自适应调整挥发系数的逆向蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生并行智能进化系统。它具有很多优良的性质,但同时也存在一些缺点,如运算过程中收敛速度慢,易出现停滞现象等。基于上述不足提出了一种自适应地调整挥发系数的逆向蚁群算法,在逆向蚁群算法的基础上自适应调整挥发系数ρ,提高了算法的性能,使算法比传统蚁群算法相比不仅更有利于全局寻优而且对其收敛速度有了很大地提高。将该算法用于旅行商问题,模拟计算结果显示该算法具有更强的全局最优解搜索能力,收敛速度上也有很大提高。

基于精英策略的逆向蚁群优化盲检测算法

介绍了基本蚁群优化算法在信号盲检测中的应用。发现基本蚁群优化算法存在慢收敛且易停滞等问题。为了解决基本蚁群算法存在的缺点,提出了基于精英策略的逆向蚁群优化盲检测算法:采用精英策略和增加蚁群种类,即向原始蚁群中引入逆向蚂蚁来提高算法全局寻优能力。这样既加强了正反馈作用,又加快了收敛速度。仿真结果表明,将该算法应用于盲信号的检测可以直接快速地恢复发送信号,且收敛速度和全局寻优能力都得到很大的改善。

基于蚁群路由协议的局部修复算法

在无线网络中,当由节点频繁移动而引起通信链路发生故障时,路由协议需要对其进行修复,才能保证正常通信。现有路由修复机制存在控制开销大和时延长的不足,而且大多数为针对AODV(Ad Hoc On-demand Distance Vector Routing)路由算法的修复,难以充分保证链路性能,并且存在链路重构后链路再次失效的缺点。基于此,提出一种基于蚁群路由算法的局部修复算法。首先,选取稳定性高的节点发起路由修复,以降低链路修复后的不稳定;其次,将修复范围限定在较小的局部范围内以减小控制开销和时延。仿真表明,改进的路由局部修复算法明显地提高了链路的稳定性,缩短了修复时间,降低了路由开销。

一种求解高校路网的改进蚁群算法策略与应用

针对标准蚁群算法易陷入早熟收敛的缺陷且为求解高校路网问题,提出一种求解高校路网的改进蚁群算法。该算法引入了一定比例的逆向蚁群与自平衡搜索策略,以平衡两种群求解并判定算法是否陷入局部最优,采用改进的状态转移概率算子引导蚁群转移,有效提高算法性能,增加种群多样性。实验以Visual Studio2005中C++编程实现仿真,结果表明此算法不但能有效求解高校路网最短路径,而且改进的算法收敛精度高,有效克服了早熟收敛问题。