蚁群优化

摘要： 无线传感器网络(WSN)能够利用传感器节点快速准确地获取物理世界的信息从而作为物联网的感知层在监控领域得到了广泛的应用,而能量利用率是能量受限无线传感器网络的一个关键属性,直接影响网络的生命周期。经典的分层路由LEACH(及其变种)算法是无线传感器网络中最常见的节能路由协议。该文提出了一种改进的LEACH算法,由sink节点集中计算并选择剩余能量较高的节点作为簇头并根据距离计算最优簇边界进行分簇,将网络划分为多个簇,然后利用改进蚁群优化(ACO)算法实现簇头节点到sink节点的多跳通信。簇内节点将感知数据发送给簇头,再由簇头转发给sink节点,从而实现数据的簇内和簇间的二级传输策略。将该算法与LEACH进行了仿真比较,结果表明,改进后的无线传感器网络的感知数据传输策略在网络生命周期和吞吐量方面明显优于LEACH算法,在延长网络生命周期的同时提高了网络的数据传输量。

摘要： 在软件定义网络(SDN)中,当流传输路径信息获取受限时,现有的测量节点选择算法只能基于网络拓扑的中心性指标进行测量节点选择,存在测量精度较低、测量负载不均衡、运行时间长等问题。将SDN网络中测量节点选择问题抽象为最小顶点覆盖模型,提出一种基于蚁群优化的测量节点选择算法ACO-NS。利用复杂网络的度分布理论缩减状态转移过程中的候选集规模,同时设计一种信息素局部增强-全局挥发机制,增大可行解的信息素浓度,提高算法的准确度和收敛度,并且缩短搜索时间。通过OpenFlow消息在线计算测量节点的负载,采用邻域搜索策略对过载节点进行筛选和替换,以降低过载处理的时间。实验结果表明,与ACO算法相比,该算法的准确度和收敛度分别提高56.7和28.2个百分点,且单位时间内的过载处理开销降低79.8个百分点,具有较高的测量精度。

摘要： 多业务流程协同监控是通过监控合作伙伴的行为,保证可以灵活、动态地选择最优合作伙伴,确保企业利益最大化的一种有效方法。已有的方法在监控过程中忽略了业务流程数据的重要性,一定程度上降低了监控信息质量和可利用性。因此,本文提出一种以Artifact为中心的多业务流程协同监控方法。首先,给出了以Artifact为中心的业务流程协同模型及Artifact实例协同快照定义。其次,采用快照日志挖掘获得候选以Artifact为中心的业务流程协同模型,然后,根据蚁群优化算法在候选流程模型中获取最优流程服务协同路径。最后,通过实例分析验证了方法的可行性。

摘要： 由于数字化审计系统中的数据量较大,降低了数据查询效率和查准率,为此提出基于蚁群优化的数字化审计系统数据快速查询方法。采用分布式链路节点跟随识别的方法采集数字化审计系统数据,并对采集的数据进行非线性样本重组,结合模板匹配和线性规划设计的方法对数字化审计系统数据降维处理,提取数据特征;在此基础上,根据蚁群个体的差异性对数字化审计系统数据查询的异常特征进行判断,获取数据的可靠性文本结构特征量,对文本结构特征量进行加窗处理,根据处理结果,利用蚁群寻优方法构建查询控制函数,获取全局最优解,实现对数字化审计系统数据的快速查询。仿真结果表明,采用该方法进行数字化审计系统数据查询的实时性较好,查准率较高,具有较好的可靠性检索能力。

摘要： 粗糙集理论(RST)中,求解最小属性约简MAR(minimal attribute reduction)是一种NP-难(non-deterministic polynomial hard)组合优化问题.蚁群优化算法ACO(ant colony optimization)是进化算法中的一种启发式全局优化算法,粗糙集理论与ACO相结合,是求解属性约简的一种有效、可行的方式.针对蚁群优化算法易于陷入局部最优解、收敛速度慢等问题,首先以一种改进的信息增益率作为启发信息,提出了冗余检测机制,对每个被选属性和每代最优约简集合进行冗余检测,并提出了概率提前计算机制,可避免每只蚂蚁在搜索过程中相同路径上的信息反复计算;针对大数据集的属性约简问题,考虑到蚁群优化算法具有并行能力以及粗糙集中“等价类”计算的可并行性,提出一种将ACO与云计算相结合用于求解大数据集的属性约简算法,在此基础上,进一步提出一种多目标并行求解方案.该方案可以同时计算出其余属性相对于当前属性或约简集合的重要度.实验结果表明,该算法在处理大数据的情况下能够得到最小属性约简,计算属性重要度的时间复杂度由O(n^(2))降至O(|n|).

