基于蚁群算法的智能交通最优路径研究

针对车辆智能交通最优路径问题,提出一种实时规划的蚁群算法。在该算法搜索过程中加入针对具体问题的局部搜索寻优算法,在启发函数中引入搜索方向,改进信息素更新策略,限制信息素轨迹量。利用智能交通道路模型对改进算法进行比较分析。实验结果表明,改进后的蚁群算法能够有效地解决车辆实时路径诱导问题,实现车辆实时路径诱导,具有良好的收敛性和寻优性。     

基于改进蚁群算法的数据邮递QoS模型

分布式数据交换网络系统中,海量数据传输一直是数据交换的难题。在进行路由选择时通常考虑跳数和时延,不提供QoS保证,致使数据在传输过程中因阻塞或中断长时间延时、严重的长时间延迟而丢弃。提出了改进的蚁群算法构造数据邮递过程的QoS模型,以实现满足QoS约束、均衡链路负载、快捷高效的海量数据传递。     

蚁群算法解决网格环境下任务调度问题的研究

网格环境下的任务调度是典型的NP难组合优化问题,是近些年来学者们争相研究的热点。传统的Min-Min算法具有任务完成时间长,负载平衡性差等缺点,因此,本文提出了一种应用蚁群算法解决该问题的方法。利用蚂蚁总能从蚁穴到食物源之间找到最短路径这一自然特性,将任务的一次分配过程抽象为蚂蚁的一次探路过程,最终得到较优的分配结果,并进行了实验仿真模拟,取得了不错的效果。     

抛物方程的变网格广义差分法

本文提出抛物方程变网格广义差分法,作出了该方法的误差估计,同时改进了文[1]和文[2]的一些结论。     

随机事件的平均等待时间

本文讨论随机事件发生的平均等待时间的计算问题，在阶段化过程模型的基础上，以卷积方式构造出局部经过程的传输概率模型，对已经历了ｎ次及ｎ次以上事件的目标，给出了第１到第ｎ次平均等待时间的计算模型。     

随机事件的平均等待时间

本文讨论随机事件发生的平均等待时间的计算问题。在阶段化过程模型的基础上，以卷积方式构造出局部阶段化过程的传输概率模型。对已经历ｎ次及ｎ次以上事件的目标，给出了第１到第ｎ次平均等待时间的计算模型。     

阶段化过程模型

本文讨论阶段化过程模型的构造，以卷积方式导出阶段化过程分析的概率模型，并以给定的强度因子μｊ，用此模型作了演示计算。