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。     

一种改进的蚁群算法及其在TSP问题中的检验

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。     

基于改进蚁群算法的TSP问题解决

TSP（旅行商问题）是一个学术界广泛研究的问题,长期以来吸引了众多学者对其进行研究。在蚁群算法（ACA）的研究中,TSP同样起着重要的作用。首先对TSP问题和基本蚁群算法进行了介绍,然后改进了蚁群算法的状态转移概率公式和信息素更新策略,并且应用该改进蚁群算法对TSPLIB中的两个典型问题进行仿真,实验结果比较理想。     

基于蚁群和粒子群优化的混合算法求解TSP问题

提出了一种基于蚁群和柱子群优化的混合算法用来求解TSP问题。利用柱子群优化对基本蚁群算法中启发式因子α及β进行改造和随机搜索,从而得到两个参数的最佳组合值,实现TSP问题的求解。模拟实验结果得到了最优路径的解,达到了预期的效果,具有很好的推广应用价值。     

云计算中的基于ACO-SOS的任务调度的研究

针对传统的蚁群算法在云计算中存在任务调度效率低的问题,本文将共生演算法引入到蚁群算法中,首先将蚁群算法分解为2个子群,并使用共生演算法中的共生,共栖和寄生虫机制避免了算法陷入局部最优,加速了算法获得最优解,在云计算调度仿真中,基于蚁群算法-共生演算法在虚拟机负载均衡、任务完成时间,任务完成成本等方面都有良好的表现,说明本文算法能够有效的提高云计算任务调度效率。     

大数据下的一种人工免疫算法在汽车设备检测中的研究

针对人工免疫算法存在易早熟等缺点,将蚁群算法融合到算法中,改进了算子因子,并通过蚁群算法特有的信息素,转移概率等操作,提高了算法的性能,仿真实验中,将融合后的算法结合支持向量机对大数据条件下的汽车设备的故障进行预测,取得了比较好的效果。     

基于蚁群算法的无线传感器网络路由算法实现

本文利用蚁群算法简单、局部工作等特点,结合传感器网络的特征,分析研究了基于蚁群算法的WSN路由算法,并阐述了蚁群算法的无线传感器网络路由算法的实现和仿真设计与分析。     

一种优化的蚁群算法

蚁群算法是一种新型的启发式算法,它具有许多优良性质,被广泛用于求解组合优化问题,但基本蚁群算法也存在诸多不足。为使蚊群算法对应TSP问题的解更加优良,提出了一种改进的蚁群算法并对它进行了试验,结果表明改进算法是有效的,这也为蚁群算法的优化提供了一个新的途径。     

无线传感器网络节点三维定位技术

针对无线传感网络中的节点定位精度低的问题,提出了改进蝗虫算法在三维空间节点定位技术。首先,采用了极大似然估计法构建节点定位模型。其次,对蝗虫算法从以下3个方面改进：(1)在种群中采用伪反向学习初始化,增加了种群多样性;(2)在递减系数中使用自适应因子避免算法陷入局部最优;(3)在迭代中使用正交交叉算子进行个体筛选。最后,将改进后的蝗虫算法用于节点定位。在仿真实验中,将本文算法与蚁群算法,粒子群算法和蝗虫算法进行对比,结果说明本文算法在噪声、锚节点密、未知节点数量和能量消耗具有较好的定位效果。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

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Hadoop云平台的集群作业调度算法的研究

云平台中的作业调度算法一直以来都是研究的热点方向,本文首先描述了Hadoop平台,其次提出了将蚁群算法和差分算法引入到作业调度算法中,通过对信息素的改进,任务搜索,信息素更新操作等措施提高的蚁群算法的性能,将算法运用到作业调度算法,通过仿真实验说明本文的算法与基本蚁群算法相比,在作业任务计算总代价,任务完成时间,经济成本平均值方面都有明显的提高,同时降低了负载均衡,提高了资源利用率。     

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.     

基于模拟退火-蚁群算法的机器人路径规划

针对蚁群算法在机器人路径规划中易陷入局部最优问题,提出首先利用蚁群算法寻找移动路径,然后采用模拟退火算法进行迭代,并加入回火机制消除局部最优,有效提高蚁群算法的全局搜索能力。仿真研究表明,模拟退火-蚁群算法在机器人路径搜索上可得到较短路径。     

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。     

最大-最小蚁群算法在多用户检测中的应用

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,通过试验仿真表明,算法操作简单,能显著提高全局搜索能力.     

基于ACO-ICA的云计算任务的调度研究

针对云计算中的任务调度的存在效率低的问题,首先分析了云计算任务调度目标,其次,对蚁群算法的信息素设置质量函数、对选择概率设置经验反馈因子进行了改进,对帝国竞争算法中的殖民地计算方式、边界值的处理都采用了新的方式,最后将两种算法进行融合,得到基于蚁群算法-帝国竞争算法的云计算任务调度算法,仿真实验中,在任务执行时间,执行成本和负载率方面,本文算法都具有一定的优越性。     

遗传算法在电梯中的应用研究

高层建筑和智能化建筑必须安装多台电梯。为满足人们需求,须采用优化的控制策略来协调多台电梯的正常运转。本研究对遗传算法在电梯群控调度算法中的应用现状进行了阐述,对遗传算法作为电梯群控的调度方法进行寻优的机制、调度程序设计进行研究,并结合实际提出了相应建议。     

旅游路线规划蚁群算法的伪随机比例规则优化

以旅游路线规划中蚁群算法所存在的收敛性不佳等问题为着眼点,提出了以伪随机比例规则以及适应值优化蚁群算法为基础的旅游路线规划模型。首先进行提升优化,这一步骤主要是依据蚁群算法中奖罚机制的伪随机比例进行的,并加强最佳路径上的信息素来参数训练蚁群算法,并衡量解的好坏,衡量依据是适应值的大小。通过仿真实验可以发现,本文对蚁群算法进行改进后,其收敛性能得到了提高,并且更有利于在旅游路线规划中应用。     

单轿厢电梯群控的优化模型

本文针对高层商务楼的电梯系统,根据电梯运行往返时间(RST)、乘客平均逗留时间(RST)、电梯的停靠次数三项指标建立了基于乘客到达率的电梯群控系统多目标优化模型,并采用遗传算法求解了目标函数的最优解。在电梯群控的基础上,根据RST与RST的最小标准差的目标函数,采用人工免疫优化算法进行目标函数的优化,进一步提出了单轿厢电梯动态分区模型。