蚁群优化算法

摘要： 应用瑞雷面波频散曲线反演地下介质的横波速度剖面是面波勘探的重要步骤之一。传统线性反演方法已不能满足物探工程的要求,非线性的反演方法成为研究热点。文中将基于粒子群优化算法和蚁群优化算法的非线性混合优化算法应用于瑞雷面波频散曲线反演,获得横波速度剖面。该算法利用信息素引导机制更新粒子的早期位置,充分结合了粒子群优化算法对全局最优解的引导策略和蚁群优化算法的局部搜索能力,克服了粒子群算法在群体处于平衡状态时粒子群更新停滞不前和蚁群算法对多极值函数求解时收敛早熟的缺点。通过对多种理论模型频散曲线的反演,检验了该算法的有效性和稳定性;与单独的蚁群算法、粒子群算法反演结果的对比验证了该算法的优越性;实测数据反演结果检验了算法的实用性。

摘要： 为了降低云计算资源调度的负载均衡度、提升云计算资源利用率,研究了基于改进蚁群优化算法的云计算资源调度。基于云计算资源调度模型以及资源调度的相关定义,采用蚁群优化算法调度处理大规模云计算资源数据集;为防止蚁群优化算法陷入局部最优解,通过改进蚁群优化算法的选择下一节点概率、启发因子以及信息素的更新,使信息素的指导作用充分发挥,以达到最优云计算资源调度。经实验验证,该算法负载均衡度与相对标准差较低,资源分配较为均匀;调度总效用值较高,可最大程度满足用户资源调度需求;调度同样规模资源所需迭代次数较少,收敛特性较好。应用该算法可显著提升资源库的资源利用率。

摘要： 针对基本蚁群算法在求解旅行商问题时表现的停滞和早熟现象,提出一种带遗忘因子的蚁群优化算法。通过在人工蚂蚁中加入遗忘因子,建立新的状态转移公式,修改信息素更新策略,蚂蚁按照基本蚁群算法的搜索方式工作,结合当前解的最优值误差率,对状态转移方程进行调整,新公式可用于降低最优值误差、提高最优值跟踪能力、修正路径评价模型、计算每条路径到当前最优解的概率。对TSP实例的仿真结果表明,改进算法耗时更短,路径寻优结果更优。

摘要： 针对传统渔业养殖中渔场巡查和水质监测中大量人力物力损耗的问题,设计可实现自动化养殖的仿生鱼系统。集成循迹避障模块、定位模块和实时图像采集模块,搭载蚁群优化算法实现最优路径规划的水面航行和水面监测功能;集成水质监测传感器模块,搭载主成分分析算法实现实时水质评价;集成压水舱采样模块实现远程水体采样。仿真结果表明,该系统具备良好的路径规划和水质评价性能,可有效推动自动化养殖的实现。

摘要： 传统方法设计无线传感网络路由中,往往忽略了节点的能量消耗以及不同节点能耗的差异性,导致出现节点分布不均匀、路由平衡度较差、整体开销成本较大、能耗高等问题。为此,提出了考虑节点能量消耗的无线传感网络平衡路由算法。构建节点能耗模型,建立无线传感网络梯度和传感器节点之间的信息素,结合蚁群算法求解整体能耗模型,实现无线传感网络平衡路由的算法设计。实验结果表明,所提方法可提高无线传感网络中节点的均匀分布能力,降低整体能耗开销,减少能量消耗,有效实现无线传感网络平衡路由的算法设计。

摘要： 针对现有云环境下电力数据中心任务调度的高能耗、低效率等问题,在电力云体系结构的基础上,提出了一种基于随机Petri网的云数据中心任务调度模型。通过综合考虑时间约束、负载、能耗约束对蚁群算法进行改进,并通过改进算法对模型进行求解。通过实验对运行时间、能耗、平均等待时间、系统负载等几个方面进行了比较分析,验证了该方法的优越性。结果表明,改进蚁群算法在保证性能的前提下,可以有效降低数据中心能耗,为电力数据中心任务调度策略的发展提供参考和借鉴。

