求解TSP问题的蚁群算法研究

分析了标准蚁群算法易于出现早熟、停滞和算法收敛速度慢的主要原因,在原有算法基础上提出了一种改进型的蚁群算法,该算法可以有效的提高收敛速度,并把该算法应用到TSP问题中,取得了很好的效果.     

基于优化蚁群算法的AGV路径规划研究

针对基本蚁群算法在规划自动导引车(automated guided vehicle, AGV)路径时易出现的耗时长、搜索效率低、收敛速度慢以及易陷入局部最优等不足,文章提出一种优化蚁群算法。首先利用辅助蚁群的方向优势,帮助主蚁群初始化信息素,使路径搜索更具有针对性,提高路径搜索效率;其次加入伪随机状态转移策略,增加路径选择的多样性,防止算法过早收敛;接着使用蚁群的当前最优解、主蚁群一代蚁群中的最优解、最差解进行全局信息素更新,并引入最大最小蚂蚁系统对路径上的信息素进行限制;最后对栅格环境中的凹形障碍物进行处理,提高搜索质量。仿真实验表明,优化蚁群算法相较于其他蚁群算法,收敛速度更快、搜索能力更优。     

基于信息素反应的群体觅食行为研究

群集智能在没有集中控制、不提供全局模型的前提下,为寻找复杂问题的解决方法提供了新的思路.基于群集智能的思想,针对群体系统的协作觅食任务,引入多种可以反应的信息素,提出了一种信息素反应的群体觅食方法.以计算机仿真实验为手段,在给出了个体有限状态机的控制结构下,并以任务完成时间为性能指标进行了单食物源和双食物源下的觅食实验.结果表明该方法可以减少个体之间的冲突,有效的提高系统性能.     

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.     

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.     

高校图书馆对工科大学生信息素质培养初探

分析了工科大学生面对的社会环境和挑战,阐述了图书资源服务工作的重组,论述了如何以图书资源为主导开展实验教学。     

基于蚁群算法的最短路径搜索方法研究

最短路径问题是在给定的网络图中寻找出一条从起始点到目标点之间的最短路径。蚁群算法是一种用于求解优化问题的新型模拟进化算法,该算法在许多相当困难的优化问题的求解中体现了极强的寻优能力和较好的性质。提出了一种利用蚁群算法来解决网络最短路径问题的新方法,并用Matlab语言编程进行算法的实现和仿真。结果表明,蚁群算法在寻求网络最短路方面的应用是可行的。     

基于智能蚁群算法的双序列比对方法

序列比对是生物信息学中一项重要的基础性研究课题。提出了一种基于全新的信息素改变策略的智能蚁群算法,该算法利用历史最优信息来更新信息素,避免出现早熟现象,加速算法的后期收敛。实验表明该方法是有效的和可行的。     

利用网络教学平台开展在线信息素质教育

文中介绍了网络教学平台的主要功能、发展现状以及利用网络教学平台开展在线信息素质教育的优势,在实例分析的基础上提出了一些建议。