基于最大最小蚁群系统的车载自组网路由策略

城市车载自组织网络中具有拓扑变化频繁,车辆分布不均匀等特性,因此如何选择下一跳车辆和确定最优传输路径是在复杂城市环境下设计高效路由协议的两个具有挑战性的问题.针对目前车载自组网中基于地理位置的算法具有下一跳车辆选取不合理,数据的传输路径缺少整体规划等问题,提出了一种基于最大最小蚁群系统的车载自组网路由策略.首先,采用基于分段连通度的最大最小蚁群探索机制进行路径探索.其次,采用基于接收节点驱动的转发机制优化数据包在车辆之间的多跳转发方式.仿真结果表明,与经典的基于地理位置的GPSR协议和基于GPSR协议改进的MM-GPSR算法相比较,本算法在数据包投递率和平均端到端时延方面均优于对比算法.

基于改进的最大最小蚁群算法求解电力线路最佳抢修路径

电力线路最佳抢修路径就是一条物资点到故障点耗费时间最少的交通路径。最大最小蚁群算法改善了基本蚁群算法的过早停滞现象,适合于求解大规模问题,但仍存在收敛速度慢、求解质量差等缺点。针对最大最小蚁群算法的不足,提出了一种改进的最大最小蚁群算法来求解电力线路最佳抢修路径。该算法采用分段函数设置状态转移规则,结合噪声扰动方法进行局部搜索,并利用变异思想和A*算法产生邻域解。仿真实验表明,在求解电力线路最佳抢修路径时,该算法比其他改进蚁群算法具有更多的优越性,并分析了噪声扰动方法的参数对求解质量的影响。

基于并行遗传-最大最小蚁群算法的分布式数据库查询优化

针对分布式数据库中关系及其分片多副本、多站点存储的特性会增加查询搜索空间及时间复杂度,从而降低查询执行计划(QEP)搜索效率的问题,提出一种基于分片分配选择器(FSS)设计准则的并行遗传-最大最小蚁群算法(PGA-MMAS)。首先,结合实际的企业分布式信息管理系统设计FSS,启发式选择较优关系副本,以减少查询连接代价并缩小PGA-MMAS的搜索空间;然后结合遗传算法(GA)收敛较快的优势,对最终连接关系进行编码和并行遗传操作,得到一组相对较优的QEP,并将其转化为并行最大最小蚁群算法(MMAS)的初始信息素分布,从而使其更快速地搜索到全局最优QEP;最后分别在不同关系数情况下对算法进行仿真实验,结果表明,基于FSS的PGA-MMAS搜索最优QEP的效率高于原GA以及基于FFS的GA、MMAS和GA-MMAS;经实际工程应用验证,所提算法搜索出的高质量QEP可以提高分布式数据库多关系查询效率。

自适应和最大最小蚁群算法的物流车辆路径优化比较

针对物流车辆路径优化问题,考虑到基本蚁群算法有收敛速度慢、易陷入局部最优的缺点,采用了自适应蚁群算法和最大最小蚁群算法进行车辆路径优化,分析、比较了这两种算法的不同并在Matlab上做了仿真。仿真实验结果显示自适应蚁群算法在收敛速度和寻找最短路径上都略逊于最大最小蚁群算法,最大最小蚁群算法在物流车辆路径优化上优于适应蚁群算法。

基于最大最小蚁群算法的多卸载点车载装箱模型研究

针对多卸载点、多种货物、多车承运中的箱式货车装箱问题,为需要在不同地点卸货的货物生成货物装卸序列。建立了基于体积、重量和装卸距离的数学模型,定义了各类装箱约束条件,首先按照装箱规则和装箱约束生成一个可行解作为蚁群算法的初始解,再根据蚂蚁在货物上寻路的特点定义了信息素和选择概率公式,通过最大最小蚁群算法在一定的循环次数内求得最优解,从而达到最大化货车的装载利用率和体积利用率的目标。最后通过一个实例证明了该方法的合理性和有效性。

基于最大最小蚁群算法的智能装载方法

三维装箱问题在现实生活中有着广泛的应用,是具有复杂约束的组合优化问题,理论上属于NP-hard问题。针对贪心算法通常得到的是局部最优解以及基本蚁群算法存在不足等问题,本文首先给出了启发式装箱规则,然后结合最大最小蚁群算法对装载顺序进行优化,提出了一个求解三维装箱问题的混合蚁群算法,最后通过实验对比验证了该算法的有效性和优越性,并给出了三维效果展示图。

基于异构平台的并行最大最小蚁群算法

最大最小蚂蚁系统(Max-min Ant System,MMAS)是一种性能优良的启发式算法,常用于解决组合优化问题.当解决的目标问题规模较大、迭代轮次较多时,最大最小蚁群算法存在运行时间长的缺点.试验以开源串行包ACOTSP为基准,利用GPU多线程并发的优势,采用并行蚂蚁策略将MMAS在CPU-GPU协同异构计算平台上并发实现.算法在GPU上运行时的影响因素,如数据传输、内存层次、库函数调用等,也得到有效分析,并作出针对性优化.试验最终取得了高达13倍的加速,表明并行MMAS策略具有高效性和实用性.

