细菌群体趋药性算法在多元非线性回归分析中的应用

利用细菌群体趋药性优化算法的优化速度和精度超过其他一些常见群体优化算法的优势,对多元非线性回归问题进行分析,并将该方法应用到混凝土重力坝顺河向位移的预测中,分析结果表明拟合效果较好,为解决回归问题提供了一种新思路.     

图着色问题的逆序蚁群算法研究

针对经典的图着色问题,依据传统图着色算法中逆序图着色的着色思想,结合蚁群算法的搜索机制,给出了逆序蚁群着色算法.根据着色进度和未着色点的相邻点度数随机动态逆序选择新的着色点,使得算法具有较强的搜索全局最优解的能力.利用计算机生产大量随机图作为测试实例,对比逆序着色算法和逆序蚁群算法,实验结果说明逆序蚁群着色算法提高了求解质量,加快了收敛速度,证明了其优良特性.同时算法效率的提高,也保证了该算法可适用于较大规模的着色问题求解.此外,还进行了一系列对比试验,得出了关键参数的合理取值范围.     

基于蚁群优化的命名数据网络QoS路由研究

针对命名数据网络(NDN)具有多样的路由转发策略,但都未能实现NDN的服务质量(QoS)保障能力,利用蚁群优化算法(ACO)设计相应的QoS路由机制(ACO_QoS)能够保障NDN的服务质量.实验结果表明:ACO_QoS能够在满足QoS的前提下找到一条花费最小的路由.     

A multi-path routing algorithm of LEO satellite networks based on an improved ant colony system

Geography rectangle is used to reduce signaling overhead of the LEO satellite networks.Moreover,a multi-path routing algorithm based on an improved ant colony system （MPRA-AC） is proposed.Matrix indicating the importance of the link between satellites is introduced into MPRA-AC in order to find the optimal path more quickly.Simulation results show that MPRA-AC reduces the number of iterations to achieve a satisfactory solution.At the same time,the packet delivery ratio of LEO satellite networks when running MPRA-AC and DSR-LSN （dynamic source routing algorithm for LEO satellite networks） is compared.The packet delivery ratio is about 7.9％ lower when running DSR-LSN.Moreover,because of the mechanism of active load balancing of MPRA-AC,simulation results show that MPRA-AC outperforms DSR-LSN in link utilization when data packets are transmitted in the networks.     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。     

基于改进蚁群算法的武警后勤网络抗毁性分析

将带有动态参数决策模型的改进蚁群算法应用到武警后勤网络抗毁性分析中.实例结果表明,方法是正确的、可行的和有效的.     

云模型蚁群算法在无人机航迹规划中的应用

为中高空飞行的无人机提出了一种新型航路规划算法。该方法基于云模型蚁群算法。基本蚁群算法有着突出的缺陷:易陷入局部最优解而且需要计算时间长。提出的改进型蚁群算法,通过云模型来控制信息素强度Q和挥发系数ρ的大小,从而得到更好的收敛性与避免陷入局部最优解,并进行了TSP问题的仿真计算。通过将无人机任务地图网格离散化,运用云模型蚁群算法进行航迹规划。     

高温蒸汽热泵的多目标参数设计优化

为了进一步节能减排,并根据用户负荷需求,设计出合适的高温蒸汽热泵系统,提出了一种基于多目标优化的高温蒸汽热泵设计优化方法。首先根据选取的高温蒸汽热泵结构,说明系统各子系统的选型并研究高温蒸汽热泵的系统机理,建立系统的静态模型,提出了高温整齐热泵的■效率计算方法;然后确定了系统结构参数优化问题的优化参数,以■效率和总成本作为优化目标,基于多目标人工蜂群算法(multi-objective artificial bee colony algorithm, MOABC),建立高温蒸汽热泵的多目标优化模型;最后对不同工况下的系统■损失以及循环性能系数(coefficient of performance, COP)分别进行了MOABC的优化。结果表明,使用■效率作为能效指标可以提升高温蒸汽热泵系统的能源品质;而使用COP作为能效指标则降低了系统的能耗。     

终端区飞机排序的人工蜂群算法

摘 要：为缓解终端区空中交通压力,研究了人工蜂群算法在终端区飞机降落排序中的应用。建立以航班总延误时间最小为目标函数的规划模型,运用人工蜂群算法,对着陆飞机排序问题进行了仿真计算,并与先到先服务算法、模拟退火算法、蚁群算法进行了对比研究。仿真结果表明：在双跑道模型下,人工蜂群算法比先到先服务算法,延误减少了48%。与模拟退火算法和蚁群算法相比,人工蜂群算法求解的结果最优且用时最少。说明应用人工蜂群算法求解终端区飞机排序问题是可行的。     

一种基于链路质量的蚁群优化VANET路由算法

针对城市环境下车载自组织网络(vehicular ad hoc network, VANET)中车辆信息传输性能不稳定的问题,提出了一种基于链路质量的蚁群路由算法实现信息可靠稳定的传输。通过道路中的车辆密度,通信半径,数据包大小分析当前道路的连通概率、传输时延以及分组投递率,并建立数学模型,评价当前传输道路的链路质量;引入局部链路质量(local link quality, LQ)和全局链路质量(global link quality, GQ)改进蚁群算法的路段选择公式,得到最优的信息传输路径。仿真结果表明,该算法在收敛速度、数据包传输时延和分组投递率方面优于其他算法。该算法的提出能够实现城市场景下车辆信息可靠、稳定、高效地传输。