CCN中一种非混合式蚁群路由优化策略

蚁群优化(ant colony optimization,ACO)近年来在信息中心网络(content centric networking,CCN)路由领域的应用逐渐增多,其中,将ACO与其他机制相混合以改善路由性能的策略得到较多研究,但基于蚁群优化的混合式算法通常存在可扩展性低下,动态性差,网络成本高等问题。为此提出一种高效的非混合式蚁群路由算法(irritant ant framework,IAF)。添加一个新维度—一种动态的、仿生物的信息素分层,将传统单级别信息素上升为多级别信息素,增强蚁群对于路径的探索程度,抑制算法过早收敛;并且考虑了节点状态的动态性,实时改变信息素等级以选择最佳转发路径;此外,首次考虑了节点缓存特性对信息素更新策略的影响,构造出全新的信息素更新公式,,减小算法的收敛时间。实验结果表明,该算法能够有效地降低内容请求时延,提升缓存命中率,以较低的开销获得良好的CCN路由性能。     

车辆可重复利用VRPTW问题的模型和改进蚁群算法

提出车辆可重复利用的VRPTW问题,建立多目标整数规划模型;基于蚁群系统（ACS）,按优先访问服务开始时间较早、服务时间较短和关窗时间较早的原则,设计启发式因子和蚂蚁状态转移规则;借鉴MMAS和ASrank的优点设计信息素更新策略,既加强对每次迭代最好解的利用,又避免陷入局优;根据客户服务结束时间较早优先原则构造初始解.实验结果表明,可以大幅度减少所需车辆数并节省车辆的总运行时间,具有较快的收敛速度,本文的模型和算法是有效的.     

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.     

基于蚁群优化的无线多媒体传感网络QoS 路由算法

介绍一种基于蚁群算法的无线多媒体传感器网络WMSNs的QoS路由算法。本文在分析了WMSNs的QoS路由模型的基础上,设计了基于蚁群算法的QoS路由算法,并对节点排队模型进行了分析。仿真结果表明,采用该算法时,在满足网络QoS参数需求的前提下,节点平均寿命和数据包延迟要优于传统的DD算法。     

基于蚁群算法的Overlay路由扩展性问题

扩展性问题是Overlay网络研究中所需解决的重要问题之一.通过使用蚁群算法对目前Overlay路由系统广泛采用的单跳转发路由机制OHPR(one-hop path routing)进行改进,通过采用维护邻居节点集合的方式降低系统部署和运行的总开销.仿真实验结果表明,基于蚁群算法的单跳路由算法ACOHPR(ant colony optimization based one-hop path routing)在500个节点的Overlay系统中,与OHPR算法相比可以有效的降低系统路由的查询开销到30个节点左右,而获得的通信时延差别不超过9 ms.     

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.     

引入侦查子群的蚁群算法求解0/1背包问题

针对标准蚁群算法易于出现早熟停滞等缺陷,在原有算法基础上引入一定比例的侦查蚁群。在优化过程中侦查蚁群以一定概率做侦查搜索,以扩大了解的搜索空间;在信息素更新策略上,为了兼顾当代和历代的搜索成果,采取了信息素混合更新策略,同时增强侦查子群的最佳路径信息及剩余全部蚁群路径信息,有效抑制了收敛过程中的早熟停滞现象,提高了算法收敛速度。通过4个典型0/1背包问题(KP)实例进行了仿真实验,并与标准蚁群算法进行性能比较,结果表明该算法不仅能够克服早熟现象,而且能够加快收敛速度。     

一种求解二次分配问题的改进蚁群优化算法

针对标准蚁群算法易于出现早熟停滞等缺陷,在原有算法基础上引入一定比例的侦查蚁群.在优化过程中侦查蚁群以一定概率做侦查搜索,以扩大了解的搜索空间;在信息素更新策略上,为了兼顾当代和历代的搜索成果,采取了信息素混合更新策略,同时增强侦查子群的最佳路径信息及剩余全部蚁群路径信息,有效抑制了收敛过程中的早熟停滞现象,提高了算法收敛速度.在QAPLIB的实例上的仿真结果表明,通过与标准蚁群算法进行性能比较,结果表明该算法不仅能够克服早熟现象,而且能够加快收敛速度.     

遗传算法和蚁群算法在水库优化调动中的联合应用

为了更好地解决水库优化调度问题,将遗传算法和蚁群算法融合应用于水库调度,指出遗传蚁群混合算法的收敛率更高,具有更好的全局收敛性能,遗传蚁群混合算法在更少的迭代次数迭到全局最优解,具有更高的收敛速度.     

基于蚁群优化算法的旋转货架拣选路径规划

针对自动化立体仓库单拣选台分层水平旋转货架系统给出了数学模型,提出了一种改进的蚁群优化算法,用于解决货物拣选路径规划问题。该方法能够在全局内快速找到最优货物拣选路径,求解质量高,计算时间短。仿真结果说明,该方法适合求解中小规模货物拣选路径规划问题,提高了自动存储作业效率。