基于MATLAB的改进型基本蚁群算法

蚁群算法是一种新型的模拟进化算法。是继GA、SA、TS等算法之后求解组合优化问题的一种新思路。人工蚁群算法通过模拟蚁群搜索食物的行为,采用正反馈结构、分布式计算与某种启发式算子相结合的方法,能够很快地发现较好解。本文给出一种基于MATLAB的改进型基本蚁群算法,有效地降低了算法的复杂度,缩短了搜索时间,具有较强发现最好解的能力。     

求解TSP问题的蚁群算法

蚁群算法是新兴的仿生进化算法,具有并行计算、正反馈等特点,与其它各种启发式算法相比该算法具有明显的优越性.本文分析了蚁群算法的基本机理,并讨论了基本蚁群算法在TSP问题中的应用.     

烟花搜索导向的多路启发式聚类算法

启发式聚类算法具有收敛速度快、易实现等优点,但初始解敏感,严重影响了聚类算法的质量。针对这一问题,提出了一种烟花搜索导向的多路启发式聚类算法。该算法通过多次调用经典启发式聚类算法,产生多个局部最优解;在搜索空间中以多个局部最优解为搜索起点,采用烟花搜索进行多路搜索;基于信息熵浓度设计烟花选择算子确定搜索方向;再经过变异、映射、偏移算子变换局部最优中心点,以发现质量更好的搜索起点;直至算法收敛获得新的搜索起点;最终以新的搜索起点调用经典启发式聚类算法获得高质量聚类结果。实验结果表明,烟花搜索导向的多路启发式聚类算法在不同数据集上的聚类质量明显高于对比其他聚类算法的聚类质量。     

蝴蝶优化算法研究综述

蝴蝶优化算法是一种新兴的元启发式算法,其思想来源于蝴蝶觅食和求偶的行为。为了进一步改善蝴蝶优化算法的搜索性能,加快对算法的研究与应用进程,综述了蝴蝶优化算法的原理与改进、与其他元启发式算法的对比及发展趋势。首先介绍了算法的基本模型;然后结合国内外文献,分类阐述了基于算法参数、基于混沌和量子优化、基于学习策略、基于种群多样性等方面的改进蝴蝶优化算法,同时,归纳总结了蝴蝶优化算法在图像处理、无线网络、粒子滤波、光伏系统、医疗系统等领域的应用;其次在优缺点和适用性等方面将其与其他元启发式算法进行了对比;最后对蝴蝶优化算法的未来研究发展方向进行了展望。     

并行多机成组工件调度的启发式算法

N个成组工件将在M台并行一致的机器上加工,当一个工件接在不同组的工件之后时需要装设,而接在同组工件之后时不需要重新装设,目标函数是使总的通过时间最小·利用最优解的必要条件,将单个工件组成基本运行,在研究基本运行组合规则的基础上,提出了一个基于基本运行的并行多机成组工件调度的启发式算法·在中、小规模水平问题上,将启发式算法的结果与最优解的结果进行了比较·效果令人满意·实验证明该启发式算法能够有效地解决成组工件调度的实际问题,具有解决中大规模实际问题的潜力·     

带资源空窗期的资源投入型问题的建模与优化

以飞机移动式装配线为背景,在基本资源投入型问题的基础上考虑资源空窗期约束,建立以最小化资源使用总成本为目标的数学模型.针对该模型设计了一种构造启发式算法,并提出了非关键任务优先级决策规则.考虑空窗期约束特点,以连续排入的两个非关键任务间结果最优的启发式规则来确定非关键任务位置,并提出以非关键任务优先级和关键任务开始时间为双链表编码的遗传算法,然后将启发式规则嵌套在遗传算法的解码和评估阶段.最后通过数值实验比较启发式算法和遗传算法与CPLEX在求解该问题时的优劣,证明了两种算法的有效性.     

CARP问题的构造型启发式算法研究

全面综述了国内外用于求解容量约束弧路径问题(CARP问题)的构造型启发式算法的研究现状,指出了构造型启发式算法与元启发式算法相比而言的优点所在.将求解算法分为3类并且分别进行简要介绍,最后展望了构造型启发式算法的研究前景.     

