Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低AdHoe网络拥塞程度，减少节点能量消耗，将蚁群优化算法应用于改进Adhoe网络的路由选择问题上，提出一种在Adhoe网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整，使路由选择实现分布式全局优化。仿真结果表明，该算法可以使平均端到端延迟从0．75s降低到0．28s，网络生存时间延长30％，提高了网络资源利用率。     

采用蚁群算法解决光网络中动态及 分布式RWA问题的方法

为了在大规模节点网络中提高路由与波长分配(RWA)算法的性能指标,解决集中式计算方式与网络资源实时变化之间的矛盾问题,提出了一种基于动态业务模型下的分布式蚁群算法. 该方法在波长连续的前提下,尝试利用蚂蚁找食的天然特性,由单只蚂蚁一次性的完成路由和波长分配任务,算法在两个具备不同规则的拓扑结构上进行了仿真. 通过算法分析和仿真结果表明,基于分布式的策略可以更好地完成光路的选择,可降低光网络中的呼叫阻塞率,有利于提高网络资源的利用率.     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低Ad Hoc网络拥塞程度，减少节点能量消耗，将蚁群优化算法应用于改进Ad Hoc网络的路由选择问题上，提出一种在Ad Hoc网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整，使路由选择实现分布式全局优化。仿真结果表明，     

QoS多约束单播路由算法的研究与实现

介绍了蚂蚁算法基本原理，将蚂蚁算法应用于解决QoS多约束单播路由问题，针对QoS路由中的带宽、丢包率和时延3大约束问题对原有算法模型进行改进。在改进后的算法中，对于同一路径的不同路段给予不同的信息素更新量，而且用时变函数来代替原算法中的信息素更新常量，最后用OPNET网络仿真工具验证了该算法的有效性和正确性，并以图形比较了改进前后算法的优越性。     

Ad Hoc网络中基于蚁群优化的路由选择算法

为了降低Ad Hoc网络拥塞程度,减少节点能量消耗,将蚁群优化算法应用于改进Ad Hoc网络的路由选择问题上,提出一种在Ad Hoc网络中基于网络有限带宽和剩余能量信息的路由选择算法。根据蚁群优化算法中的信息素浓度对路由选择进行调整,使路由选择实现分布式全局优化。仿真结果表明,该算法可以使平均端到端延迟从0.75 s降低到0.28 s,网络生存时间延长30%,提高了网络资源利用率。     

移动AdHoc网络基于蚁群需求的分群路由算法研究

针对移动AdHoc网络因受带宽和电量等因素影响而造成封包遗失机率较高的现象,提出了一种移动AdHoc网络基于蚂蚁算法的需求式群集路由算法.该路由算法利用弱连接支配集群概念,从每个群集广播给其它群集节点,算法中网络上的状态信息通过前行的蚂蚁获得,回退的蚂蚁采用伪随机比例选择策略并根据节点剩余电量、网络平均剩余电量以及路径平均剩余电量来评估从源节点到目的地节点的最佳路径.仿真结果表明:随着网络信息流量的增加,AOCR路由算法在封包抵达率、延迟时间均比AODV和AntSence算法有较大改善,因此,基于蚁群需求的群集路由算法在网络效能上比基于距离矢量路由AODV算法及传统的蚁群路由算法效率更高.     

全光WDM网络中的动态波长路由算法

为了更好地解决路由与波长分配（RWA）问题，提出了一种基于当前路由的路由算法．研究了无波长转换机制下的波长路由型全光网，该算法利用分层图模型，在有限的波长数中，动态地调节选路策略，以求在波长连续性限制下有效地利用带宽资源．仿真结果表明，与常用的First-Fit（FF）算法相比，该算法显著地降低了网络呼叫阻塞率，同时它也能改变公平性．     

蚁群分区算法在QoS单播路由中的应用研究

随着网络技术的高速发展,新型的多媒体业务应运而生,对网络服务质量(QoS)的要求也更高,如何解决多个约束QoS路由问题,成为新关注的热点,在解决这一问题时,路由算法的选择又是其中的一个核心问题,并且带宽、延时、访问花费是决定选择路径的关键因素.论文针对这一状况构建了带有QoS参数的网络模型,并用基于蚁群算法的邻域分区优化算法对QoS单播路由选择进行仿真实验,该方法改善了蚁群算法在求解大规模网络路由选择的算法复杂度和搜索最优路径的时间.     

