改进蚁群算法在QoS组播路由中的应用研究

基本蚁群算法直接应用在QoS组播路由时,容易产生局部最优路径,并且收敛速度较慢,本文对基本蚁群算法的状态转移规则和信息素的更新方式进行改进,并把改进的蚁群算法应用到QoS组播路由中,提出了基于改进蚁群算法的QoS组播路由方案,仿真实验表明,改进后蚁群算法的性能明显优于基本蚁群算法。     

基于多期搜索蚁群算法的多区型仓库拣货路径优化

在分析多区型仓库拣货问题的基础上,构建以拣货路径最短为目标函数的数学模型,为了避免传统蚁群算法陷入局部最优,采用改进的多期搜索蚁群算法对模型进行求解。将传统蚁群算法、自适应动态搜索蚁群算法和改进的多期搜索蚁群算法的优化结果从拣货成本、收敛代数、运行时间3个维度进行比较,结果表明,多期搜索蚁群算法具有一定的优越性。     

基于GT的云计算海量作业调度优化

在一般的云计算作业调度算法中普遍存在因为执行作业增多而导致的执行速度较慢的问题。本文以此入手提出了以蚁群算法位基础的改进后的GT算法。改进后的算法首先初始化各个参数,之后借助于GT算法来寻求初始信息素,并把它变为蚁群算法的启发式信息。接着采用蚁群算法进行构造个体解和求解目标函数值的操作,最后进行任务调度工作。仿真试验结果表明,本文提出的基于蚁群算法的改进GT算法在云计算海量作业调度优化中,表现出了比标准GT算法更快的响应速度、更低的负载和更快的执行速度。     

显微镜自动调光算法研究

自动调光是全自动显微成像中的一项关键技术。为了解决已有调光算法空白视野失效、不能实时处理图像和调光精度低等问题,本文从分析清晰度评价函数随光源亮度变化曲线入手,验证了这类函数的调光性能。根据光学显微镜的成像原理和观测目标的特点,考虑与图像清晰度无关、仅与图像亮度信息有关的变量,提出了利用空白区域的灰度均值寻找最优光亮度的算法。通过人工训练样本方式获取最优灰度均值,最后通过单变量寻优法得到最优光源亮度。基于自行研发的全自动显微镜系统对本文算法进行了验证,实验结果证明了算法的有效性。     

一种数据挖掘算法在课程中的研究

针对关联规则挖掘算法中存在事务之间的某种关联性的数据无法区分的问题,本文将蚁群算法和加权概念引入到挖掘算法中,首先分析了目前加权关联规则挖掘算法的不足,提出了将蚁群算法引入到加权关联规则中,并对蚁群算法中的应度函数,状态转移规则和信息素更新的改进,并采用矩形向量作为事务存储结构进行连接和剪枝。仿真实验中与基本Apriori算法进行比较,并通过将本校的课程资源作为挖掘对象,结果说明本文算法具有良好的挖掘效果。     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

蚁群算法研究综述

蚁群算法是一种仿生进化算法.该算法在组合优化、网络路由、函数优化、数据挖掘等领域获得了广泛的应用,并取得了较好的效果.本文在对蚁群算法原理、模型研究的基础上,对国内外的研究现状进行了总结和分析,对今后的进一步研究提供了借鉴和参考.     

改进分区蚁群算法在Ad Hoc网络路由中的应用

本文针对当前Ad Hoc网络路由的特点,在Ad Hoc路由优化算法基础上提出一种改进的蚁群算法.该算法首先将影响蚁群算法性能的参数作为遗传算法中的染色体,通过迭代找出最优的参数组合,然后对区域节点采用动态邻域分解的同时进行并行优化计算,最后将各子区域进行邻域全局连接得到最优解,该算法体现"分而治之"的思想.实验仿真结果表明,改进算法有效地提高了网络传输性能和通信效率,在性能上较基本蚁群算法有更大的优势.     

基于反馈约束改进蚁群算法的网络路由优化

通过优化网络路由,提高网络的拓扑性能,实现网络的能量平衡。传统的网络路由算法采用能量平衡环形路由算法,出现网络能耗不均衡。提出一种基于反馈约束改进蚁群算法的网络路由优化方法。采用区域分割处理办法,得到分簇路由任务概率随机分布模式下的置信概率,通过蚁群反馈约束,提高信息正确传输的概率,根据贝叶斯定理,得到路由现成路由子节点定位和扑救路径方位置信度的递归计算式,实现网络路由优化。仿真实验表明,算法能有效提高网络信息正确传输的概率,可靠性较高,几乎能达到无失真传输,随着路由跳数的增加,设计的路由算法的优势愈发明显,提高了信息传输的通信质量。     

基于自适应遗传算法网络资源均衡与优化

文章以均衡网络业务为优化目标,提出了一种基于自适应遗传算法的资源优化路由算法,采用改进的适应度函数和自适应的交叉变异算子.理论分析表明该算法改善了最短路径路由算法容易发生阻塞及安全性不好的缺点,与基本遗传算法相比,它显著提高了收敛性能,并且具有很强的自适应能力.     

