基于MapReduce的并行蚁群算法研究与实现

蚁群算法在处理大规模TSP问题耗时较长,为解决这一不足,给出了一种基于MapReduce编程模式的并行蚁群算法。采用MapReduce的并行优化技术对蚁群算法中最耗时的循环迭代和循环赋值部分进行改进,同时运用PC集群环境的优势将具有一定规模的小蚁群分配到对应的PC机上,使其并行执行,减少运行时间。实验证明改进后的并行蚁群算法在大数据集上运行时间明显缩短,执行效率显著提高。     

基于蚁群算法的数字微流控芯片并行测试

可靠性是数字微流控生物芯片的一项重要指标,尤其是在安全性要求较高的应用领域。因此,芯片需要在生产制造后或生化实验前进行充分测试,以排除故障,确保实验结果准确。文中针对芯片的结构故障,提出了一种基于蚁群算法的并行测试方案,实现对较大规模的数字微流控芯片进行多液滴并行测试。该方案首先将芯片模型转化为MTSP模型,并利用蚁群算法分布式计算特性搜索多组优化的测试路径,完成对数字微流控芯片实验路径的测试。实验结果表明,该方案可用于在线测试,并能有效地减少大规模芯片的测试时间,且提高了工作效率。     

基于 GPU 加速的并行字符串匹配算法

在分析了经典的串行字符串匹配算法（BF ,KMP ,BM ,BDM ,Shift -And/Shift -Or ,ZZL）基础上,对ZZL算法的预处理过程进行改进,并结合GPU的单指令多线程的并行计算特点,对ZZL算法进行并行改进,以达到处理大规模数据的速度提升。     

关于并行蚁群算法解决QAP问题的研究

二次分配问题作为一类NP难组合优化的问题,被广泛的应用于数据分析、图像合成等不同的领域。本文主要是介绍了一种新的并行蚁群系统模型,利用并行蚁群算法和TS的局部搜索,有效地解决了二次分配问题。     

基于PXIe通信总线矢量信号收发仪的多音信号的C++算法实现

本文阐述了多音信号的传输原理,介绍了C++编程语言生成多音信号的算法,信号发生软件输出多音信号进行了测试。基于QT跨平台用户界面的开发环境而实现的PXIe矢量信号收发软件,结合频分多路复用（FDM）技术,基于C++编程语言,编写了多音信号算法,将不同频率的音信号转变为IQ数字序列来实现多音信号的输出。     

基于改进SVD++算法和K-means++算法的小文件合并方案

文章提出了一种基于改进SVD++算法和K-means++算法的小文件合并方案。通过引入自适应学习率函数和基于并行分组的SVD++算法,优化了小文件的合并过程,以提高Hadoop存储小文件的效率。同时,利用K-means++算法对合并后的文件进行聚类,优化了数据存储方式,降低了存储空间的浪费。在Hadoop平台上进行的实验表明,该方案在保持数据处理准确性和稳定性的同时,显著提升了Hadoop存储与处理小文件的性能。     

浅析基于C++的程序设计

C++程序设计是高等院校计算机专业课程教学中的一门重要的主干课。本文就该课程教学中存在问题,提出了改进措施和解决方法。强调学生要学以致用,加强对学生程序设计能力的培养,提高C++程序设计的教学效果。     

多点并行蚁群搜索在多限制动态组播中的应用研究

随着Internet的快速发展和商用化的提高，多媒体组播通信越来越引起人们的广泛关注。以往的研究成果大多是集中在固定的多点模型上，而许多服务是无法应用这种应用模型的。本文在充分研究以往组播通信的基础上，针对没有固定组成员的动态组播通信提出了运用蚁群算法进行并行寻路的算法模型。同时，为了加快蚁群算法的收敛速度，对该算法进行了一定的改进。仿真试验表明，该算法是一种有效的适应动态组成员的组播路由算法，具有一定的实用价值。     

基于蚁群算法的模糊C均值聚类的改进研究

在图像分割的研究中,模糊C均值(FCM)聚类算法较之前的硬聚类有了很大的改进,是一种基于函数最优方法的聚类算法,然而传统的FCM算法的聚类中心及个数难以确定,搜索过程易陷入局部最优。因此,提出一种基于蚁群算法的改进的FCM聚类算法。该算法利用了蚁群算法全局优化特征以及较强鲁棒性的特点,将通过蚁群算法得到的聚类中心及个数应用到传统FCM算法中,弥补了传统FCM聚类算法的不足。该算法对图像进行分块处理,并引入多尺度梯度,提高了图像分割的准确性,最后通过实验验证了该算法的有效性及实用性。     

基于OPENMP求解旅行商问题的并行蚁群算法

蚁群算法具有自组织性、正反馈性、较强的鲁棒性和天生的并行性等优点,不足之处是需要较长的搜索时间.为了解决其搜索时间过长的问题,文中提出了一种并行实现策略,用OPENMP应用编程接口采用C++语言编程实现,能明显减少搜索所用的时间.给出了一种解决旅行商问题(TSP)的并行蚁群算法,并通过串并算法执行时间的比较,说明并行算法的优越性.     