摘要： 在无线传感器网络中,移动Sink通过遍历驻留点进行数据收集能够有效防止热点或能量空洞问题.为了提高基于移动Sink的无线传感网的数据收集效率,提出了一种基于移动Sink的无线传感器网络能量高效的驻留点路由算法.通过对网络生命周期最大化问题进行建模,利用蚁群优化的思想对最优的驻留点集合和移动Sink遍历路径进行求解,实现了最大限度地延长网络寿命的同时最小化从传感器节点收集数据的延迟.实验结果表明:所提出的算法与已有算法相比,在延长网络的生命周期、提高交付率和减少端到端时延等方面具有更好的性能.

摘要： 该文针对共享单车的固定维修点设置问题,提出了使用蚁群算法优化的层次凝聚聚类方法,该聚类方法使用蚁群算法的信息素机制和簇间距离来进行聚类,通过引入随机性来解决层次聚类的局部最优问题,使用层次聚类的树形结构来应对维修点的数量变化,将每个簇的聚类中心作为维修点位置。该算法在西雅图2015年自行车租车站点位置的真实数据集和加州大学欧文分校的数据集上的仿真实验结果表明,相对于传统聚类算法,该算法可以找出更好的维修点位置。

摘要： 提出一种适用于长波红外波段的二维偏振无关亚波长光栅结构。利用对称二维结构消除一维光栅的偏振相关性,增加光通量。提出光栅优化评价函数,将光栅结构参数优化转化为路径寻优问题。最后利用蚁群算法求解最优光栅结构参数。仿真结果表明,提出的二维多层结构在10∼13μm波段具有偏振无关、窄周期、窄带宽、低旁带的优点。提出的优化设计方法收敛速度快,优化后的光谱曲线横电波(TE)和横磁波(TM)偏振方向透射率均达到70%,带宽260 nm。

摘要： 由于纠删码具备高可用性和高存储空间有效性的特点,采用纠删码为大规模分布式存储系统提供数据持久性已成为事实标准.然而,纠删码的密集型更新操作将导致大量的数据传输和I/O开销.如何减少数据传输量,优化现有网络资源的利用率,以提高纠删码的更新效率,成为纠删码存储系统面临的重要挑战.然而,在多重服务质量(quality of service,QoS)指标下,目前对纠删码更新效率的优化研究很少.针对此问题,提出一种基于蚁群优化算法的多数据节点更新方案(ant colony optimization algorithm based multiple data nodes update scheme,ACOUS),采用2阶段数据更新方式以优化多数据节点更新过程.具体而言,基于多目标蚁群优化更新路由算法(multi-objective ant colony optimization update routing algorithm,MACOU)所构建的多目标更新树,2阶段数据更新方式能有效地进行数据增量收集和校验增量分发.大量的实验结果表明,在典型的数据中心网络拓扑结构下,与TA-Update方案相比,所提方案能够在保证算法收敛的前提下,以可忽略的计算开销为代价,将更新时延降低26%~37%.

