基于PSO-GACA的采煤机螺旋滚筒参数优化设计

为了改善滚筒采煤机的装煤性能、增加采煤机的块煤率、提高其产煤经济效益,以叶片外缘直径、内、外螺旋升角、滚筒转速和采煤机牵引速度为设计变量,选择装煤生产率最大和吨煤售价最高作为目标函数,建立了各种几何约束及性能约束,采用粒子群算法和蚁群算法的混合算法(PSO-GACA算法)对螺旋滚筒的参数进行优化设计。结果表明,在保证滚筒不发生堵塞、抛煤距离合理等条件下,优化后的采煤机装煤生产率提高14.5%,块煤率增加13.2%,吨煤售价可提高0.75%。

基于并行遗传蚁群算法的组播路由调度算法

组播是将信息从源节点同时发送到网络中多个目的节点的通信方式,这是网络规模日益增大,信息流量增大的必然结果。组播路由是用一点到多点的方式传送信息,组播路由问题已被证明是NP-Complete问题。文中结合遗传算法GA和蚁群算法ACA的优点,提出了一种并行的遗传蚁群算法GACA,并把该算法应用到求解组播路由问题中。GACA算法利用遗传算法的快速性、随机性、全局收敛性产生求解问题的初始信息素分布,通过选择,交叉,变异等遗传操作产生一组新的个体,然后再利用蚂蚁算法群体并行性、正反馈性、求解效率高的特点,实现组播路由优化选择。仿真实验结果表明,该算法不但实现了组播路由的全局优化,而且在时间效率上优于现有的组播路由算法。

求解Job-shop调度问题的遗传蚁群算法

描述了Job-shop调度问题,研究遗传算法和蚁群算法在解决Job-shop问题中的优点和不足,融合遗传算法和蚁群算法设计了遗传蚁群算法以求解Job-shop调度问题,并对算法进行了仿真实验,通过与遗传算法、蚁群算法及已有的遗传算法和蚁群算法的融合算法结果的对比,验证了该算法的有效性。

移动自组织网中基于贪婪蚁群算法的广播策略

广播是移动自组织网络(mobile ad hoc network,MANET)传递信息和建立路由的重要操作。为解决广播过程中的链路冗余和广播风暴问题,提出一种基于贪婪蚁群算法(greedy ant colony algorithm,GACA)的广播策略。首先,结合路由节点的数据包总传输距离、链路数目和链路质量建立目标函数。然后,通过GACA达到目标函数的最小值并规划出最优信息广播路由。最后,转发节点根据路径要求转发信息。仿真实验表明,该策略能够合理地利用网络资源、减少信息冗余以及避免广播风暴的发生。