜索算法使增加的额外约束得到最大化满足,从而寻找到符合用户意图的解。     

带软时间窗的公共自行车调度路径问题

为了提高公共自行车调度的效率,研究了一种带软时间窗的自行车调度路径问题.首先根据公共自行车调度工作内容,建立多目标调度路径模型,然后设计一种改进的蚁群算法对模型进行了求解.实验结果显示,本文方法求解的调度路径比模拟退火算法、蚁群算法和遗传算法分别缩短了18.4%、24.3%和13.0%,而且还能有效节约调度车辆.     

模拟退火蚁群算法在VRP问题上的应用

车辆路径问题是物流系统优化的核心问题,在满足相关需求的情况下需要达到路径最短、成本最低等目的。文章提出一种模拟退火算法和蚁群算法的组合,通过改进蚁群算法相关参数、采用邻域算法对解进行二次搜索,从而改变解的质量并进行优选,以实现在满足相关约束条件下达到路径最短的优化。将该组合算法与基本蚁群算法、改进型的蚁群算法及VRP官网算例进行比较,实验结果表明,该组合算法在时间上和准确度上都有较大的提升,具有较好的应用价值。     

基于改进蚁群算法的有时间窗车辆路径优化

针对物流配送中的有时间窗车辆路径问题（VRPTW）,提高优化性能,提出了一种改进的最大最小蚁群算法,并引入了局部搜索策略2-opt．在客户数目给定的情况下,本算法能够得到所求VRPTW的全局较优解,与基本蚁群算法和未改进的最大最小蚁群算法比较,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路径优化问题中．实验结果表明,本算法对于求解VRPTW效果很明显．     

基于智能混合算法的车辆配送路径优化

为提高车辆配送效率,节约配送成本,建立了以配送路径和成本综合最优为目标的车辆配送路径问题数学模型.设计并实现了一种智能混合算法,首先利用具有自适应交叉率和变异率的改进遗传算法生成全局较优解,再将较优解转换为初始信息素进行蚁群算法,并结合2-opt算法对解进一步迭代优化,最终获得了车辆最优配送路径.实验结果表明,该算法优化后的目标值比蚁群算法减少了15.0%,比遗传算法减少了10.4%,验证了该算法的有效性和优越性.     

基于蚁群算法的矩形件优化排样问题

由于蚁群算法具有正反馈并行自催化机制和较强的鲁棒性等优点,逐渐成为一种应用广泛的元启发式算法。针对矩形毛坯在定宽无限长的板材上排样这个NP难问题,提出采用蚁群算法进行求解。采用1种2步法:第1步利用蚁群算法寻找最优底部毛坯排放顺序得到条形料排放顺序,第2步采用一种宽度方向最大填充排放算法来排放每个条形料。并将得到的结果与以往算法的结果进行比较,进一步验证了蚁群算法的优越性及处理矩形件排样问题的有效性。     

基于蚁群算法的无线传感器网络路由算法实现

本文利用蚁群算法简单、局部工作等特点,结合传感器网络的特征,分析研究了基于蚁群算法的WSN路由算法,并阐述了蚁群算法的无线传感器网络路由算法的实现和仿真设计与分析。