摘要： 由于纠删码具备高可用性和高存储空间有效性的特点,采用纠删码为大规模分布式存储系统提供数据持久性已成为事实标准然而,纠删码的密集型更新操作将导致大量的数据传输和I/O开销.如何减少数据传输量,优化现有网络资源的利用率,以提高纠删码的更新效率,成为纠删码存储系统面临的重要挑战.然而,在多重服务质量(quality of service,QoS)指标下,目前对纠删码更新效率的优化研究很少.针对此问题,提出一种基于蚁群优化算法的多数据节点更新方案(ant colony optimization algorithm based multiple data nodes update scheme,ACOUS),采用2阶段数据更新方式以优化多数据节点更新过程.具体而言,基于多目标蚁群优化更新路由算法(multi-objective ant colony optimization update routing algorithm,MACOU)所构建的多目标更新树,2阶段数据更新方式能有效地进行数据增量收集和校验增量分发大量的实验结果表明,在典型的数据中心网络拓扑结构下,与TA-Update方案相比,所提方案能够在保证算法收敛的前提下,以可忽略的计算开销为代价,将更新时延降低26％～37％.

摘要： 无线多媒体传感器网络中存在多种类型的数据,而且这些数据的服务质量需求并不相同.针对这种情况,提出一种基于蚁群优化的区分服务路由协议DSACO.DSACO在网络分层的基础上通过限制蚂蚁的搜索范围以减少建立路由的时间和能量消耗,采用区分服务路由以满足不同类型数据的服务质量需求.仿真结果表明,新协议能够为多媒体数据的传输提供更好的QoS保障,在数据传输的平均时延、丢包率和能量消耗上优于已有路由协议.

摘要： 提出了一种基于蚁群优化的模糊Sarsa学习(ACO-FSL)算法，在该算法中，首先把模糊系统按照模糊规则进行划分，对于每条模糊规则。有若干个候选动作可被选择，动作选择的概率依赖于实时的值函数；然后在每个动作选择的同时根据蚁群优化的思想定义变化的学习率,这样既缩小了搜索空间，又提高了学习效率。整个模糊推理模块被看作是蚂蚁觅食的过程。利用蚁群算法优良的随机搜索性能求解该组合优化问题。给出了该算法的设计方法和流程。小车爬山问题的仿真实验结果表明：提出的ACO-FSL算法相比FSL具有较好的学习性能。

摘要： 多目标资源分配问题就是将有限资源分配到不同事件来获得预期目标。建立了多目标资源分配问题的数学模型,提出了一种有效求解该问题的改进蚁群优化算法：设计了一种多目标资源分配问题的可行方案构建机制,定义了蚁群优化算法中的信息素形式及其更新方式,提出了一种新的概率选择形式；通过以上改进有效地提高了蚁群优化方法的效率。为了验证此方法的有效性,将蚁群优化方法与混合遗传算法的实验结果进行了对比分析,证明此方法优于混合遗传算法。

摘要： 本文提出了一种基于蚁群优化、BP网络学习和RBF网络辨识的智能PID控制策略,有效地克服了BP算法训练过程中收敛慢和易陷入局部极小值的缺陷。利用该控制策略，对PID参数进行在线调整，并应用于材料试验机电液位置伺服系统。仿真结果表明，与各种传统PID控制策略相比，采用该智能PID控制器控制的系统具有更好的动态响应特性和抗扰动能力。

摘要： 为寻求蚁群算法各参数的配置关系，本文采用正交试验优化配置算法的参数α0，β0，kα，kβ，分析了α0和β0，kα和kβ，α0和kα以及β0和kβ之间的交互作用对算法的影响，提高了算法的寻优性能。对不同规模的旅行商问题和车间调度问题基准算例进行求解，证明了本文采用的算法以及优化配置的参数能获得较优求解精度和收敛速度。

摘要： 为提高飞机发动机故障监控的实时性，将蚁群优化算法应用于故障诊断监控参数的优选问题中。针对现有蚁群算法进化速度慢的不足，本文提出了一种反向蚁群优化算法，该算法利用反向学习的加速性能，将其运用到蚁群算法信息素更新过程中来加快算法的进化速度，改善算法优化搜索能力，从而缩短计算时间。同时该算法具有过程简单，易于实现的优点。几种典型函数的测试结果以及监控参数的优选实验表明提出的新算法是有效的，具有一定优越性。

摘要： 锅炉汽包水位是汽轮发电机组的主要控制参数之一,其影响因素众多,且易产生虚假水位.本文将基于蚁群算法的预测控制用于锅炉汽包水位控制中,用RBF核支持向量机对所构造的回归向量进行训练以实现水位动态系统建模,改进了求连续函数极值的蚁群算法,并将其用于求解非凸目标函数的优化问题以得到最优控制量序列.仿真结果表明,所提出的控制算法上升时间可达6*TS、超调量为3.0192%、稳态误差很小,具有良好的控制品质.