基于蚁群算法的TSP的算法与研究

蚁群算法是优化领域中的一种启发式仿生类并行智能进化系统,该算法采用分布式并行计算和正反馈机制,易于与其他方法结合,目前已经在众多组合优化领域中得到广泛应用。本文从基本蚁群算法详细介绍了蚁群算法的基本原理、TSP算法以及该算法的软件仿真。     

—种改进的启发式属性约简算法

文章对现有启发式属性约简算法进行分析,通过实例说明一般启发式算法求得的相对约简有冗余属性存在的问题。针对这一不足,在算法中加入消除冗余属性的二次约简过程,得到一种改进的启发式属性约简算法。提供了实例分析,验证了该改进算法具有较好的约简效果。     

面向属性的粗集数据挖掘方法研究

指出粗集理论的主要思想是在保持分类能力不变的情况下,利用等价类,通过属性约简和决策规则约简,达到挖掘知识并简化知识的目的.但约简问题是一个NP问题,只能通过启发式算法实现.针对这一问题,提出了属性约简和决策规则约简的启发式算法,构成了一个基于粗集理论的挖掘集成算法.最后通过实例表明,该集成算法能够以较高的效率发现良好的分类规则.     

基于Monte Carlo和启发式算法的网络可靠性分配

在AGREE分配法的基础上,提出一种基于Monte Carlo仿真和启发式算法的网络可靠性分配方法,实现了对网络部件重要度和网络可靠性的仿真计算,并采用启发式算法迭代实现了网络可靠性分配. 该方法适合对拓扑结构复杂的网络进行可靠性分配工作,可有效解决网络部件重要度计算复杂性问题. 以中国教育网（CERNET）骨干网为案例,应用本方法实现了75%网络节点连通可靠性指标的分配,并通过与基于解析计算得出结果的对比分析,证明了本方法的有效性和实用性.      

基于混合算法求解ELSP问题的可行域分析

本文给出求解ELSP问题(Economic Lot Scheduling Problem)的可行域的特征、启发式规则和演化神经网络设计问题.经济批量问题采用基本时段方法表示,该方法产生两类决策变量,一种是表示基本时间段的连续变量,另一种是表示时间倍数的整数变量.在求解ELSP问题的算法设计中,可行域是判定启发式规则有效性的基础.为了给出可行域的特征,利用神经网络的演化计算,设计求ELSP问题的初值算法,设计演化参数函数、网络结构、演化函数、演化规则,并依此获得可行域的约束条件.对在可行域约束条件和启发式规则下设计的算法进行测试,并与用HGA和一般GA方法求解ELSP问题进行比较,求解效果明显提高,使得在满足可行性的前提下总费用减小.     

Job-shop的实时调度

利用神经网络和启发式分派规则设计了一种Job—shop的实时调度算法，该算法首先在离线时用遗传算法训练神经网络得到调度的启发规则，在加工开始时根据一些动态特性对要执行的工件操作进行模糊分类，然后再根据启发规则对分类后的操作进行在线调度．基于这种算法，用模糊神经网络设计了一个Job—shop实时调度器，最后结合实时调度和重调度问题进行了仿真．通过与FIFO与LR(Lagrangian Relax)的比较，证明提出的算法是高效和可行的．     

基于经济流速的管径优化方法

针对已有供水管网管径优化方法的缺点,该文提出了一种基于经济流速的启发式管径优化算法.该算法在应用前,无需人为规定管网的流量分配方案.算法分析步骤明确,计算简单.为了评价所提出的启发式算法的计算效率和优化结果的合理性,文中将计算时间和分析结果同广义简约梯度法和遗传算法的结果进行了对比.结果表明,该文的启发式算法计算效率远高于上面两种方法,计算结果接近遗传算法得到的最优解.     

