典型生物群集行为

<正>蚂蚁群体是一种广为人知的高度结构化的社会组织,其觅食行为是一种典型的群集行为。蚂蚁在活动过程中会释放出信息素,其他蚂蚁可以检测出信息素的浓度,并确定自身前进的方向。信息素会随着时间的推移逐渐挥发,蚂蚁走过的路径上信息素浓度会得到加强,从而促使更多蚂蚁选择该路径,形成正反馈过程。蚁群通过这种简单的信息交流,实现正反馈的信息学习机制,从而找出食物源和巢穴之间的最短路径。     

蚂蚁算法在导航系统中的应用研究

对导航系统中的最短路径问题做了进一步的研究,针对传统的Dijkstra最短路径算法的缺陷,提出了一种自适应式的动态最短路径算法———基于分布式路由选择的蚂蚁算法,对传统蚂蚁算法作了改进,可成功的应用于导航系统中的最短路径寻优算法.     

关于蚁群算法的参数设置研究

本文重点讨论了蚁群算法,包括蚁群算法的基本原理及工作流程.为了模拟实际蚂蚁的觅食行为,设人工蚁出发点H为蚁穴位置,食物源则在最终目标点F,蚂蚁觅食过程就是从H出发,在AS范围寻找食物源的过程.经过蚂蚁群体的反复寻食,基于蚂蚁留下信息素的正反馈作用,最终绕开所有障碍物找到了一条最短路径.     

基于MMAS的机器人路径规划

文章针对移动机器人系统在复杂环境中搜索目标和寻求最短路径问题,介绍了一种基于MMAS的机器人路径规划新方法;在MMAS算法的信息素更新中,采用了最大-最小蚂蚁系统的思想动态调整信息素,加强了正反馈的效果,同时周游最优蚂蚁和全局最优蚂蚁路径信息的动态更新,在一定程度上增加了解的多样性,也提高了蚂蚁的搜索效率;在搜索过程中,采取随机搜索与重点搜索相结合的方式对路径进行搜索,有利于加快搜索较好的解,而动态调整各项参数后,陷入局部解的可能性大大减少,并且可以找到最优解;最后通过仿真证明了该算法的有效性.     

基于改进蚁群算法的Web服务选择

提出一种改进的蚁群算法并将其应用于Web服务选择问题中.该算法使用非线性动态变化的伪随机比例选择参数及蚂蚁多重最优解随机加权路由选择算法控制蚁群的行为,使用5维Web服务质量向量和蚁群适应度函数评价蚂蚁构造的路径质量,蚂蚁根据其构造的路径质量进行信息素更新;该算法使蚁群在其解空间的进化能力得到很大的提高.实验证明,该算法在Web服务选择问题上比传统的蚁群算法效率更高.     

基于蚁群算法的移动机器人全局路径规划

移动机器人路径规划是机器人学的一个重要研究领域,蚁群算法是一种模拟蚂蚁群体觅食行为的仿生优化算法。结合机器人路径规划的特点,将确定性选择和蚁群算法的随机性选择相结合进行节点转移,每次循环后只对较优蚂蚁路径进行信息素更新,提高了算法收敛的速度;在寻找路径过程中蚂蚁无后继转移节点时,采用蚂蚁回退策略,增强了算法在复杂障碍物环境中寻找路径的健壮性。仿真试验表明,该算法能在障碍物较复杂的情况下迅速规划出较优的全局路径。     

基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.     

PCB布线的元胞蚂蚁算法研究

将元胞自动机思想引入到蚂蚁算法中,提出一种新的进化算法--元胞蚂蚁算法,通过算法的元胞演化机制对信息素的二次分配,有效地扩大了对解空间的覆盖率.将元胞蚂蚁算法应用于PCB布线问题,以路径最短和通孔数量最少化为目标,辅以分布布线、避障规则等手段,最后用Delphi实现.通过对一个实际布线问题的测试,得出了比Protel更好的布线结果.     

基于社会网络分析的共享密码监督方法研究

为了对密码共享进行监督和管理,基于社会网络分析（SNA： Social Network Analysis）方法,对网络用户密码共享行为的监督技术进行了研究,提出了一种寻找密码传播路径的方法。结合图论中有向图及路径的相关理论,对简化后的密码传播最短路径算法进行描述。该方法通过扫描电子邮箱库中系统管理员邮箱与所有外部电子邮箱之间的最短路径
,找出密码共享可能的传播路径,以便对用户密码的共享行为进行监督。结果表明,该方法可对当前系统的密码安全状态进行评估,对密码共享行为所造成的保密信息泄露起到一定的预防作用。     

