基于蚁群算法的多属性路径选择模型

针对交通网络中多属性条件下的路径选择问题,本文基于蚁群算法讨论了给定起讫点对之间综合最优路径的实现步骤.首先将蚁群按照所给的属性集合分为若干个子蚁群,每个子蚁群给定不同的属性目标.然后在每一次循环的过程中,子蚁群按照既定的属性进行路径选择,在所有的子蚁群完成一次循环后,全局更新信息素.可知,各个子蚁群既按照自己的目标搜索最优解,同时各个子蚁群之间又互相影响,使得所得的结果不仅对于每个属性目标较优,而且综合效果也很好.最后进行了仿真实验并分析了结果.     

基于单源最优路径的NOMA中继选择与协作传输

目前,在非正交多址接入(non-orthogonal multiple access,NOMA)中继通信的研究中,中继用户的选择是随机的,并没有考虑中继节点之间信道条件的差异.为了得到信道条件较好的中继用户,提出一种基于单源最优路径的中继选择策略,从基站广播信号以用户为节点,设定信道参数,寻找最佳传输通路.当信号到达目...     

基于蚁群算法和禁忌搜索的部队机动路径选择

新形势下的部队作战规划对机动路径选择这个问题提出了新要求,需要同时达到机动时效和机动分散的双重指标.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法和禁忌搜索算法相结合的启发式方法对问题进行求解,给出了该方法的具体计算步骤.对仿真结果的分析表明,算法是切实有效的.     

基于路径选择模型的驾驶员反应模式识别

以诱导信息质量为单属性来建立满意决策的路径选择模型，然后利用Bayes方法对驾驶员接受诱导所需的知识量和时间进行分析。最后，根据必需知识量识别出驾驶员对诱导信息反应行为的三种主要模式：接近、观望和远离。这一结果使诱导系统有选择地发布诱导信息，提供“度身订造”的诱导策略成为了可能。     

基于最优中继集合选择的HDAF算法

为减少协作通信系统资源消耗,提出了一种基于混合译码放大前传(hybrid-decode-amplify-and-forward, HDAF)的中继选择算法。该算法以降低系统的中断概率和最小化总功率为目标,采用等效信道增益参数排序的方法,得到了最优中继集合的选择算法。该算法既保证通信过程更可靠,不易中断,又减少多余中继节点的使用,节省资源。仿真结果表明,采用最优中继集合选择算法,在10~30 dB的信噪比范围内,HDAF协作方式的中断概率要小于放大转发(amplify-and-forward, AF)和译码转发(decode-and-forward, DF)协作方式。该算法与功率分配相结合,在相同中断概率条件下,源节点所需功率比AF和DF协作方式少1~4 dBm,节约了系统资源的消耗。     

基于碳排放的开放选址-路径问题及算法

基于物流对节能减排的重大影响及第三方物流的广泛应用,本文建立了与配送中心规模、配送路径相关的低碳开放选址-路径(OLRP)问题模型,并设计量子进化算法(QEA)进行求解.算法采用先确定车辆及其顾客集,再选择配送中心的策略,并运用局部优化算子进行解的改善.通过目标值与CPU的综合分析,确定重要参数旋转角变化值△θ,最大迭代次数itermax,种群Popsize的取值范围,并应用Barreto、Prins及Tuzun案例进行实验验证,结果显示碳排放目标的OLRP一定程度上会增大成本,量子进化算法在Barreto案例中的解均值优于LB、CPLEX及SA算法,在Prins案例中的求解效果与CPLEX相近,在Tuzun案例中绝大多数问题的求解结果优于CPLEX,在小规模问题中,优于SA算法,因此QEA是求解OLRP问题的一种有效算法.     

基于Agent仿真的ATIS条件下路径选择行为研究

在复杂适应系统理论指导下,采用基于Agent的建模理论,对ATIS条件下出行者的路径选择行为从宏观、微观两个层面分别进行建模。按照建模结果,利用Repast平台建立了计算机仿真系统。在该仿真系统中对具有两条平行路径的路网上进行了仿真实验,实验结果表明ATIS系统对于出行者的出行规划有一定影响,而且ATIS的收益随着交通流量的增加有一定提高。研究结论为ATIS的应用提供了有益的参考。     

基于蚁群算法的随机Petri网最优路径序列寻找

根据蚁群算法对SPN进行了一定的扩展,为SPN网络中的变迁增加了过滤和保留信息功能,为库所增加了过滤信息的功能,得出了一种带有记忆性的连续时间随机Petri网(MESPN).当MESPN运行时,利用充足量的托肯在网络中行走并且在行走过程中留下信息素来调整托肯路径的选择,使大量蚂蚁的行走路线不断逼近SPN网中时间延迟更短的变迁序列,最终在最短变迁序列上形成清晰的蚁路,从而在一定程度上解决了复杂SPN网的最优路径寻找问题.该算法充分考虑了每个变迁真正实施时间的概率特性,可以计算任意网型的变迁延迟时间概率分布.仿真结果表明,托肯可以有效地在最短延时路径上形成蚁路并且能够求得从初始库所到网络中任意库所的最短路径.     

基于多智能体协商的路径选择行为仿真研究

动态路径选择是城市交通流诱导系统的核心理论之一.为了兼顾个体出行者和路网系统管理者在路径选择过程中的利益,从分布式人工智能的角度出发,给出了一种基于多智能体协商的动态路径选择方法,将路网中的驾驶员、信息发布单元以及系统管理者分别看作不同的智能体进行建模,并给出智能体之间的路径选择协商模型.借助多智能体仿真软件Starlogo,对无信息无协商出行、有信息无协商出行和有信息有协商出行等三种不同的仿真方案进行模拟比较,仿真结果验证了协商方法在满足驾驶员出行需求以及提高路网整体效率方面的有效性和优越性.     