摘要： 在具有移动特性的无线传感器网络中,其无中心分布式特性导致无法对整个系统进行可控与管理,而对系统可控性要求是进一步使系统安全可信的基础,对系统全局的管理也是统一调度的前提。本文针对以上矛盾,提出基于多射频多信道的全局控制策略。该策略将控制链路与覆盖问题结合,在将覆盖控制归结于一个多目标非线性规划问题的前提下,用虚拟力结合蚁群优化算法实现获取实时更新的控制链路,从而建立了可靠的全局控制链路,实现了分布式网络系统的全局控制。仿真实验表明,该策略在满足节能与覆盖控制要求前提下,能够实现建立良好控制链路,对解决问题有着良好的收敛性与适应性。

摘要： 轧制单元编制的好坏会影响到轧辊生产成本、产品质量和生产效率.现有研究文献忽略了热轧卷表面质量要求、两流连铸机与热轧机一体化生产情况以及假定待生产板坯在连铸机上浇铸时的宽度已知,导致所研究直装单一作业轧制单元编制方法难以应用.目前人工编制轧制计划效率低、轧制单元平均长度偏小.针对直装单一作业轧制单元编制,考虑板坯因热轧卷表面质量要求在轧制单元内位置受限、连铸机存在两浇铸流和板坯浇铸时宽度可选,建立了直装单一作业轧制单元编制问题的数学模型,基于蚁群和变邻域搜索给出了主体材编制优化方法.利用实际生产数据的仿真试验结果表明,算法所得结果明显优于人工方法所得结果.

摘要： 轧制单元编制的好坏会影响到轧辊生产成本、产品质量和生产效率.现有研究文献忽略了热轧卷表面质量要求、两流连铸机与热轧机一体化生产情况以及假定待生产板坯在连铸机上浇铸时的宽度已知,导致所研究直装单一作业轧制单元编制方法难以应用.目前人工编制轧制计划效率低、轧制单元平均长度偏小.针对直装单一作业轧制单元编制,考虑板坯因热轧卷表面质量要求在轧制单元内位置受限、连铸机存在两浇铸流和板坯浇铸时宽度可选,建立了直装单一作业轧制单元编制问题的数学模型,基于蚁群和变邻域搜索给出了主体材编制优化方法.利用实际生产数据的仿真试验结果表明,算法所得结果明显优于人工方法所得结果.

摘要： 本发明的目的是解决人工免疫系统中现有的检测器集优化算法所存在的时间与空间开销大、准确性难以保证等问题，提供一种高效的检测器集优化方法，并构建一种新型的人工免疫系统。

摘要： 本发明公开了一种改进蚁群算法的智慧农业传感器布局优化方法，具体如下：步骤1、土壤中随机布局有多个传感器节点，每个传感器节点采集土壤墒情数据并对其进行预处理；其中，预处理后的土壤墒情数据简记为数据；步骤2、根据步骤1预处理后的土壤墒情数据建立数据冗余度模型和网络能量损耗模型，将数据冗余度模型和网络能量损耗模型加入启发函数中，从而得到改进后的启发函数，引导蚁群搜索能够降低数据冗余度和网络能量损耗的传感器节点布点路径；步骤3、采用改进后的概率转移公式引导蚂蚁从起点向终点方向移动，防止在搜索路径的过程中出现绕路情况，以便搜索出能够降低数据冗余度和网络能量损耗的传感器节点布点路径。本发明节约网络能耗。

摘要： 本发明涉及一种基于蚁群算法的电缆敷设路径优化方法，该方法包括以下步骤：步骤S1、对电缆设备敷设路径进行网络建模，确定设备对应的节点信息以及节点间的连接关系；步骤S2、基于信息素限定以及信息素挥发因子的自适应调整，采用蚁群路径寻优算法计算得到任意两设备对应节点间的最短路径和最短路径的长度。与现有技术相比，本发明具有考虑多种约束、适用于多端点敷设以及敷设路径最短的优点。