摘要： 针对部署在列车的长带状无线传感器网络(WSNs)产生的能耗不均问题,提出了一种基于改进蚁群优化的列车WSNs非均匀分簇路由算法(IACO-UCR)。在非均匀分簇阶段,利用熵权法对候选簇首的传输距离、中心位置度和相对密度各项指标进行权重确定,在综合评价确定候选簇首时引入能量优先的概念,候选簇首以其竞争半径成为最终簇首;然后将改进的蚁群优化算法应用到簇间路径搜索中,在建立路径过程中考虑到距离长度、节点能量和搜索方向角度等因素。由MATLAB仿真实验表明:与LEACH,EEUC和ACOUC算法相比,该算法能有效均衡长带状网络的能量问题,提高簇首节点能量利用率,延长了网络的生存周期。

摘要： 为了提高近邻传播聚类性能,引入偏向参数的量子蚁群优化策略,增强聚类适用性。进行样本初始化,获得相似矩阵及偏向参数随机值。采用蚁群算法优化偏向参数:输入近邻传播算法的偏向参数作为蚂蚁个体构建蚁群,将聚类准确度作为蚁群最佳路径适应度进行优化求解;为了提高蚁群最优路径搜索精度,对蚁群位置采用量子比特编码,细化蚁群个体位置更新粒度;通过信息素值变化不断选择优化路径,从而获得最优偏向参数。采用量子蚁群优化算法获得的最优偏向参数进行聚类运算,获得稳定的聚类结果。试验证明,通过合理设置蚁群的概率因子、启发因子和蒸发因子等参数,相比于常用聚类算法,基于量子蚁群的近邻传播聚类可以获得更高的聚类综合性能。

摘要： 针对我国地下矿山掘进面对孔装药效率低的问题,开展装药路径智能优化研究。基于蚁群优化算法,引入惯性权重自适应变化粒子群算法,求解信息素启发因子α及期望值启发因子β;引入自适应信息素挥发因子ρ,根据装药路径规划问题几何特性提出自适应信息素浓度更新策略。将算法用于求解TSPLIB库中的问题,结果表明,改进算法在不同问题中求得最优解,求解精度比基本蚁群算法及几种基于蚁群算法的改进算法提高5%~9%。在实验室中利用机器人模拟掘进面对孔作业,对孔时间缩短约8%。实现地下矿山掘进面对孔装药路径智能优化,对孔装药效率提升,为智能矿山建设提供参考。

摘要： 当前面向多辆自动驾驶汽车的协同运动规划方法能有效保证运行车辆与障碍物及其他车辆之间避免发生碰撞并保持安全距离,但车辆间的在线协同与规划能力仍有待提升。为实现多辆自动驾驶汽车在运动过程中的协同控制,提出一种基于改进蚁群优化算法的多车在线协同规划方法。以空间协同与轨迹代价为优化目标,构造多目标优化函数,确保了多车行驶过程中的协同安全性与轨迹平滑性。将多目标优化函数引入蚁群优化算法的信息素更新过程中,根据自动驾驶车辆数量产生多个种群,使得种群之间相互独立的同时为每辆自动驾驶汽车规划可行路线。最终对蚁群优化算法中的挥发因子进行自适应调整,提升了算法全局搜索能力及收敛速度。实验结果表明,该方法能使多辆自动驾驶汽车在运动过程中保持协同控制并规划出无碰撞路线,相比于基于人工势场和模型预测的协同驾驶方法在复杂道路场景下车辆间的协同效果更好且适应性更强。

摘要： 提出了基于蚁群优化算法(ACO)的神经网络计算配电网线损.ACO全局收敛以及启发式学习等特点,在某种程度上避免了神经网络收敛速度慢、易于陷入局部极小点的问题.蚁群算法训练的神经网络,可兼有神经网络广映射射能力和蚁群算法快速全局收敛性能.利用优化后的神经网络来拟合配电线路线损和特征参数之间的复杂关系,实现配电网线损的计算.仿真结果表明,同BP和GA与BP结合算法比较,此算法有快速的全局收敛能力和较高的计算精度,为配电网理论线损计算提供了一种更高效更精确的方法.

摘要： 应急物资调度问题是个典型的需求可拆分的车辆路径问题,区别于传统的车辆路径问题,将每个需求节点只能由一辆车访问的约束去除,允许需求节点由多辆车进行访问.本文根据应急物资调度问题的特点,建立相应的多目标车辆路径数学规划模型(SDVRP),并设计相应的改进蚁群优化算法.最后,进行相应的算例分析,验证了该模型和算法的有效性.