一种基于精英策略的蚁群优化QoS单播路由算法

指出传统蚁群算法在解决QoS单播路由选择问题时,受到时延和带宽的约束,为降低路由费用,容易出现陷入局部最优且收敛速度慢的现象。针对上述问题,提出一种基于精英策略的蚁群优化QoS单播路由算法,该算法利用蚁群算法原理,并引入精英策略。通过仿真模拟一个20节点的计算机网络QoS单播路由选择实例,并与传统蚁群优化（ACO）算法进行对比,仿真结果表明该算法是有效的。     

一种基于蚂蚁算法的Mesh网公平路由算法

无线Mesh网的集中式网络控制结构,由位于有线网中的控制中心监测Mesh网拓扑变化和用户的性能需求,并计算从无线路由器到网关的路径。根据这一结构,提出了一种基于蚂蚁算法的带宽公平分配路由算法。该算法可以通过平衡流量负载最大化网络利用率,并对每用户提供公平的带宽分配服务。仿真表明,该算法的结果非常接近理论最优解。     

用分层蚁群算法求解优化问题

提出了一种改进的群算法用于求解优化问题,首先建立N个低层子种群,用一定数量的蚂蚁在这N个解空间中先随机搜索,然后模拟蚂蚁寻食的方式通过信息素来指引搜索,得到N个结果后在用蚁群算法求解,并给出了具体的算法。     

基于蚁群神经网络的设备故障诊断

BP算法在神经网络中应用较为广泛,但有收敛速度慢、易于陷入局部极小的缺点,而蚁群算法是一种新型的模拟进化算法,有正反馈、分布式计算、全局收敛、启发式学习等特点.将蚁群算法和神经网络结合起来,应用于设备故障专家系统的知识荻取和诊断推理中,可以提高运算效率,具有很好的应用前景.利用该方法,对测得的样本数据进行实验分析,证明此系统具有推理效率及准确性较高的特点.     

A Hybrid Task Scheduling Algorithm in Grid

Task scheduling in Grid has been proved to be NP- complete problem. In this paper, to solve this problem, a Hybrid Task Scheduling Algorithm in Grid （HTS） has been presented, which joint the advantages of Ant Colony and Genetic Algorithm.Compared with the related work, the result shows that the HTS algorithm significantly surpasses the previous approaches in schedule length ratio and speedup.     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

MADALINES人工神经网络及其快速学习算法研究

在研究MADALINES人工神经网络中心差梯度学习算法(CDG)的基础上,提出了一种加速中心差梯度学习算法(SCDG),给出了该算法收敛性的证明,在计算机上模拟实现了SCDG算法且分析了实验结果,理论分析与实验均表明,SCDG算法较之传统的CDG算法,收敛速度提高了二个数量级以上.     

管道铺设问题的改进蚁群算法

首先把管道铺设问题转化为旅行商问题,然后利用蚁群算法来求解此问题。算法的分析和仿真实验表明,利用了城市间距离信息的改进蚁群算法是一种简单有效的算法。     

多种群蚁群遗传算法在车间调度中的研究应用

蚁群算法和遗传算法都属于仿生型优化算法,是解决调度问题的强有力的工具。本文针对多目标车间调度问题提出了一种多种群蚁群算法和遗传算法想结合的算法,算法的第一部分用多种群蚁群算法求得各个目标函数的最优解,第二部分把求得的解作为遗传算法的初始种群求得多目标问题的Pareto最优解。仿真结果,该算法有较好的有效性、稳定性和订单适应能力。     

基于蚁群优化算法求解最大团问题的研究

蚁群算法是一种通过模拟自然界中蚂蚁觅食行为而发展而来的新型启发式仿生优化算法,提出至今被研究人员广泛应用于各种组合优化问题.最大团问题是图论中著名的NPC问题,本文对于基本蚁群算法进行了分析与讨论,针对基本蚁群算法的容易陷入局部最优解、收敛速度慢等问题进行了改进,提出了一种新型蚁群优化算法.本文提出的新型蚁群优化算法增加了结点度和历史选择次数表策略影响蚂蚁选点;另外提出了构造独立的局部信息素更新机制.最后通过对比实验验证,数据结果证明新提出的优化算法相对于基本蚁群算法的优越性和可行性.     

模糊蚁群优化算法在交通导航系统中的应用

为了能处理交通导航系统中的模糊信息,并且能快速的综合多种信息求解最优导航路径,将模糊逻辑推理技术与改进的蚁群算法相结合提出了一种新的算法——模糊蚁群混合优化算法。实验表明,该算法不仅能够处理导航系统中的各种模糊信息,并且能利用改进的蚁群算法快速求解最优导航路径。