蚁群算法在多用户检测中的应用及其改进

首先基于蚁群算法建立了一个多用户检测问题的模型,在这个模型中,蚁群算法得到了简化并且更加利于并行计算.随后将最大-最小的蚂蚁系统用于多用户检测,并通过分析算法的缺陷提出了一种蚁群算法与禁忌搜索相结合的混合算法.通过对多用户检测问题的试验仿真表明,改进算法不仅操作简单,而且全局搜索能力有了显著的提高.     

混合最大最小蚁群算法在VRPTW中的应用

为解决有时间窗车辆路径问题,采用两个最大最小蚁群系统,一个蚁群最小化车辆数量,另一个蚁群最小化旅行距离。通过分析有时间窗车辆路径问题和旅行商问题的区别,改进了最大最小蚁群算法中状态转移策略,并增加与可用车辆相同数量的虚拟仓库,使这两个蚁群使用独立的信息素但通过分享全局最优解来协作,算法还结合了2-opt局部搜索,从而减少了算法的计算时间并避免过早收敛。仿真实验结果表明,该算法性能优良,能有效地求解有时间窗车辆路径问题。     

混合最大最小蚁群算法在VRPTW中的应用

为解决有时间窗车辆路径问题,采用两个最大最小蚁群系统,一个蚁群最小化车辆数量,另一个蚁群最小化旅行距离。通过分析有时间窗车辆路径问题和旅行商问题的区别,改进了最大最小蚁群算法中状态转移策略,并增加与可用车辆相同数量的虚拟仓库,使这两个蚁群使用独立的信息素但通过分享全局最优解来协作,算法还结合了2-opt局部搜索,从而减少了算法的计算时间并避免过早收敛。仿真实验结果表明,该算法性能优良,能有效地求解有时间窗车辆路径问题。     

混合遗传算法和蚁群算法在HP模型中的应用

遗传算法和蚁群算法在HP模型中已经有了大量的研究及成果,蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。提出了一种先用遗传算法生成信息素分布,再利用蚁群算法求优化解的新的混合算法。将该算法用于二维HP模型中,计算结果显示该算法在寻优能力和收敛速度上都比单一的遗传算法和蚁群算法有所提高。     

蚁群算法在模糊Petri网参数优化中的应用研究

如何确定模糊产生式规则的各项参数对模糊Petri网的建立意义重大。把蚁群算法中的最大 最小系统引入到模糊Petri网的参数寻优过程，提出一种基于线程实现技术的参数优化算法。该算法实现不依赖于经验数据，对初始输入无严格要求。仿真实例表明，经蚁群线程优化算法训练出的参数正确率较高，且所得的模糊Petri网具有较强的泛化能力和自适应功能。     

改进蚁群算法MMAS在分类规则挖掘中的研究

为深入研究和评估蚁群算法在分类规则挖掘应用中具有的特点和作用,针对目前基本蚁群算法在数据挖掘方面所存在的不足,引入了改进的蚁群算法模型最大最小蚂蚁系统（MMAS）。并根据分类算法比较原则,通过实验分析对分类规则挖掘算法进行比较。根据使用不同数据集实验结果的对比分析,从仿真的精确度、速度等方面展示和证实了基于改进的蚁群算法模型MMAS的数据分类规则挖掘工具AntMiner＋在分类规则挖掘中体现出的特点和优势。     

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。     

最大最小蚁群算法在实际GSM系统中频率规划的应用

探讨了应用最大最小蚁群算法（MMAS）来解决移动通讯系统（GSM）的频率规划问题。基于MMAS提出了一个可方便地控制算法的探索和开发能力并使之平衡的参数。实验结果表明,通过优化该参数,显著提高了算法的性能。     

改进的蚁群算法求解蛋白质折叠问题

针对蛋白质折叠问题的二维格点模型(2DHP)提出了一种改进的蚁群算法(ACO).受链生长型算法Pruned-Enriched Rosenbluth Mvthod(PERM)的启发,在计算迹的时候增加了一个新的信息量,使得改进后的蚁群算法具有较快的收敛速度,同时采用基于极值动力学的优化方法(EO)进行局部搜索.求解基准实例的结果表明,该算法能够在保证解质量的前提下能大大缩短计算时间.     

改进的牵引移动的蚁群算法在2D HP模型中的应用

蛋白质折叠问题就是从氨基酸序列中预测蛋白质的构象,该问题是生物信息学的一个突出问题。主要研究二维HP格点模型,它是用于模拟蛋白质折叠问题的一个具有代表性的简化模型,并且将蚁群算法用于求解该二维HP蛋白质的折叠问题。此外,在局部搜索机制中引入一种改进的牵引移动方法,这是一个提高蛋白质构象的有效方法。实验结果表明,针对较长的氨基酸序列,改进的带牵引移动的蚁群算法(ACO+)比ACO能够获得更低能量的构象,证明了所提出的改进蚁群算法是预测蛋白质结构的有效方法。     

