基于动态粒子数的微粒群优化算法

提出了基于动态粒子数的微粒群算法,并建立了粒子数变化函数.该函数包含粒子数衰减趋势项和周期振荡项.衰减趋势项能够在种群向最优解不断收敛的过程中逐渐减少粒子数,以提高粒子效率.周期振荡项中的递增阶段代表了新粒子的随机出现,以增加粒子群的多样性,而周期振荡项中的递减阶段代表了探索性能差的粒子逐渐消亡,以提高优化效率.对4个标准函数进行测试,仿真结果表明该算法能有效地减少计算量,并显著提高全局搜索性能.

基于蚁群的无线传感器网络路由算法

提出了一种智能无线传感器网络路由算法,利用蚁群的分布式特点,通过有限寿命蚂蚁的协作在源节点与目的节点之间的运动获取主路径和备选路径,然后根据节点信息实时更新路由表。仿真结果显示ACRA(蚁群路由算法)降低了能耗,延长了网络寿命。

基于多蚁群的无线传感器网络路由算法

无线传感器网络的快速发展,对于其路由协议有了更高的要求,关键是在节省能耗的情况下提高数据传输效率。提出了一种基于多蚁群无线传感器网络路由算法,采用多种群并行搜索,并在种群中采用基于目标函数值得启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径,利用蚁群的分布式特点,通过有限寿命蚂蚁的协作在源节点与目的节点之间的运动获取主路径和备选路径,然后根据节点信息适时更新路由表。仿真结果显示MACRA降低了能耗,延长了网络寿命。

粒子群算法的航天器初始轨道优化模型

为提高航天器发射段的初始轨道确定精度,及时精确地进行早期轨道段的测控,满足航天器用户的需求,提出一种基于粒子群优化算法的航天器初始轨道确定方法,将各种冗余备份设备的测量数据及测量精度等作为航天器初始轨道确定的输入元素,建立优化算法模型,以粒子群算法确定最优轨道.实验结果表明:大量实时冗余备份的不同测量精度、不同测量体制的测量设备数据对于提高初始轨道精度具有重要意义,以此算法进行轨道确定将大大提高定轨精度.此算法实时、准确,不仅可以用于初始轨道确定,还可广泛用于航天器运行段的轨道改进.

遗传蚂蚁算法(GAAA)在数字电路智能测试中的应用

随着VLSI设计规模的日益增大,对于电路的测试生成(Automatic Test Pattern Generation.ATPG)也有了新的要求。提出了一种基于遗传算法和蚂蚁算法融合的数字电路智能测试生成算法,克服了传统算法计算量大、需对电路逻辑有较深刻认识的缺陷,而且也避免了以往的遗传算法和蚂蚁算法容易陷入局部最优的不足。研究表明这种算法效果较同类其他算法好,而且在大规模电路中尤能显示其特点。

基于蚁群-遗传的无线传感器网络路由算法

提出了一种基于蚁群-遗传的无线传感器网络路由算法.通过有限寿命的蚂蚁在源节点与目的节点之间的运动获取多个备选路径,然后把每一个备选路径视为一个基因序列,通过选择、交叉和变异操作获得路径的优化,并适时进行路由维护.仿真结果表明,本算法减少了能耗,延长了网络生存时间,提高了网络的可靠性和自适应性.