摘要： 针对云数据中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率.

摘要： 为了解决大跨径预应力混凝土桥梁挠度变形难以准确预测这一问题,提出采用适用于解决复杂、不确定性、非线性问题的蚁群优化算法.该算法中蚂蚁根据反映蚁群整体经验的信息函数和反映蚂蚁个体经验的启发函数计算转移概率,作为其进行路径选择的依据,然后根据所选路径的优劣释放一定浓度的信息素以增加蚁群整体的累积经验,由此形成正反馈、自催化的路径选择机制.基于此模型,结合某大跨径预应力混凝土桥梁挠度变形实际情况,将挠度变形量视为蚂蚁进行路径选择和释放信息素的基本依据,通过合理确定信息函数、启发函数、信息素更新策略、蚂蚁搜索及预测机制,构建了挠度变形预测的蚁群优化算法模型.对该桥梁跨中沉降槽部分2个不同阶段的挠度变形预测结果表明,该模型预测精度较高,适用性较强,为类似桥梁挠度预测开辟了一条新的途径.

摘要： 针对云计算中心虚拟机分配物理机时存在负载不均衡的问题,提出了一种基于蚁群优化算法的资源调度算法.对问题场景进行了分析,提出了数据中心负载不均衡度以及物理机与虚拟机之间不匹配度的概念,并给出了问题的形式化描述.在蚁群算法选择概率规则中参考了用户对虚拟机资源的需求,尽量避免对相同类型虚拟机部署在一台物理机上,同时对信息素的初始化、信息素的更新进行了改进.通过CloudSim模拟平台进行仿真实验,并与其他的分配算法进行了比较,实验结果表明:该调度算法能够快速地完成虚拟机的放置,并且使云数据中心的物理机具有较低负载不均衡度,提高了资源的利用率。

摘要： 考虑复杂制造系统调度的特点，设计并实现了蚁群优化算法仿真平台。与其他类似平台相比，该平台首次实现了工件的多重入特性与设备的批加工能力。以半导体生产线批加工设备调度为例，给出了平台的应用效果。仿真结果表明，该平台具有充分的柔性，适合复杂制造系统调度问题求解。

摘要： 存储器的访问调度策略是复杂的,不仅仅要考虑具体的电路时序参数,还有访存节拍数.在分析DRAM的特点以及访存调度策略的基础上,考虑DDR3时序规范,提出一种改进的蚁群优化访问调度策略.采用不同的trace作为测试,同贪婪式调度算法作比较,该算法可以有效降低平均总延迟、提高带宽利用率.

摘要： 将蚂蚁的信息素与节点的能量和通信带宽结合起来,在蚁群选择路径时,减少其寻优路径上的信息素浓度,以概率路由表中信息素的浓度对路由选择进行调整,避免网络拥塞和个别节点能量消耗过快,提出一种移动P2P网络的多路径路由选择算法.实验结果表明与EDSR路由协议相比,本文提出的算法能够降低节点的丢包率和平均端到端的延迟,提高了网络的生存周期.

摘要： 贝叶斯最大后验概率密度估计法(BM估计)是已知窄带信号源DOA估计的最佳估计.然而,由于多维积分和网格搜索,BM估计计算负担成倍增加,使其很难在实时系统中应用.针对BM估计方法计算量大的问题,将蚁群优化算法与BM估计相结合,研究了基于蚁群算法的贝叶斯方位估计方法(BM ACO),并提出了基于改进蚁群优化算法的贝叶斯估计方法(BM MACO).BM_MACO方法通过使用混沌序列进行状态空间的初始化和增加局部搜索的方式,克服了蚁群算法收敛速度慢、容易陷入局部最优的弊端.仿真结果表明:BM_ACO和BM MACO算法均能在显著降低原BM方法计算量的同时,保持BM算法的高分辨性能;BM_MACO由于降低了参数对BM ACO算法的影响因子,估计精度及运算速度也有所提高.

