基于信息素动态调整的云任务调度方法

为使云计算环境中任务处理时间较短,同时资源负载较均衡,提出一种基于信息素动态调整的改进蚁群算法。该算法以任务大小作为任务调度顺序,综合考虑当前任务的完成时间以及资源处理已分配任务花费的时间。通过动态调整信息素挥发程度使算法在前期有较好的寻优能力,后期有较快的收敛速度。结果表明改进后的算法缩短了云环境中的任务完成时间,提高了资源的负载均衡程度,是一种有效的云计算任务调度方法。

基于改进蚁群算法的舰载机弹药调度

针对舰载机弹药调度供求点多、批次量大等特点,通过分析限制因素,建立了调度方案求解模型。利用蚁群算法对方案模型求解,提出了具体实现算法,每次循环对信息素进行变异调整,并通过引入遗传算法的精英保留和交叉运算操作思想,克服了基本蚁群算法搜索时间长、易陷入局部最优解等缺陷。数值仿真结果验证了调度模型的正确性,以及改进蚁群算法的有效性。

基于改进蚁群算法的三维航迹规划

针对蚁群算法在无人机(UAV)三维航迹规划中存在的收敛速度慢、空间复杂度高的缺点,提出了一种基于改进蚁群算法的无人机(UAV)三维航迹规划方法。该方法改进了局部搜索策略、初始信息素调整因子并在启发函数中加入了路径偏移因子,从而降低了航迹搜索空间的复杂度,提高了算法的搜索效率和收敛速度。在利用DEM数字高程数据建立的搜索空间中,该算法与现有算法相比,规划航迹缩短约24.08%,运行时间减少约11.56%,表明改进蚁群算法在无人机(UAV)三维航迹规划中的可行性和有效性。

体能测试问题的改进蚁群算法

采用蚁群算法实现了体能测试时间的优化安排,并对原始蚁群算法进行了改进,提出了改进的选择策略和信息素调整准则,有效地提高了算法的收敛速度和解的性能;最后用计算机对实例进行了计算,取得了较好的结果。

基于改进蚁群算法的新型AVC策略

针对局部电网负荷特性变化导致电压波动幅度大、控制成本高等问题,提出一种基于改进蚁群算法的AVC策略。该策略基于无功补偿量、有功功率损耗、电压波动范围、电压控制成本和传输距离构建改进多目标函数,提高其综合寻优能力;通过信息素挥发量与时间的关系引入信息素挥发系数公式,并优化信息素浓度调整策略,减少模型运行时间。基于IEEE-33节点系统进行仿真,结果表明:所提改进蚁群算法将各节点电压稳定在0.98~1.02 pu范围内,相比现有方法电压偏差缩小5%左右,模型运行平均时长提高了38.58%左右;该新型AVC策略具有更好的电压控制精度和速度,可以适应实时控制要求,有效改善配电网电压水平。