基于改进最大最小蚁群算法的方格蔟采茧机采茧路径优化

方格蔟自动采茧机对纸板方格蔟进行采茧时,电磁采摘器需遍历整个方格蔟,由于方格蔟中存在较多的未营茧空格,还有部分黄斑茧等下茧,造成方格蔟采茧机遍历无效路径长、采茧效率低。为了提高方格蔟采茧机的采茧速度和采茧效率,实现采茧机的选择性高效采茧,对基于最大最小蚁群算法的信息素更新方式和状态转移概率函数进行改进并应用于方格蔟采茧机采茧路径优化,使采茧路径和时间更短。试验结果显示,对于不同营茧率的方格蔟,采用改进的最大最小蚁群算法较最大最小蚁群算法的采茧效率均有不同程度上的提高,当营茧率在75%~90%时,采茧路径节约率为3.8%~4.1%,时间节省率为10.0%~12.8%。

相关性分析和最大最小蚁群算法用于脉搏信号的情感识别

针对脉搏信号的情感识别问题,提出了一种相关性分析和最大最小蚁群算法相结合的方法,找出了对情感识别模型构建具有较好性能的稳定特征子集。首先将原始特征用序列后向选择(SBS)方法排序,然后利用线性相关系数分析法计算特征间的相关度,并根据排序结果去除部分相关度较大的特征,最后针对筛选后的特征子集用最大最小蚁群算法进行特征选择,并结合Fisher分类器对高兴、惊奇、厌恶、悲伤、愤怒和恐惧6种情感进行分类。实验结果表明,该方法能在原始特征集合中找出更稳定有效的特征子集,从而建立起有效的情感识别模型。

混合最大最小蚁群算法在VRPTW中的应用

为解决有时间窗车辆路径问题,采用两个最大最小蚁群系统,一个蚁群最小化车辆数量,另一个蚁群最小化旅行距离。通过分析有时间窗车辆路径问题和旅行商问题的区别,改进了最大最小蚁群算法中状态转移策略,并增加与可用车辆相同数量的虚拟仓库,使这两个蚁群使用独立的信息素但通过分享全局最优解来协作,算法还结合了2-opt局部搜索,从而减少了算法的计算时间并避免过早收敛。仿真实验结果表明,该算法性能优良,能有效地求解有时间窗车辆路径问题。

最大最小蚁群算法在实际GSM系统中频率规划的应用

探讨了应用最大最小蚁群算法(MMAS)来解决移动通讯系统(GSM)的频率规划问题。基于MMAS提出了一个可方便地控制算法的探索和开发能力并使之平衡的参数。实验结果表明,通过优化该参数,显著提高了算法的性能。

基于最大最小蚁群算法求解最小点覆盖问题

最小点覆盖问题是组合优化中经典的NP完全问题.最大最小蚁群算法通过对信息素浓度的限定使其不会在好的顶点上变得更强,也不会使过弱的点被忽略从而避免了局部最优现象的出现.针对最小点覆盖问题使用最大最小蚁群算法进行求解,避免了蚁群算法求解最小点覆盖问题时出现的早期停滞现象,通过实验表明算法对最小点覆盖问题的可行性.

基于最大最小蚁群算法的含分布式电源的配电网重构

以配电网网损最小为目标函数,将最大最小蚁群算法应用于含分布式电源(DG)的配电网重构。在重构过程中,基于生成树来形成辐射网保证了蚂蚁路径均满足网络拓扑约束,提高了计算效率。最大最小蚁群算法通过设置各支路信息素的最大最小值以及采用信息素全局更新方式,既可以避免基本蚁群算法易陷入局部最优解的弊端,又保证了收敛速度。基于Matlab编程,对IEEE69节点配电网进行仿真分析,配电网重构后,网损大大降低,节点电压有效提升,验证了该方法的可行性。

基于最大最小蚁群算法的虚拟机整合

云数据中心能量高消耗问题引起人们的关注,而动态的虚拟机整合为云数据中心的高耗能问题提供了新的解决办法,虚拟机的整合方法是让处于超载、欲超载、低载物理机上的虚拟机发生迁移,使迁移后的物理机处于关闭或低耗能模式。提出了一种最新的动态整合虚拟机方法 -基于最大最小的虚拟机整合算法(MMAS-VCM)来减少云数据中心能量消耗。通过MMAS-VCM算法对虚拟机进行动态整合实现多目标优化问题,减少虚拟机的迁移次数,减少云数据中心能量的消耗。通过cloudsim-3.0仿真实验验证MMAS-VCM算法在减少能耗和虚拟机迁移次数方面的性能大大提高。

