基于粒子群优化算法的多智能体系统分布式任务分配

本文提出了一种基于粒子群优化并且具备冲突消解能力的多智能体系统分布式任务分配算法。将多项任务分配给多个智能体是一个基础的资源分配问题,这类问题在很多控制和决策系统中出现,例如多机器人系统以及计算机系统。被用于分布式系统中解决此类问题的算法可以看做是一系列步骤,智能体能够利用这些步骤自动周期性地进行信息交换并更新自己的任务。本文提出的算法经过仿真实验验证,仅需要少量的信息交换即可消解智能体之间任务分配的冲突。     

协同项目多目标任务分配优化算法

在协同项目中，伙伴企业间的任务分配问题直接影响到项目的整体获益。针对这一问题，以费用最小和承担企业数最少为目标，并充分考虑了任务之间的紧密关联关系，提出了一个有效的任务分配启发式算法，并进行了实例验证，给出了对算法的评价。     

蚁群算法在智能优化考试题库中的应用

传统的练习题库常常会给出十几套甚至几十套复习题,但是学生在练习的过程中,往往很多知识点是重复的,比如IF语句的嵌套,学生在第一套题中已经做对了,表明学生已经掌握了这个知识点,但是在后面几套题中反复出现。学生需要对已经掌握的知识点进行反复练习,类似已经掌握的知识点的内容也同样不断地出现,然而学生没有掌握的知识点,做错一次,在后续练习中可能出现也可能不出现,对学生而言,需要加强的练习,并没有得到增强。针对这个问题,文章提出将蚁群算法引入到考试系统中,通过智能优化后的系统较之以前的系统,知识点的针对性更强,学生的提高更快。     

基于蚁群算法的无人机侦察任务分配

随着无人机(Uninhabited Aerial Vehicle,UAV)平台自身性能和信息化水平的提升,如何对无人机进行侦察任务分配成为重点问题;并且任务分配问题涉及无人机和目标数量、位置、性能等众多因素,也使任务分配问题变得十分复杂.针对侦察任务分配问题,进行分配建模研究,细化约束条件,使其更贴合实际应用场景.利用...     

雷达干扰任务分配的蚁群算法实现

合理分配干扰目标是雷达干扰任务区分中的难点问题.提出了一种基于蚁群算法的新型的目标分配算法模型,并进行了算法实验.实验结果表明,基于蚁群算法思想的目标分配算法是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度.     

蚁群算法中的主要参数对任务分配问题影响的分析

该文主要针对多机器人的任务分配问题,对蚁群算法的主要参数进行介绍和分析。首先对蚁群算法进行介绍,并对蚁群算法中的参数进行分析和选择,最后根据选定的参数对算法进行仿真验证。     

基于遗传算法的改进智能优化蚁群算法

针对蚁群算法加速收敛和早熟停滞现象的矛盾,根据遗传算法的交叉算子、变异算子和粒子群算法的粒子极值,采用一种优化蚁群算法,以在加速收敛和防止早熟停滞现象之间取得更好的平衡.在利用该算法解决TSP问题中,当前解与个体极值和全局极值分别进行交叉操作,产生的解为新的位置信息.通过对50个城市问题进行实验,结果表明,该方法比一般蚁群算法具有更好的收敛速度和稳定性,适合于求解大规模的问题.     

蚁群算法在分布式智能答疑系统中的应用研究

针对分布式智能答疑系统的特点,在对基于蚁群优化的分类规则发现算法研究的基础上,提出了分布式蚁群智能分类算法,并对该算法在分布式智能答疑系统中的应用进行了分析和测试.实践证明,该算法能有效地对分布式智能答疑系统的范例库进行数据挖掘,进一步提高智能答疑系统检索的效率和智能性,使分布式智能答疑系统的应用进入一个新台阶.     

求解多目标资源分配问题的改进蚁群优化算法

多目标资源分配问题就是将有限资源分配到不同事件来获得预期目标.建立了多目标资源分配问题的数学模型,提出了一种有效求解该问题的改进蚁群优化算法：设计了一种多目标资源分配问题的可行方案构建机制,定义了蚁群优化算法中的信息素形式及其更新方式,提出了一种新的概率选择形式;通过以上改进有效地提高了蚁群优化方法的效率.为了验证此方法的有效性,将蚁群优化方法与混合遗传算法的实验结果进行了对比分析,证明此方法优于混合遗传算法.     

基于遗传蚁群优化算法的认知无线电频谱分配

针对认知无线电中的频谱分配问题,提出一种融合了遗传算法和蚁群算法优点的频谱分配方法。该方法利用遗传算法快速随机的群体性全局搜索能力生成初始解,然后利用衔接策略将遗传算法初始解转化为蚁群算法所需的信息素初始分布,最后利用蚁群算法正反馈、收敛高效的特点求取最优解。通过仿真比较了该方法与颜色敏感图着色算法的性能。结果表明动态融合了遗传算法和蚁群算法的优化算法性能明显优于颜色敏感图着色算法,它能更好地实现网络效益最大化。     

一种改进的多目标蚁群优化算法

提出了一种改进的多目标优化问题的蚁群算法.算法选择进化算法的定义的时候,种群中一定数量的个体信息来源作为中心的扩散,多个中心点之间有一定的距离;群体中的其他个体按照离源个体最近的距离的原则归属于其中一个信息素扩散源;按照信息素扩散算法,每一信息素扩散源中的个体获得源于中心点的信息素;保留每一代群体中的中心点到下一代种群中,确保了收敛性和维护种群的多样性.最后利用多目标背包问题来测试算法的性能,并与MOA和NSGA-II算法进行了分析比较.结果表明,该搜索效率高,向真实Pareto前沿逼近效果好,得到传播的多种解决方案,是一个多目标优化问题的解决和有效的方法.     