基于改进ACO算法的无人作战飞机航路规划设计

为了使无人作战飞机能在敌方防区内以最小的发现概率和航路代价到达目标点,提出一种基于改进蚁群算法对UCAV进行航路规划的方法;首先,根据燃油代价和威胁代价设计了目标函数,并根据敌方防区威胁源生成VORONOI图,然后通过对信息素初始化方式、蚂蚁转移规则以及信息素更新规则进行改进以优化传统的ACO算法,最后定义了使用改进ACO算法对UCAV进行航路规划的具体算法;仿真实验证明文中方法能实现UCAV航路规划,且与经典ACO算法相比,文中方法具有较快的收敛速度和较强的全局寻优能力。     

一种改进的蚁群算法在工艺规划与车间调度集成优化中的应用

改进标准蚁群算法的执行策略,可提高工艺规划和调度集成问题的求解 质量和效率。通过节点集、有向弧/无向弧集、AND/OR 关系,建立了基于AND/OR 图的工 艺规划和调度集成优化模型。提出一种求解工艺规划与车间调度集成问题的改进蚁群优化算 法,采用了信息素动态更新策略避免收敛过慢和局部收敛,利用多目标优化策略提高求解质 量。仿真结果证明了该算法的有效性。     

基于改进ACO的WSN感知数据传输策略研究

无线传感器网络(WSN)能够利用传感器节点快速准确地获取物理世界的信息从而作为物联网的感知层在监控领域得到了广泛的应用,而能量利用率是能量受限无线传感器网络的一个关键属性,直接影响网络的生命周期.经典的分层路由LEACH(及其变种)算法是无线传感器网络中最常见的节能路由协议.该文提出了一种改进的LEACH算法,由sin...     

一种栅格模型下机器人路径规划的改进蚁群算法

提出了一种静态环境下机器人路径规划的改进蚁群算法。该算法使用栅格法对机器人的工作空间进行建模,通过模拟蚂蚁的觅食行为,采用折返的迭代方式对目标进行搜索。在搜索过程中,以移动方向一定范围内最大信息素和目标引导函数作为启发式因子。此外,根据蚁群算法处理本问题时信息素散播的特点,重构了信息素的更新策略和散播方式。仿真实验结果表明,这些改进措施使最优路径的寻找快速而高效,即使在障碍物非常复杂的环境下,也能迅速地规划出一条最优路径。     

基于Q学习和双向ACO算法的云计算任务资源分配模型设计

云计算异构环境中由于计算和存储资源物理分布的不一致性,往往容易导致在应用传统的调度算法进行任务资源分配时存在调度效率低和负载不均衡的问题,为此,设计了一种基于Q学习和双向ACO算法的云计算任务资源分配模型;首先,引入了基于主从结构的调度模型,并综合考虑任务计算完成时间、网络带宽和延迟等因素设计了资源分配目标函数,然后,设计了基于Q学习的云计算资源初始分配方法,将其获得的最优策略对应的Q值初始化网络中节点的Q值,最后,设计一种结合前向蚂蚁和后向蚂蚁的双向ACO算法实现任务资源的最终分配,并对算法进行了定义和描述;在CloudSim环境下进行仿真实验,结果证明文中方法能有效实现云计算异构环境下的任务资源分配,且与其它方法相比,负载均衡离差值平均约为0.071 5,是一种适用于云计算异构环境的有效资源分配方法。     

多维背包问题的一个蚁群优化算法

蚁群优化(ACO)是一种通用的启发式方法,已被用来求解很多离散优化问题.近年来,已提出几个ACO算法求解多维背包问题(MKP).这些算法虽然能获得较好的解但也耗用太多的CPU时间.为了降低用ACO求解MKP的复杂性,文章基于一种已提出但未实现过的MKP的信息素表示定义了新的选择概率的规则和相应的基于背包项的一种序的启发式信息,从而提出了一种计算复杂性较低、求解性能较好的改进型蚁群算法.实验结果表明,无论串行执行还是虚拟并行执行,在计算相同任务时,新算法耗用时间少且解的价值更高.不仅如此,在实验中,文中的新算法获得了ORLIB中测试算例5.250-22的两个"新"解.     

迭代更新蚁群管路敷设系统参数的敏感性分析

通过应用在船舶管路优化布局上的迭代更新蚁群算法,对其中所涉及的各参数进行了大量系统的仿真实验,在整个迭代过程中,为了得到动态平衡,自适应调整参数是一个有效的方法,在实验基础上分析了各参数的不同设置对算法性能的影响,以利于蚁群算法的进一步拓展和推广。     

基于蚁群算法的非结构化P2P网络搜索的改进

针对非结构化的对等网络一般以广播方式作为其搜索的基本策略而引发较大的网络流量和盲目性这一问题,引入人工智能领域的蚁群算法,利用蚂蚁信息素的多样性和正反馈机制,有效地指导节点选择查询,以便更快地找到查询结果.仿真结果表明,该算法有效地减少了查询带来的网络流量和盲目性,提高了查找的成功率.