基于蚁群算法的Web服务选择

Web服务组合是为Web用户提供高质量、个性化服务的主要手段,而Web服务选择是进行组合的前提和基础。阐述了蚁群算法的原理,分析了Web服务选择的模型,把蚁群算法引入Web服务选择领域,将基于QoS的Web服务选择问题转化为最优路径选择问题。给出了使用蚁群算法解决Web服务选择问题的实施步骤,对比分析了蚁群算法在不同参数下对服务选择正确率的影响,通过具体的场景测试了蚁群算法对于解决Web服务选择问题的有效性。     

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.     

一种基于混合蚁群算法的矢量量化码书设计算法

提出了一种基于混合蚁群算法的矢量量化码书设计算法。该算法首先通过自适应地调整截取转移概率的参数,加大蚁群算法的搜索最优解的力度;然后以蚁群算法搜索的结果作为初始解,利用改进的LBG算法作进一步的搜索,从而加快算法的收敛速度。实验结果表明,该算法不但大大提高码书性能,而且也缩短了运行时间,解码恢复图像能获得较高的主、客观质量。     

基于蚁群算法的弹道参数辨识方法研究

通过传统的计算方法难以得到航空武器系统弹道参数,为此提出一种基于蚁群算法的航空武器气动参数辨识算法。该算法将蚁群算法和实数编码遗传算法相结合,以给定的弹道表数据为标准,采用蚁群算法计算航空武器气动参数分段函数的分段边界点马赫数值,在此基础上采用实数编码遗传算法计算分段函数的多项式系数。采用该算法进行某型炸弹阻力系数辨识计算,计算结果表明:该算法可行,且计算的阻力系数精度高。计算结果已成功应用于某型航电火控系统的设计中。     

优化蚁群算法在ASON路由中的应用研究

针对基本蚁群算法中存在搜索时间长,易陷入局部最优解等问题,提出一种改进的基于蚁群优化的ASON网络路由算法,在蚁群算法中采用自适应调整α和β参数及挥发系数ρ等措施,加快了算法的收敛速度,提高ASON路由算法性能,增强了算法的适应能力,并通过仿真实验证明该方法的可行性和有效性.     

基于蚁群算法的动目标显示参差码优化设计

提出了一种基于蚁群算法的动目标显示(MTI)参差码优化设计方法。该方法在保证最大参差比不大于允许值和盲速扩展倍数大于第一盲速点对应扩展倍数的前提下,采用蚁群算法搜索最优参差码,使得参差MTI滤波器第一凹口的深度尽可能浅,通带尽可能平坦,因此,在抑制杂波的同时减小了目标损失。MTI参差码设计是一种组合优化问题,蚁群算法非常适合于解决这种问题。设计实例和性能分析验证了该设计方法的可行性和有效性。     

基于蚁群算法PID控制器的应用研究

传统的PID控制对于控制模型不确定并具有非线性特性的对象时,存在参数难以整定、控制效果不好的缺点,文中提出了一种基于蚁群算法的PID调节算法,即利用蚁群算法动态调节PID的参数,实现对配料系统的控制,通过实验仿真的方式证明了该方法具有良好的控制效果及适应性。     

基于改进蚁群算法的机器人路径规划

采用MAKLINK图论建立机器人路径规划的空间模型,利用Dijkstra算法减少工作空间的搜索范围,引入免疫算子,将其融合到蚁群算法的每次迭代过程中,提高蚁群算法在全局搜索空间的遍历性和收敛速率,避免陷入局部最优解。     

基于蚁群算法的有时间窗车辆调度问题的研究

有时间窗的车辆调度问题（vSPITw）是一个复杂的非线性组合优化问题，一般运用分阶段方法求解。现将蚁群算法应用于车辆调度问题，设计动态确定车辆数和随机搜索路径的新方法，实现车辆数和路径长度的同时优化，并对蚁群算法的信息素更新规则进行了改进，以优化其搜索能力和加快收敛速度。同时给出了算法的实现过程，通过对实例求解，取得了满意的结果。     

基于启发式蚁群算法的高保真信号重构

在当前的雷达射频半实物仿真系统应用中,有源干扰信号和雷达目标回波信号的模拟主要通过宽带数字射频存储技术(DRFM)实现。随着雷达瞬时工作带宽和捷变频范围的增大,如何实现对超宽带雷达信号的高保真重构是实际工程中面临的重要难题。文中基于启发式蚁群算法,结合数字信道化思想,实现了在现有有限的硬件平台基础上,对超宽带雷达信号的高精度重构。最后,通过仿真和实验验证了该方法的有效性。