基于强化学习的危化品运输路径选择博弈分析

危化品运输企业常常为追求自身利益最大化而忽略运输安全问题,导致危化品运输安全事故频发.为提高危化品运输安全性,除了行政监管,政府还通过路径税收政策影响危化品运输路径,从而避免安全事故发生.本文根据危化品运输企业具有自主学习的特性,引入强化学习相关理论方法,建立了路径税收政策下基于强化学习的危化品运输路径选择的演化博弈模型;同时通过理论分析及仿真算例,对路径税收政策下危化品运输路径选择问题进行研究.仿真结果显示,路径税收政策可促使危化品运输企业选择收税路段,进而降低危化品运输风险,对于提高国家危化品安全运输管理具有实际意义.     

城市应急最优路径算法

提出一种应用于城市应急系统的改进的最优路径搜索算法。它利用道路等级的分层方法,建立优化的层次化路网模型;在此基础上,利用分级搜索技术,解决起始节点和目标节点由低层到高层的最优路径;同时,在高层路网上采用提出的结合道路状况的启发式A＊优化搜索算法进行搜索,得到完整的优化路径。最后通过实际路网的应用验证了提出方法的有效性。     

基于ACO算法和Bezier曲线优化的巡航导弹航路规划

在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明：生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。     

基于遗传算法的ATM网络中VCC路由选择方法

针对遗传算法强大的全局寻优和并行处理能力 ,提出了一种改进的遗传算法调度ATM网络动态路由的新算法。综述了使用遗传算法进行通信网络节点选择的问题 ,指出了原有算法进行遗传算法优化时存在的不足 ,并提出一种新的基于动态惩罚的解决策略 ,其思想是在进化的过程中 ,逐渐减小对可行解惩罚的力度 ,使网络向可行解逼近。通过简单模型的仿真 ,验证了动态惩罚策略的可行性和有效性。     

基于蚁群算法的参数相关网格任务调度算法研究

任务调度是网格计算环境中影响系统性能的重要问题,目前大多数调度算法在调度时均把任务假定为元任务,而忽略任务间的约束关系。利用图论的思想将任务间依赖关系描述为满足一定条件的有向无环图（DAG）,通过DAG图可以精确描述任务的优先级,此外蚁群算法在元任务调度中能有效实现任务调度和负载均衡,因此在蚁群算法进行元任务调度结果的基础上,根据任务优先级对分配给资源的任务进行排序即得出了参数相关任务调度的结果。仿真结果显示,此方法在各种网格环境下均能解决相关任务的调度问题,而且保证系统的负载均衡。     

基于蚁群优化的物流网络多约束路径规划

面向大范围、大规模的军用物资调度,为保障任务规划满足多个约束的可行路径,是NP-C问题.本文在详细分析物流保障网络传输属性的基础上,给出了约束参数的完整描述,建立了多约束路径规划数学模型,设计了一种带综合启发因子的蚁群优化算法.仿真实验表明,该算法搜索效率高,具有全局收敛性,经过有限次迭代能够获得可行解,对网络规模和约束参数选择具有较好的灵活性和扩展性.     

一种基于分簇及蚁群算法的分布式能量高效路由算法

为了提高无线传感器网络中节点的能量使用效率,延长网络生存期,提出了一种基于分簇及蚁群算法的分布式能量高效路由算法.首先,网络中的节点采用改进的最小ID分簇算法对传感器网络进行快速分簇;然后,各簇头节点使用改进蚁群算法进行并行优化计算,寻找从簇头节点到Sink节点的数据汇聚路由.该算法是一种分布式算法,经仿真验证算法是合理的,和典型路由算法相比,能均衡节点能量消耗,具有更高的网络生存期.     

基于自适应蚁群算法的组合式特征选择算法

提出一种基于自适应蚁群算法的组合式特征选择算法.将自适应蚁群算法用于特征选择,以特征作为位置点,采用支持向量机分类器评价特征子集的性能,指导特征进行信息素的计算和更新,为特征与特征子集的选择提供了依据,避免了盲目搜索,使搜索算法能够快速收敛.在8组实际数据集中的实验结果表明,从分类正确率、特征子集大小以及运行时间三个角度考察,该算法具有良好的综合性能.同时,给出了该算法应用在孤立肺结节CT图像的检测和诊断中的分类结果.     

Shortest Path Routing Algorithm Based on Chaotic Neural Network

A shortest path routing algorithm based on transient chaotic neural network is proposed in this paper. Gam-pared with previous models adopting Hopfield neural network, this algorithm has a higher ability to overcome the local minimum, and achieves a better performance. By introducing a special post-processing technique for the output matrixes, our algorithm can obtain an optimal solution with a high probability even for the paths that need more hops in large-size networks.     

基于蚁群优化算法的无线传感器网络路由协议

提出了一种基于蚁群优化算法的无线传感器网络路由协议RPBAA.该协议通过修改蚁群优化算法以适应无线传感器网络无全局标识、节点较少移动、资源受限等特性,提供了一种智能、动态、可扩展的多径选路传输方法来获取有效且健壮的通信,并通过全网能量均衡使用以最大化网络生命期,另外引入了数据分片机制来进一步优化选路效率.最后通过仿真验证了RPBAA协议的有效性和数据分片机制带来的好处.     

一种基于动态关键路径的递归并行调度算法

并行任务在多处理机系统上的有效调度是获得系统高性能的关键所在.对BNP(Bounded Number Processors)调度问题,提出了一种新的基于动态关键路径的递归调度算法,对调度节点进行递归选择,并结合调度节点的后继任务为它选择了最佳时间槽.该算法克服了已有调度算法不能保证对动态关键任务进行最早调度这一缺点,优于现有BNP调度算法.