自主车辆路径规划算法研究

在自主车辆的路径规划是否经过特定点的两种实际情况下,提出了不同的解决方案。当车辆不需要经过特定点时,引入A*算法,较传统算法将启发函数改为欧几里得函数(Euclidean Distance),并引入一个权值以降低启发函数的权重。当车辆需要经过特定点时,应用Hopfield神经网络思想优化算法,以达到理想的路径规划。仿真实验表明,改进后的算法使得路径规划寻优得到明显提高,并验证了算法的有效性。     

求解连续平衡网络设计问题近似解的启发式算法

采用双层规划模型描述连续平衡网络设计问题，设计了求解问题近似解的启发式求解算法，并给出了一个简单的算例．本算法使用不需求导数的简单的求解方法，通过和以前的几种求解算法相比较，计算结果准确，但相应的计算量增加．     

基于收敛启发机制的人工网络安全迁移算法研究

针对当前人工网络安全迁移算法研究中存在迁移时间长、误码率高且容易造成网络瘫痪等不足,提出了一种基于收敛启发机制的人工网络安全迁移算法。首先,利用社区网络进行网络迁移时具有的波动特性,通过带宽函数均值起伏率和网络存储冗余率两个指标进行迁移裁决,有效减缓了迁移过程中网络出现拥塞的概率,实现数据迁移并提高网络安全迁移过程中的鲁棒性。随后,针对当前算法迁移过程中难以进行误差评估的不足,通过启发映射机制设计了网络存储冗余带宽迁移方法,用以改善网络数据传输过程中的抖动,改善网络迁移时的效率,具有很强的迁移质量。仿真实验表明:与当前常用的超混沌云网络预估迁移机制(Predictive Migration Mechanism of Hyperchaotic Cloud Networks,PMM-HCN机制)、社区网络大数据峰值安全迁移机制(Peak Security Migration Mechanism of Large Data in Community Network,PSMM-LDCN机制)相比,本文算法具有网络迁移时间少、网络迁移数据误码率小、网络抖动时间短、网络瘫痪频率低等特性,具有很强的实际部署价值。     

一种虚拟化网络功能启发式动态编排算法

随着信息化的发展,网络业务的种类越来越多,业务的功能越来越强大,网络的基础设施为业务提供动态服务的能力已跟不上业务发展的速度,研究动态部署虚拟化网络功能具有重大意义.在不违反服务水平协议的情况下,研究了虚拟网络功能编排问题,并提出了虚拟网络功能编排的整数线性规划数学模型,接着基于动态编程的启发式算法对模型求解,最后对现实世界网络拓扑进行跟踪模拟.仿真结果表明,所提出的启发式算法可以降低网络运营成本,相关性能优于传统的硬件中间件方法.     

差分进化算法在气动力参数辨识中的应用

差分进化算法是一种新兴的优化算法,与最小二乘法等梯度类算法相比,它能够进行全局寻优且对初值不敏感,具有广泛的应用前景.建立某型飞机刚体运动的6自由度非线性动力学模型,在叠加一定比例白噪声的情况下获得其仿真数据,使用差分进化算法辨识出该型飞机的纵向运动气动力参数,辨识结果与真实值较为吻合,证明该算法是可行的.多组试验表明:对于该型飞机的动力学模型和仿真数据,使用差分进化算法的辨识结果与使用最小二乘法、普通粒子群算法的辨识结果相比,具有更高的精度和更强的鲁棒性.     

排序融合算法在校园网搜索引擎中的应用

网页排序技术是搜索引擎的核心技术之一. 校园网搜索引擎是指以一个校园网内的Web网页为搜索内容的搜索引擎. 由于校园网相对于互联网和内联网的特殊性,各种启发式条件对校园网网页排序优化的影响及排序融合技术在校园网搜索引擎的作用是研究的重点. 实验结果表明各个启发式条件的影响和实验数据集有关,而不同启发式条件组合经过排序融合后所获得的查全率差别很大(2%～48%). 查全率大于35%的启发式条件组合至少包含4个启发式条件,即校园网搜索引擎的排序需要依据数据集综合考虑多个启发式条件的排序结果. 排序融合技术是校园网搜索引擎具有良好的查全率的必要技术之一. 基于排序融合技术的网页排序模块已经应用于清华大学校园网搜索引擎中.