基于改进蚁群算法的QoS单播路由优化

对现代通信网中具有时延和带宽约束的QoS单播路由问题提出了一种基于改进蚁群算法的路由优化.该算法结合蚁群系统的特点对基本蚁群算法进行了三方面的改进:在信息素初始化中考虑食物源(目的节点)向周围散发气味的过程;将时廷和带宽信息加入启发式函数;引入"弱淘汰"法则全局更新信息素.仿真实验表明该算法可以更快地找到满足时延和带宽请求的最小费用路由.     

一种机器人路径规划的蚁群算法

提出一种机器人路径规划的蚁群算法,该算法引入信息素限定和自适应信息素挥发系数的方法解决蚁群算法应用中的停滞现象和搜索能力的问题。算法仿真研究中发现了算法的收敛速度和环境地图建模的方式有密切关系,提出栅格地图模型的坐标变换法,提高了算法的运行效率。比较仿真实验结果证实了本算法的有效性和快速性。     

基于蚁群算法的水下潜器三维空间路径规划

路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。     

一种基于蚁群的机会网络多目标路由算法

机会网络是一种由移动对等通信节点组成、节点具有消息存储能力、节点间接触随机出现的网络.现有的机会网络路由协议绝大多数仅考虑针对单个路由目标进行路由决策,不能很好的适应上层应用需求或环境的变化,同时难以提高路由协议的综合性能.面向可加性可乘性,极值性三种类型的路由目标,通过运用多目标决策理论及蚁群算法,给出了一种机会网络中多目标路由算法Multiple Objective Decision Making ruting,MODM).该算法中路由决策取决于多项路由指标,能够为不同的应用需求或环境提供不同的路由服务,提高了机会网络下路由算法的综合性能.实验结果表明该算法能够根据不同的需求对多个路由目标进行优化,与传染病、First Contact等机会网络路由算法相比拥有较好的综合性能.     

求解连续函数优化问题的改进蚁群算法及仿真

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少.在介绍基本蚁群算法机制原理和数学模型的基础上,对信息素更新方式进行了改进,采用动态局部信息素更新方式和自适应调节信息素挥发的全局信息素更新方式相结合,并将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能.仿真实验表明,提出的改进蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径.     

一种改进的粗粒度并行蚁群算法

蚁群算法是一种模拟进化算法,具有很强的全局搜索能力。提出了一种基于粗粒度模型的并行蚁群算法,该算法采用了一个新的信息素更新策略———Ant-proportion,这种新的更新策略是综合考虑全局和局部信息,依据蚂蚁在搜索过程中所得到的路径的优劣程度和路径中各路段对其贡献的大小来分配信息素增量;另一方面,该算法采用的粗粒度模型充分利用了蚁群算法内在的并行性,使得算法具有更快的收敛速度和更好的优化质量。最后,选用了CHN144问题对该算法进行了检验,算法求得的最优路径优于已知的最优结果。     

一种求解车辆路径问题的混合多蚁群算法

提出一种新的蚁群算法（Multiple Ant Colonies Algorithm based on Sweep Algorithm, SbMACA）用以求解车辆路径问题（Capacitated Vehicle Routing Problem, CVRP）。该方法同以往蚁群算法的不同之处主要体现在两个方面：第一,首次将扫描算法应用于蚁群算法,通过对蚂蚁所构造的初始解中的不同子回路之间的点进行交换优化,该算法可以有效地改进初始解的质量;第二,提出并采用了一种新的多蚁群技术,各个蚁群分别进行各自的搜索,在各个蚁群均停滞后,对蚁群之间的信息素进行交换与更新,以利于蚁群跳离局部最优值。实验结果表明,SbMACA算法具有很强的搜索能力,求取各CVRP的Benchmark问题所得解的质量同最好解相比较而言,平均仅有 0.28%的差距,是求解车辆路径问题的一种十分有效的方法。     

基于位置感知的大规模LEO星座分布式路由算法

针对传统星座路由算法应用在大规模低地球轨道(low earth orbit, LEO)星座中, 存在鲁棒性差、资源开销大、路由效率低等缺点。根据卫星运行时的位置可预测特性, 提出了基于位置感知的分布式路由算法。考虑卫星资源受限, 大规模LEO星座具有卫星节点多、动态性大等特点, 基于位置感知提出一种路径预选机制, 初步确定数据包的传输路径。在此基础上, 考虑业务服务质量(quality of service, QoS)需求, 基于状态和传播矢量函数提出一种路径收敛机制, 无重合确定数据包传输主路径和备用路径。理论和仿真结果证明, 相比于传统路由算法, 所提算法降低了路由存储和开销, 随着中断概率的增大, 提高了星座的吞吐量, 降低了端到端时延。     

亚丁湾护航中直升机识别海盗目标路径优化模型及算法

针对舰载直升机执行伴随护航任务时查证可疑船只的路径优化问题,对直升机在选择巡逻查证路径时所面临的各种复杂情况进行了分析。文中结合可疑船只与编队的相对运动特点以及海面可疑船只威胁程度评估指标,以保障被护航编队受到的累计威胁值最小为目标,构建了直升机查证可疑船只时的路径优化模型。为提高蚁群算法的求解效率,文中将混沌映射扰动引入到信息素的全局更新过程中,从而有效降低算法陷入局部最优的概率。另外,文中对蚁群算法中状态转移规则和信息素更新等核心环节进行了优化设计,提高了算法对最优路径的搜索能力。最后,以我国海军亚丁湾护航任务为背景进行实例分析,并将其结果与遗传算法和禁忌搜索算法进行对比,验证了所建模型和算法的合理性和有效性。     

