智能蚂蚁算法——蚁群算法的改进

蚁群算法是一种解决组合优化问题的有效算法。在蚁群算法的基础上,提出了一种新的启发式搜索方法———智能蚂蚁算法。智能蚂蚁算法与蚁群算法相比,主要在以下四点进行了改进:第一,取消了外激素;第二,自动调整选择最优路径的比例;第三,目标城市的选择方法不同;第四,引入扰动以避免陷入局部优化。实验结果表明,智能蚂蚁算法可以在减少计算量的同时,取得更好的搜索结果。

智能蚂蚁算法及其在电信网动态路由优化中的应用

本文介绍一种新的、启发式的、具有自组织能力的智能蚂蚁算法；并针对我国电信网的具体情况，提出借助这种智能蚂蚁算法，用分散控制的方式实现电信网动态路由优化的一种方案，目的是提高网络资源的利用率、网络运行的效率和可靠性。

基于智能蚂蚁算法的路由选择

智能蚂蚁算法已经成功地运用于TSP问题和一系列的离散优化问题,文中分析了智能蚂蚁算法的工作原理,并基于蚂蚁的自组织能力描述了一种新的分布式动态路由选择方法, QoS保证的分布式路由选择算法(DQRA)。DQRA 能以并行的方式解决网络中呼叫的时延和带宽分配问题。理论证明此种算法简单,易于实现,能有效地解决大型网络的负载平衡问题。选择 Matlab仿真软件对 DQRA算法进行仿真,并且比较了当业务要求带宽变化时阻塞率的变化,进一步证明了算法的有效性。

基于智能蚂蚁算法的脱硫静态模型优化

为了自动寻找脱硫过程的规律和知识,对脱硫过程进行决策支持,采用RBF神经网络作为建模工具,针对建模过程中出现的RBF中心和宽度难以确定的难点,在分析蚂蚁算法机理的基础上,提出了使用智能蚂蚁算法对RBF神经网络模型的中心和宽度进行自适应选择,从而达到模型训练精度和范化能力的一个最优的平衡,进而提高模型的预报精度;在分析脱硫工艺原理的基础上,通过有效的数据预处理,最后进行仿真分析,其模型的预报精度好于传统脱硫静态模型,具有一定的实用性和推广价值。

智能蚂蚁算法在电力系统无功优化中的应用

为了快速有效地求解大型电力系统无功优化的问题,在蚁群算法的基础上,提出了一种基于局域网的智能算法,智能蚂蚁算法与蚁群算法相比,主要进行了几点改进:第一,取消了外激素;第二,自动调整选择最优路径的比例;第三,引入扰动以避免陷入局部优化,并给出其全局渐近收敛性,该算法作为一种新兴的优化算法,具有适用范围广,寻优能力强,程序实现简单等优点,很适合电力系统无功优化的特点。

Adaptive swarm-based routing in communication networks

Swarm intelligence inspired by the social behavior of ants boasts a number of attractive features, including adaptation, robustness and distributed, decentralized nature, which are well suited for routing in modern communication networks. This paper describes an adaptive swarm-based routing algorithm that increases convergence speed, reduces routing instabilities and oscillations by using a novel variation of reinforcement learning and a technique called momentum.Experiment on the dynamic network showed that adaptive swarm-based routing learns the optimum routing in terms of convergence speed and average packet latency.