一种基于改进最大最小蚁群算法的虚拟机放置策略

云计算是一种能够将可伸缩的虚拟化资源利用网络分配给用户的商业模式。因为用户申请的虚拟资源就是由物理服务器所提供的,所以由物理服务器组成的数据中心在云计算中扮演着重要的角色。随着数据中心的不断扩大,其消耗的电能以及造成的资源浪费也越来越不能忽视了。论文将一种改进的最大最小蚁群算法应用于虚拟机的初始化放置问题中,在满足客户服务质量的前提下,使得消耗的物理资源和网络资源达到最小。

基于最大最小蚁群算法的TSP问题求解

TSP问题是一类经典的组合优化问题，为典型的NP—Hard问题。本文考虑574城市的TSP问题求解，采用最大最小蚁群算法，蚁群算法在求解路径优化问题方面较其他智能优化算法显示了优越性。由于基本蚁群算法容易陷入局部最优和早熟现象，本文采用最大最小蚁群算法进行求解。由于问题规模过大，最大最小蚁群算法在进化后期，也陷入了局部最优中。为了克服均不最优，在进化的后期需要进行随机扰动，提高求解的质量和效率。

基于最大最小蚁群优化算法的缓层土质三维边坡临界滑动面搜索

解决滑坡问题的关键在于边坡的稳定性分析,而边坡稳定性分析的要点在于边坡临界滑动面的搜索以及边坡安全系数的计算。为更准确地搜索边坡的临界滑动面,将最大最小蚁群优化算法应用于缓层土质三维边坡临界滑动面搜索。首先采用光滑有限元法结合莫尔-库伦强度准则对边坡模型进行弹塑性分析,计算得到边坡的应力场;然后在边坡内部构建一组独立于有限元法单元网格的条带结点网络,在此基础上引入最大最小蚁群优化算法,结合滑动面应力法建立搜索边坡临界滑动面并求取对应安全系数的计算模型;最后利用该计算模型分别对均质边坡算例、双层材料边坡算例和公路路堑边坡工程实例进行计算与分析。结果表明:通过将该计算模型的计算结果与二维极限平衡法和三维强度折减法的计算结果进行对比,并结合某公路路堑边坡实例的滑坡实际发展趋势,验证了该计算模型的有效性和准确性,可为缓层土质边坡的开挖和支护设计提供依据。

基于集群优化蚁群算法的加工空行程优化方法

针对航天壁板结构件空行程优化的大规模非对称性,提出一种将最大最小蚁群系统与节点集优化算法和3-opt局部搜索算子结合的集群优化蚁群算法。在该算法中,以腔体特征为单位进行编码,通过节点集优化算法在多项式时间内计算当前腔体序列的最佳进/退刀点的选择方案;腔体间的启发式信息跟随当前蚂蚁已访问过的路径而变化,其值为当前腔体的所有进/退刀点组合相对于前一腔体的空走时间的增量期望值;提出一种非对称问题的3-opt局部搜索算子,在Hamilton回路的邻域重组中不倒转路径方向,进而通过复用相邻节点集间的最短路径计算结果降低算法复杂度。该算法将两阶段问题作为一个整体进行求解,使得每次迭代都能找到当前最优解的最佳邻域,保证了求解效率和精度。

改进的求解TSP问题文化蚁群优化方法

在文化算法基础上提出了一种改进的用于求解TSP问题的蚁群优化算法。改进算法采用新的双层进化机制对文化算法的种群空间与信念空间进行了重新设计,用最大最小蚁群系统(MMAS)构建种群空间,在信念空间中对当前最优解进行改进的3-OPT交叉变换操作,由于采用了这种双层进化机制,种群空间获得了更高的进化效率。通过仿真实验结果表明,改进算法比传统的蚁群算法(ACO)、文化蚁群算法(CACS)效果更好,收敛速度更快,精确度更高。

基于回溯蚁群-粒子群混合算法的多点路径规划

景区多点路径规划问题是一个NP-hard问题,相当于寻找经过起始点和特定节点的最短路径。针对多点路径规划问题,提出了回溯蚁群-粒子群混合算法,该算法运用弗洛伊德(Floyd-Warshall)算法将图进行转换并且结合了蚁群算法和粒子群算法寻找最短路径。实验结果表明,此算法可以在小规模数据下快速找到精确解,同时,在较大规模数据量下,可以得到比最大最小蚁群算法和遗传算法更好的结果。