蚂蚁算法在IP路由中的应用

在移动IP通信过程中,数据包需要经过网络中多个指定的节点,以保证节点的移动性;同时移动IP以其独有的特性和特点要求使用一种不同于固网的路由方案以保证移动节点的代理切换时延尽可能小。基于具有很强的随机性和自适应性的蚂蚁算法,将网络的容量限制、流量变化和最短距离结合起来,通过在找到的最短路径上设置障碍物来模拟网络拥塞,找到源结点。目的结点的多条最优路由序列,以便在实际中实时地、自适应地进行动态路由选择。     

基于核心路由器的蚂蚁算法在大规模网络中的应用

蚂蚁算法在大规模网络寻找最优路径速度较慢,无法对最优路径进行数据流量控制。本文提出基于核心路由器的蚂蚁算法,通过从网络的各个核心路由器出发并行寻找最优路径,可以加快寻找最优路径的速度,并且能根据网络状况自动分流数据,这样可以保证网络的服务质量。     

改进的蚂蚁遗传混合算法及应用

车间作业调度问题是一个典型的NP-hard问题。分析了蚂蚁算法和遗传算法的特点,就遗传算子、交叉概率和变异概率上对传统遗传算法进行了改进;同时为了加速蚂蚁的搜索效率、减少迭代次数,重构了传统蚂蚁算法的下一个结点选择策略、信息素的局部更新策略,并将改进后的两个算法进行混合求车间作业调度的最优解。试验表明,算法的改进和混合提高了搜索效率及搜索结果的准确性。     

对无线网络路由算法的研究

无线传感器网络(Wireless Sensor Network,WSN)是一项新兴的信息技术,涵盖多个技术领域。文章首先对无线传感器网络进行简要介绍,并分析和比较了一些具有代表性的路由算法,对各种路由算法的有利和不利方面进行了讨论和总结。     

电信网路由选择方法与智能策略

本文综述电信网路由选择方法静态--动态集中--动态分散--基于行为的演化,分析和比较其优劣.提出全新的基于多Agent系统和神经网络预测的智能路由策略.仿真结果表明,其良好的分布特性和智能预测能力优于其它方法.     

基于蚂蚁算法的供应链二级分销网络优化研究

在综合考虑各种费用要素的基础上，提出了供应链二级分销网络优化模型，该模型较以往模型的不同之处在于，此模型更适合于多产品、多工厂、多客户的大型网络，建立起的模型属于一类选址-分配问题，文章采用遗传算法对其进行求解，从中选出预建立的分销中心，然后采用蚂蚁算法对建立起的二级网络优化运输路线，从而使得总成本更小，文章中用具体的例子进行了仿真，验证了优化模型的正确性和算法的有效性。     

GQPSO算法在动态环境优化问题中的应用

动态环境优化问题求解是近年来优化领域的研究热点。为了解决动态环境优化问题中种群的早熟收敛现象,寻找3种学习策略更新种群中的吸引子,提出一种基于高斯分布的量子行为粒子群优化算法（GQPSO）。在改进算法中,种群中粒子的吸引子由高斯公式产生。通过对比3种吸引子对算法的影响,确定了产生吸引子的最佳更新公式。此外,GQPSO算法中粒子的位置由概率密度函数以一定概率分散在搜索空间内,处于束缚状态,因此可以增加种群多样性以达到全局搜索,从而提高GQPSO算法在求解动态环境优化问题上的收敛能力。     

动态源地址路由在校园网管理中的应用

本文作者结合工作实践,介绍了Router OS提供的动态策略路由在配置校园网中的应用,并特别介绍了几种基于动态源地址路由的常见疑难问题解决方案。     

遗传算法在"动态路由"问题上的应用

研究遗传算法在动态路由的技术上的应用。针对一类多约束目标的优化算法中的各方面进行详细的讨论与深入分析,并给出一种基于遗传算法的动态路由策略解决方案。     

改进蚁群算法的动态K-均值聚类分析

提出了一种基于改进蚁群算法的动态K-均值聚类算法思想。该算法首先利用蚁群算法较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,进行K-均值聚类弥补蚁群算法的不足。两者的有机结合可以寻求到具有全局分布特性的最优聚类,实现基于改进的蚁群聚类算法分析。     

蚁群动态调度算法在混流车间作业调度的应用

混流车间作业调度是实际生产环节中的一个重要问题,也是制造系统生产管理的核心,同时实际的生产系统是一个动态生产环境.文中提出蚁群动态调度算法,通过实例具体分析并且跟传统的启发式算法相比较,实验结果证明蚁群动态调度算法对混流车间作业调度问题有较优的加工路径.     

蚁群算法的原理及其应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,具有较强的鲁棒性;但有搜索时间较长,易陷入局部最优解的缺点。本文首先讲述蚁群算法的来源和基本原理,然后讨论蚁群算法的几种改进策略,并简单介绍近年来蚁群算法在许多新领域中的发展应用,最后对今后进一步研究的方向作了展望。     

自适应蚁群算法在流水车间调度问题上的应用

运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程.通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明该算法在解决Flow Shop方面的问题上能取得满意的效果.     

改进蚁群算法的动态K-均值聚类分析

提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。     

浅谈蚁群算法在蛋白质折叠问题上的应用

文章通过对蚁群算法的基本原理和工作机制的介绍,蛋白质结构折叠问题的重要性分析,蚁群算法如何运用在蛋白质折叠问题中三个方面阐述蚁群算法的功效。从而进一步探讨蚁群算法作为一种优化算法的实际应用。     

蚁群算法在多邮车调度中的应用

该文主要阐述了蚁群算法在邮政运输系统中的应用,为邮车调度提供了一个较好的方案.通过定义一个扫描函数,对需求服务的客户点进行扫描,并将扫描结果按照邮车的容量,顺序的分配给不同的邮车,保证每一辆车的满载,直至最后一辆车.各个邮车服务的需求点分别用蚁群算法寻求最优路径.并通过一个应用实例的验证其算法,不仅寻求的邮车路径较优而且运行的速度变快.     

蚁群算法在函数优化求解中的应用

蚁群算法是近年来新出现的一种随机搜索寻优算法,该算法为求解复杂的组合优化问题提供了一种新思路,引起了众多学者的研究兴趣。通过在函数优化问题中的应用,说明该算法能有效地避免陷入局部最优,指出了蚁群算法在优化问题中的应用前景。     

基于优化蚁群算法的分类规则挖掘算法

蚁群算法已被广泛用于各种优化组合问题,优化蚁群算法动态调整信息量更新策略和路径选择概率,可在加速收敛和防止早熟、停滞现象之间取得平衡.本文将此算法应用到分类问题,提取分类规则.实验表明该算法能较好地完成分类规则的挖掘.