自适应多启发蚁群算法的无人机路径规划

为了解决蚁群算法在无人机实现路径规划中容易陷入局部最优的问题,提出改进的蚁群算法。对信息素的挥发因子以及信息素进行上、下限设置,防止由于较短路径上的信息素过高以及较长路径上的信息素过低,使蚂蚁陷入局部最优,同时在多启发因素的影响下,将路径的整体长度作为决定状态转移概率的一个自适应启发函数因子,当路径长度很大时,自适应启发函数因子较小,使得蚁群选择该路径的概率减小。实验结果表明,改进的算法在路径长度上减少了6.4%,最优路径长度方差降低了85.78%,增加了对环境整体性的考虑,缩短了路径长度,降低了迭代次数,跳出局部最优。在环境复杂度加大的情况下,引入自适应启发函数因子之后的算法可以有效地选择较好的路径,为无人机路径规划提供了理论依据。     

基于信息素优化蚁群算法下的停车场系统设计

针对传统停车场管理系统人工成本高、管理难度大的问题,提出了一种基于信息素优化蚁群算法(Ant Colony Algorithm)的停车场系统;该系统以STM32作为主控制器,终端节点负责数据收集,利用NB-IoT实现数据上传,采用手机APP和云平台对终端节点远程监控,采用粒子群算法为蚁群算法提供迭代初期值指导后,增强了...     

多约束最短路径模型与求解

提供满足驾驶员多个心理期望的路径是导航系统该解决的关键问题,其本质是资源约束最短路径问题,属于NP难问题,无法使用传统的最短路径算法解决.提供了多约束路径规划的数学模型,并使用了蚁群算法对其求解,在算法中针对问题重新设计了信息素更新规则和启发因子.实验证明算法具备良好的寻优能力,能准确找出路网中满足多种属性约束的路径.     

基于网络服务模式的动态路径规划蚁群算法

随着云计算、移动互联网等IT技术的发展,通过网络提供动态路径规划服务能够进一步改善人们的出行质量。网络服务模式下的动态路径规划要求系统能够同时为多用户提供最优路径。在多态蚁群算法基础上,借鉴最大最小蚂蚁系统及自然界优胜劣汰思想,考虑共享侦察蚁群得到的初始道路信息素,提出两阶段蚁群算法。实验结果表明,两阶段蚁群算法不仅在收敛速度上有所提高,且适应网络服务模式下的多用户实时导航需求。     

基于ACO和AODV的Ad Hoc网络低时延路由算法

针对Ad Hoc网络中按需路由AODV算法具有较大时延和低能节点死亡,而需频繁路由发现的问题,提出了使用ACO优化AODV的低时延路由算法。首先,加入信息素、节点剩余能量和路径时延,对节点路由表进行改进。通过前向蚂蚁和后向蚂蚁进行路由发现。设计了伪随机分配法选择下一跳节点。在蚂蚁行进的过程中进行局部信息素更新。当前向蚂蚁到达信宿节点时对全局信息素进行更新。同时选择总时延较小的路径分配后向蚂蚁并作为最终路由。仿真实验证明能正确地进行路由发现和路由维护,且与AODV和DSR方法相比,具有较高的数据投递正确率和较小的平均端到端延迟。     

最短路的蚁群算法收敛性分析

蚁群算法最初出发点是模拟蚂蚁觅食,蚂蚁可以利用局部信息素的变化找到从蚁穴到食物的最短路。对求解最短路问题的蚁群算法的收敛性进行了探索性分析,定理给出了寻找最短路的蚁群算法收敛的充分条件,并通过一个数值例子验证了该结果。     

基于人工蚁群的Web会话聚类

将改进的蚁群聚类算法应用于Web使用挖掘中，可对Web事务进行聚类，以便了解Web用户的兴趣以及它们之间的联系，从而为用户提供个性化的服务。同时定义一个Web会话为一个带权值的多维向量，也定义了两个会话间的相似度度量。实验表明在广西大学网站抽取的会话数据集上执行蚁群聚类算法得到的聚类是稳定的。结果显示该算法执行得很好，能找到没有噪音的聚类。     

Incremental Web Usage Mining Based on Active Ant Colony Clustering

To alleviate the scalability problem caused by the increasing Web using and changing users＇ interests, this paper presents a novel Web Usage Mining algorithm-Incremental Web Usage Mining algorithm based on Active Ant Colony Clustering. Firstly, an active movement strategy about direction selection and speed, different with the positive strategy employed by other Ant Colony Clustering algorithms, is proposed to construct an Active Ant Colony Clustering algorithm, which avoid the idle and ＂flying over the plane＂ moving phenomenon, effectively improve the quality and speed of clustering on large dataset. Then a mechanism of decomposing clusters based on above methods is introduced to form new clusters when users＇ interests change. Empirical studies on a real Web dataset show the active ant colony clustering algorithm has better performance than the previous algorithms, and the incremental approach based on the proposed mechanism can efficiently implement incremental Web usage mining.     

基于人工蚁群的Web会话聚类

将改进的蚁群聚类算法应用于Web使用挖掘中,可对Web事务进行聚类,以便了解Web用户的兴趣以及它们之间的联系,从而为用户提供个性化的服务。同时定义一个Web会话为一个带权值的多维向量,也定义了两个会话间的相似度度量。实验表明在广西大学网站抽取的会话数据集上执行蚁群聚类算法得到的聚类是稳定的。结果显示该算法执行得很好,能找到没有噪音的聚类。