浅谈节能照明设计及应用

环保、节能是当今各专业发展的重心,尤其是需要消耗大量电力的照明设计上应着眼于节约能源、保护环境的重大方针。节能照明是指通过科学的照明设计,采用效率高、寿命长、安全和性能稳定的照明电器产品（电光源、灯用电器附件、灯具、配线器材以及调光控制器和控光器件等材料）,改善提高人们工作、学习、生活的条件和质量,从而创造一个高效、舒适、安全、经济、有益的环境并充分体现现代文明的照明。     

浅谈节能照明设计及应用

环保、节能是当今各专业发展的重心,尤其是需要消耗大量电力的照明设计上应着眼于节约能源、保护环境的重大方针。节能照明是指通过科学的照明设计,采用效率高、寿命长、安全和性能稳定的照明电器产品（电光源、灯用电器附件、灯具、配线器材以及调光控制器和控光器件等材料）,改善提高人们工作、学习、生活的条件和质量,从而创造一个高效、舒适、安全、经济、有益的环境并充分体现现代文明的照明。     

一种改进蚁群算法在机器人路径规划中的应用

在基本蚁群算法的路径规划中,存在容易陷入局部最优解和搜索时间长等缺点,针对这些问题,提出了一种改进蚁群算法。初始时刻为了使蚂蚁扩大搜索范围,避免陷入局部最优,引入了分段函数,采用状态转移概率和分段的组合优化方法平衡各路径信息,而在搜索一定区域后,为了加快收敛速度引入导引函数。并针对边界障碍提出了回退策略。仿真结果表明,在栅格地图模型中,该算法能迅速地避开障碍,找到最优路径。     

蚁群算法在煤炭配送路径中的应用

针对多配送中心煤炭车辆调度问题的复杂性,建立该问题的数学模型并提出合理假设和约束条件,以缩短配送路径降低配送成本为目标构造该问题的目标函数。文章结合实例应用蚁群算法对煤炭配送路径进行优化降低运输成本,通过实验验证了蚁群算法在煤炭配送路径优化问题的有效性。     

公路隧道照明节能控制系统设计与仿真研究

本文详细分析了当前公路隧道照明中存在的问题,针对公路隧道照明能源大量浪费的现状,深入开展对节能控制系统的研究。参照《公路隧道通风照明设计规范》,改进了照明调光控制算法;同时,将新型LED照明灯具应用在隧道照明中,设计完成了一套节能控制仿真系统方案,详细描述了该仿真系统的整体结构、控制流程。该仿真系统为隧道照明节能系统的实施做好了前期准备。     

面向SDN的路由算法研究

SDN（软件定义网络）技术将网络的控制平面和数据平面分离开来,控制器在控制平面为网络提供全局视图,为路由算法提供新的思路。目前,如NOX、Flood Light等均提供了用于完成数据帧转发的模块,采用Dijkstra最短路算法。然而,最短路算法容易导致数据流集中到同一条路径进行转发,从而导致网络拥塞。本文对面向SDN的路由算法进行研究,实现面向SDN的流量调度系统,采用蚁群算法进行路由,并根据SDN技术的特征进行相应优化。最后通过仿真实验来验证所提算法的优越性。     

克隆选择算法对无刷直流电机控制器的优化

本文探讨了对于无刷直流电机的控制器的优化问题,提出了一种利用克隆选择算法来优化模糊控制规则,调整模糊隶属度函数,以确定控制系统中的模糊规则库。无刷直流电机速度控制系统采用转速环和电流环双闭环控制系统,其中转速环采用克隆选择算法优化的控制器进行控制,电流环采用传统的PI控制法。仿真实验结果表明所设计的控制系统,响应快、无超调,有较强的自适应性和鲁棒性。     

改进的蚁群算法在物流配送路径问题中的应用

物流配送路径优化是近年来物流领域的重点研究问题.本文针对传统Dijkstra算法在处理结点数较多的应用时存在计算时间和存储空间较大的问题,提出了一种基于改进的蚁群算法的物流配送路径优化算法,构建了物流配送的优化模型,阐述了改进的蚁群算法在物流配送路径优化中的实现.实验结果表明,本算法在物流配送路径优化中是行之有效的.     

基于多目标鱼群-蚁群算法的水资源优化配置

为了解决复杂的水资源优化配置问题和丰富智能优化方法在水资源优化配置中的应用,建立了以经济、社会、环境综合效益最大为目标的水资源优化配置模型和多目标鱼群-蚁群算法。经济效益以区域供水带来的直接经济效益最大为目标;社会效益以区域总缺水量最小为目标;生态环境效益以区域重要污染物排放量最小为目标;约束条件包括供水、需水、水环境和经济发展协调度等。多目标鱼群-蚁群算法融合了人工鱼群算法的快速跟踪变化和跳出局部极值优点以及蚁群算法的信息素正反馈优点,并将人工鱼群算法中的拥挤度概念引入到蚁群算法中,避免了蚁群算法初期可能早熟的问题。通过实验仿真,此算法具有较快的收敛速度和较高的寻优性能,能有效地找到优化解,从而为解决复杂的水资源优化配置问题提供了新的思路。     

基于蚁群算法的候选标签子集构造方法研究

为了使构造候选标签SNP子集既包含最多SNP位点,又保证包含的冗余信息尽可能少,本文结合单体型数据及标签SNP选择的特点,依据连锁不平衡度量这一重要遗传现象,以多位点连锁不平衡度量值为优化目标,提出了一种改进的蚁群组合优化算法,提高了搜索组合空间的效率。