举足轻重的懒蚂蚁

科学家观察时发现,在成群的蚂蚁中,大部分蚂蚁都争先恐后地寻找食物、搬运食物,可以说是相当勤劳。但有少数蚂蚁则什么活儿也不干。它们,被科学家称之为懒蚂蚁。为了深入研究这些懒蚂蚁在蚁群中如何生存,科学家做了下     

一种改进的小窗口蚁群算法

针对现有小窗口蚁群算法对优化问题规模的适应性较差、对设定可选城市范围的参数依赖大、易于陷入局部最优等缺点,提出了一种随机小窗口蚁群算法,将问题规模与随机性同时引入小窗口蚁群算法,增强了算法的鲁棒性,而且可以避免算法早熟,陷入局部最优。通过对200个城市的仿真结果表明,该算法效果良好。     

基于蚁群分群技术的信息提取技术分析

信息资料提取过程中,信息的遗漏或缺失会使提取的结果产生异常或偏差,导致组织决策判断错误,进而会造成一定的损失,我们利用蚁群分群方法为基础加以改良,提出改良式的蚁群分群演算方法,并应用在遗漏值推算问题上。     

配送中心选址蚁群算法的求解性能优化

配送中心在选址的过程中可能会出现性能不好的现象,本文针对基本蚁群算法应用与多配送中心选址策略,提出改进建议,并以基本蚁群算法为基础限制了蚂蚁的搜索行为,并借助于信息素自适应调节机制对蚂蚁把各个配送点分配到配送中心的能力进行了改善,从而在根本上实现了基本蚁群算法性能的提高。通过仿真试验,本文的改进方法可以提高配送中心选址问题,并提高其求解性能。     

基于A*算法的最短路径寻优数学方法研究

近年来,作为人工智能领域一个分支的最短路径探索仍值得做更进一步的讨论和研究,最短路径问题是给定的网络图中寻找出一条从起始点到目标点之间的最短路径。在最短路径的算法之中,各个算法也都具有各自的优点和适用性。针对Dijkstra算法、蚁群算法、A*算法的特点,经过分析与研究得出,A*算法在最短路径寻优方面比其它路径寻优效率更高,对A*算法的程序实现,为人工智能领域以及机器人路径应用方面提供了重要的实际应用参考价值。     

基于蚁群优化算法的无线传感器网络路由研究

无线传感器网络是一种能量、资源受限的网路系统,实现网络中节点能量使用均衡延长整个网络的生命周期是无线传感器网络路由设计的重要目标。本文在基本蚁群算法在无线传感器网络应用的基础之上提出了几点改进策略。将节点现有的能量水平作为计算转移概率的条件之一,使优秀路径上的节点在网络中存在的时间更长。将节点的位置信息作为计算转移概率的条件,通过将位置信息写入转移概率中,使节点在搜索路径时具有方向性。最后本文利用MATLAB工具对改进的策略进行了实验仿真,并将结果和原始的ACO算法进行比较分析,仿真结果显示改进策略在延长节点的生命周期,维持网络能量均衡方面比其他俩种算法具有一定的提升。     

小学语文课堂中“蚁群效应”的研究

通过对小学语文课堂的剖析和研究,借助生物世界中的"蚁群效应",结合小学语文新课程标准,在语文课堂教学中创设凝聚力,加强合作引导,选择合适有效的方法,从而创造高效、自律、和谐的语文课堂教学。     

复杂生产调度与蚁群算法

蚁群算法（Ant Colony Optimization,ACO）,又称蚂蚁算法,是一种用来在图中寻找优化路径的几率型算法。它由Marco Dorigo于1992年在他的博士论文中提出,其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。     

Multi-group ant colony algorithm based on simulated annealing method

To overcome the default of single search tendency, the ants in the colony are divided into several sub-groups. The ants in different subgroups have different trail information and expectation coefficients. The simulated annealing method is introduced to the algorithm. Through setting the temperature changing with the iterations, after each turn of tours, the solution set obtained by the ants is taken as the candidate set. The update set is obtained by adding the solutions in the candidate set to the previous update set with the probability determined by the temperature. The solutions in the candidate set are used to update the trail information. In each turn of updating, the current best solution is also used to enhance the trail information on the current best route. The trail information is reset when the algorithm is in stagnation state. The computer experiments demonstrate that the proposed algorithm has higher stability and convergence speed.     

基于自组织聚类和蚁群算法的无线传感器网络路由算法

根据无线传感网络能量受限的特点,提出一种低能耗路由算法SOC-IACO,算法由自组织聚类算法SOC和改进蚁群算法WAC组成.先通过SOC将节点分簇,选取簇头构造簇头数据链,再通过WAC构造簇内节点数据链.簇内数据沿节点数据链汇聚至簇头、簇头数据沿簇头数据链汇聚至总簇头,由总簇头发送数据至基站.实验表明,由于聚类过程中考虑了节点分布和簇负载均衡并采用双层链路由,SOC-IACO算法能大幅降低节点能耗提高网络寿命.