摘要： 关于集群智能(Swarm Intelligence)算法系统的研究最早开始于计算机科学领域,而它的研究与发展,也必将会为人类社会提供解决问题的一些全新的角度和方法.本文首先分析了集群智能的特点、论述了其遵循的邻近原则、品质原则、多样性反应原则、稳定性原则及适应性原则。并对其分支发展蚁群优化算法和粒子群优化算法进行了梳理,其次通过集群智能机器人实验的形式总结了集群智能系统的行为模式与底层机制特征,并希望以此为之后进行的一系列研究性设计探索和参数化建筑设计教学提供基本的理论与实践参考。

摘要： 本发明公开了无线传感器中一种基于蚁群算法的鲁棒优化算法。其实现步骤是：网络中节点布置完毕之后，节点根据自己地理信息计算其正向斯坦纳邻居节点区域，并将斯坦纳节点加入到自己信息表。节点间根据局部信息按照贝叶斯检测算法检测网络中的恶意攻击节点并标记为非选择中继节点。根据能量、距离、各节点安全值等信息改进蚁群算法路径概率公式。构造完树后，父节点将收集到子节点的数据与自己感知的数据聚合成一个数据包后，沿着建立的路径发送给网关SINK节点。本发明与现有技术相比，具有可扩展性强、网络生命周期长、鲁棒性强、安全性强等特点，可用于实现不同规模无线传感器网络的大数据收集与传输。

摘要： 本发明公开了无线传感器中一种基于蚁群算法的鲁棒优化算法。其实现步骤是：网络中节点布置完毕之后，节点根据自己地理信息计算其正向斯坦纳邻居节点区域，并将斯坦纳节点加入到自己信息表。节点间根据局部信息按照贝叶斯检测算法检测网络中的恶意攻击节点并标记为非选择中继节点。根据能量、距离、各节点安全值等信息改进蚁群算法路径概率公式。构造完树后，父节点将收集到子节点的数据与自己感知的数据聚合成一个数据包后，沿着建立的路径发送给网关SINK节点。本发明与现有技术相比，具有可扩展性强、网络生命周期长、鲁棒性强、安全性强等特点，可用于实现不同规模无线传感器网络的大数据收集与传输。

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和质心算法的定位方法，具有如下步骤：对边坡进行有限元分析并采集物理参数，得到边坡的三维有限元模型；使用计算机为所述的有限元模型，计算得到边坡重心的位置；对待检测的边坡进行有限元分析，调用数据库中的模拟数据库中与当前边坡参数相关的边坡数据，使用人工神经网络训练所述的预测函数，得到成熟的目标函数；将所述待检测的边坡的有限元和物理参数带入所述成熟的目标函数，得到当前滑动位移序列的预测结果。相较于传统的分析方法，具有更高更科学的分析精度，非常方便预测边坡运动。

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。

摘要： 本发明公开一种基于蚁群优化算法的书籍无人配送方法及计算机设备，该方法步骤包括：S01.预先将多个配送机器人与控制中心建立连接；S02.控制中心接收到借阅人或还书人通过借还终端发送的借书请求时，对接收到的借还请求进行解析，获取得到所需借阅书籍或待还书籍的信息以及配送目标地址；S03.控制各目标配送机器人启动配送任务，优先启动借书配送以及还书任务的取书操作，采用蚁群优化算法搜索从起始点到各目标点的最优路径，当完成当前配送任务、等待新配送任务的空闲时段，启动将待还书籍配送至指定还书点。本发明能够实现书籍借还的无人自动配送，同时配送效率高、开销低等优点。

摘要： 本发明公开了一种基于改进蚁群优化算法的跨域高光谱图像分类技术。包括：预过滤模块、迭代求解模块和优化模块。其中，预过滤模块包括初始化子模块和特征选取子模块；迭代求解模块包括迭代搜索子模块、状态转移子模块、信息素更新子模块；优化模块包括基于优先级排序的蚁群策略子模块和基于精英蚂蚁的蚁群策略子模块。采用基于优先级排序的蚁群策略，使得后续的搜索过程能集中于前一次迭代中找到的全局最优解附近，从而获取两个场景更准确的特征子集；采用基于精英蚂蚁的蚁群策略以更高效地获取两个场景的最优特征子集，用于训练分类器；同时考虑源场景和目标场景的最优特征子集的整体分类精度，减弱光谱漂移的影响，以获得更高的图像分类精度。