摘要： 本发明公开了一种运用蚁群算法优化基于快递员的众包任务分配方法，其中考虑了空间众包问题中的两种主要任务，即主动参与任务与被动感知任务。快递员可以完成基于位置的主动参与任务，并且同时完成一个被动感知任务。该方法在满足招聘人员给定的约束同时，对两个目标共同进行优化。包括以下步骤：首先，初始化算法参数。然后，每只蚂蚁基于信息素和启发式信息运用轮盘赌的选择方法选择一个任务分配给快递员，并进行局部信息素的更新。当该蚂蚁完成了为全部快递员的任务分配之后，一个解构造完毕。当所有蚂蚁都完成解的构造后，对每个分配解进行评价，并执行全局信息素的更新。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 本发明公开了一种基于蚁群优化算法的网络编码环境下资源优化的方法。采用本发明在网络拓扑图上通过蚁群优化算法，在保证传输速率不变的情况下，尽量优化网络编码资源。其主要特征包括信息素的分布式、多维的维护方式，针对问题提出的启发因子，以及局部的惩罚和奖励信息素更新方式等。通过研究与实验表明，本发明在所有的测试用例上都可以找到最优的解，同时，与其他目前较好的解决网络编码资源优化问题的算法相比，本发明在性能上和效率上都具有显著优势，证明了本发明的可行性和可用性。

摘要： 本发明给出一种基于粒子群优化算法和蚁群优化算法的频谱感知方法，该方法在多簇认知电无线网络中，首先通过粒子群优化算法获得每个小簇中簇头的最佳位置，这些最佳位置的簇头能够获得比簇内其他感知用户更可靠的检测结果，接着采取蚁群优化算法，根据信息素浓度寻找各感知用户信息传送的最短距离。各感知用户采用最短距离将信息传送给簇头，簇头将所有信息(包括自己的信息)按照一定权值进行融合，获得判决信息，并将判决信息发送给融合中心，融合中心融合所有簇头发送的信息作出判决，完成检测。本发明根据簇头位置的最优化设置和感知信息路径的最优化选择，能够缩短感知时间，增强检测性能。

摘要： 本发明公开了一种基于蚁群优化算法的网络编码环境下资源优化的方法。采用本发明在网络拓扑图上通过蚁群优化算法，在保证传输速率不变的情况下，尽量优化网络编码资源。其主要特征包括信息素的分布式、多维的维护方式，针对问题提出的启发因子，以及局部的惩罚和奖励信息素更新方式等。通过研究与实验表明，本发明在所有的测试用例上都可以找到最优的解，同时，与其他目前较好的解决网络编码资源优化问题的算法相比，本发明在性能上和效率上都具有显著优势，证明了本发明的可行性和可用性。

摘要： 本发明公开了一种使用基于MapReduce的蚁群优化技术求解组合优化问题的方法，属于组合优化问题求解技术领域。本发明包括如下步骤：根据设定的mapper的数量划分指定组合优化问题的解空间；Map阶段，每个mapper独立并行地在步骤1)划分得到的子问题解空间中执行改进的蚁群算法，搜索局部最优解；Reduce阶段，reducer接受所有mapper在不同解空间搜索到的局部最优解，根据步骤1)中采用的解空间划分情况综合得到全局最优解；输出reducer当前得到的全局最优解，结束。本发明具有更好的可伸缩性，能够更好的改善求解大规模组合优化问题的效率。

摘要： 本发明公开了一种基于蚁群优化算法的故障诊断规则优化方法，用于智能故障诊断。本发明采用蚁群优化算法，通过约简故障模式样本数据向量的长度，将系统故障特征模式样本库中的故障诊断规则（即故障模式样本数据向量）进行约简优化，剔除了故障诊断规则中冗余的条件项，得到了具有更少的条件项、更高的故障诊断精度的最优诊断规则，从而可提高诊断现场故障问题的故障类别的准确率。本发明还公开了一种故障诊断规则约简方法。