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

基于蚁群策略的无线传感器网络能量有效路由算法

从无线传感器网络自身的特点出发,提出了一种基于蚁群策略的无线传感器网络能量有效路由算法(energy efficient routing algorithm based on ant colony optimization for wireless sensor network,EEAWSN).该算法设计了一个新的能够均衡传输能量消耗和节点剩余能量的蚂蚁前向移动的选择概率模型,并给出路径最优度的概念来评价路径的最优性.仿真结果表明,与其他蚁群策略的路由算法相比,该算法找到了一条路径最优度最优的路径,在此路径上传输能量消耗最小,并且兼顾了节点的剩余能量,从而延长了整个网络的生存时间.     

基于配队蚁群算法的QoS组播路由方法

QoS组播路由是网络信息传输的一项关键技术,提出了一种配队蚁群算法对该问题进行求解。算法以满足约束条件下的组播分解、策略控制下的组播树生成为基本思想;定义了扩展组播树,并改进了蚁群算法的信息素更新策略,使之更适合于组播问题的求解。仿真实验表明,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性。     

基于深度强化学习的卫星光网络波长路由算法

针对由卫星光网络拓扑动态变化、业务多样化和负载不均引起的路由收敛慢和波长利用率低的问题, 提出了一种基于深度强化学习的卫星光网络波长路由分配方法。基于软件定义中轨/低轨(medium earth orbit/low earth orbit, MEO/LEO)双层卫星网络架构, 利用深度强化学习算法动态感知网络当前的业务负载和链路状况, 构造基于时延、波长利用率和丢包率的奖励函数进行选路决策。为了解决单跳链路对整个光路的影响, 引入链路瓶颈因子, 搜索符合服务质量(quality of service, QoS)约束的最优路径。研究结果表明, 与传统卫星网络分布式路由(satellite network distributed routing algorithm, SDRA)算法和Q-routing算法相比, 所提算法降低了网络的时延、丢包率, 提高了波长利用率, 同时也降低了高优先级业务的阻塞率。     

救援效率视角下灾后动态应急配送网络优化

针对应急救援问题,在受灾点的位置、需求以及受灾人口等信息动态变化的情况下,建立动态有向救援网络,以救援效率最大化为目标构建数学模型。运用数据包络分析模型,对各段救援路线的效率进行评价;建立基于效率的动态路由模型,通过时间片的划分将动态路由转化为多阶段的静态路由;设计了改进的混合贪心蚁群优化算法对模型进行求解,并将该算法与遗传算法、粒子群算法以及基础的蚁群算法进行对比。实验结果表明：改进的混合贪心蚁群优化算法能够有效处理动态路由问题,寻求到更高的救援效率。     

带时间窗车辆路径问题的量子蚁群算法

带时间窗的车辆路径问题(VRPTW)是VRP的一种重要扩展类型, 是组合优化中的一个NP难题, 针对蚁群算法在求解VRPTW问题时易陷入局部最优和收敛速度慢的问题, 本文结合量子计算提出一种求解VRPTW的量子蚁群算法(QACA). 通过定义人工蚂蚁的转移概率, 增加量子比特启发式因子, 以及用量子旋转门实现信息素更新, 从而提高算法的全局搜索能力, 有效避免了算法陷入局部最优. 经一系列VRPTW的仿真实验表明, 量子蚁群算法较蚁群算法在求解VRPTW问题上具有更好的性能, 通过与其他算法的比较, 进一步说明量子蚁群算法是可行有效的.     

一种求解约束优化问题的连续域蚁群算法

借鉴蚁群优化算法和粒子群优化算法的思想,提出了一种用于求解约束优化问题的连续域蚁群算法.将搜索域中的任意一点看成食物源,使用多组蚁群进行寻优,每一组蚁群代表问题的一个解,在每一迭代中首先在所有蚁群中选则一组种子蚁群,然后在该组蚁群的信息素密度分布函数下进行采样,生成子代蚁群,最后进行蚁群选择,从而使各组蚁群不断向适应度值较高的搜索区域移动,最终收敛到最优解.对基准测试函数G01-G12的求解结果表明,该方法具有较快的收敛速度和较好的全局寻优能力.     

基于改进蚁群算法的舰载机弹药调度

针对舰载机弹药调度供求点多、批次量大等特点,通过分析限制因素,建立了调度方案求解模型。利用蚁群算法对方案模型求解,提出了具体实现算法,每次循环对信息素进行变异调整,并通过引入遗传算法的精英保留和交叉运算操作思想,克服了基本蚁群算法搜索时间长、易陷入局部最优解等缺陷。数值仿真结果验证了调度模型的正确性,以及改进蚁群算法的有效性。     

基于多准则交互膜进化算法的UAV三维航迹规划

针对智能优化算法在无人机(unmanned aerial vehicle,UAV)三维航迹优化中搜索复杂度较高、容易陷入局部最优的问题,提出一种基于嵌套式细胞膜结构的多准则交互式多目标进化算法.以建立的多目标航迹评价模型来克服航迹评价加权求和的不足;同时在应用降维离散缩减寻优空间的基础上,采用萤火虫算法和人工蜂群算法作...