Heuristic Task Scheduling Algorithm Based on Rational Ant Colony Optimization

Distributed data stream processing system is NP-complete problem to assign tasks to any number of nodes handling the task scheduling. Even for substan- tially reducing scheduling scale, the problem still cannot be avoided. This paper takes advantage of the classical al- gorithm （ant colony optimization） of heuristic methods to simulate the global task sclmduling problem of distributed system. Rational improvement on ant colony optimization path-finding for the memory and CPU usage of each node achieves load balancing in a short time. It gives the sub- optimal solution of the global task scheduling. The exper- iments show that the data stream processing system we proposed has good real-time characteristics and stability.     

求解函数优化问题的快速连续蚁群算法

 用蚁群算法进行函数优化时,存在收敛速度慢并易于陷入局部最小等问题.为此,根据对真实蚂蚁的最新研究成果,提出了一种全新的由侦察蚁和觅食蚁协作搜索的函数优化快速连续蚁群算法.该算法首先引入混沌序列确定侦察蚁的初始位置,然后由侦察蚁进行全局大视域快速搜索,且每迭代完一步和每迭代完一代都要对解进行评价,并对本代最优解的信息素进行标记,由此吸引觅食蚁在本代最优解周围空间进行小步长搜索.通过这种初始化方法和侦察蚁与觅食蚁的相互协作,不仅能很好的提高寻优精度,且使收敛速度大幅提高.计算机仿真实验结果表明,本算法寻优率高,收敛速度提高显著,效果令人满意.     

基于蚁群优化的时间Petri网及其在柔性制造系统调度优化中的应用

Petri网的优化调度求解主要采用基于状态空间的智能搜索方法,执行效率往往不高.提出基于蚁群优化的时间Petri网,通过在Petri网的变迁和进化规则中引入蚁群优化机制,改变Petri网原有的非确定性选择行为,使之具备蚁群寻优选择智能行为,克服了需要基于状态空间进行启发式搜索的缺陷,提高了调度优化的计算效率.最后应用蚁群优化时间Petri网模型,对柔性制造系统的区间Job Shop调度问题进行建模和优化求解.实验结果进一步验证了所提模型和方法的有效性.     

基于蚁群优化算法的路由协议的研究

生物仿真学群集算法在路由中有广泛的的应用,为了充分利用网络资源,降低拥塞程度,提出了一种基于蚁群优化算法的Ad Hoc网络负载均衡路由算法Pro-antnet,通过对蚂蚁收集到的网络信息所对应的参数赋予不同加权值的方法对路由表进行控制,有效地缓解了网络的拥塞问题。该算法具有良好的分布式特性,能为网络提供多条备用路径,增强网络的抗毁性。     

求解双边装配线平衡问题的改进蚁群算法

结合第2类双边装配线平衡问题(TALBP-2)的特点,提出了一种改进蚁群算法.针对TALBP-2中操作间的序关系,对分配至同一个边工位中相邻的两项操作间定义了一种新的信息素;提出了一种新的定界策略,根据所得的最好解,减小工位时间的上界,利用已分配工位的平均实际作业时间界定工位时间的下界,缩小蚂蚁的搜索空间;针对TALBP-2提出了一种新的操作分配准则,根据所定义的3种理想操作的优先分配权限分配操作;提出了一种边工位确定原则,平衡两边工位时间的增加速度.算例的比较结果表明算法有较好的求解效果和稳定性.     

基于蚁群算法的面向服务软件的部署优化方法

面向服务软件的部署优化问题是典型的NP难题.本文构建了基于性能改善的软件部署优化模型,设计了一种蚁群优化算法ACO-DO进行近似最优解的快速求解.该算法通过设计基于部署优化问题的启发式、改进部署方案的构建顺序、增加局部搜索过程实现蚁群算法求解效率的提升.通过不同规模的实例实验,验证了ACO-DO算法能够取得比现有的混合整数线性规划算法、蚁群算法和遗传算法更好的性能.     

基于蚁群算法的自动化仓储系统空闲优化

根据目前自动化仓储系统提出了蚁群算法的一种改进型优化算法。通过分析自动化仓储系统的工作特性,建立与之相类似的数学模型,加入特殊的空闲优化模式,结合遗传算法对原有的蚁群算法进行优化。在长时间连续工作的自动化仓储系统中,采用优化后的蚁群算法迭代计算次数更少、计算时间更短、并且最小路径更优化,更适应于现代化仓储系统。