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.

基于自适应蚁群算法的岛礁混合发电系统电源容量优化方法

[目的]针对岛礁混合发电系统电源容量配置存在的问题,提出一种基于自适应蚁群算法(ACA)的优化方法。[方法]采用自适应蚁群算法作为核心优化工具,对岛礁混合发电系统的电源容量进行配置。通过采用自适应蚁群算法模拟蚁群寻食过程,在搜索空间中以可再生能源发电量作为信息素,通过全局搜索找到最优解,实现对可再生能源的充分利用。并以外伶仃岛为目标岛礁,搭建“风光柴储”微电网混合发电系统模型,采用自适应蚁群算法优化配置其容量。[结果]算法仿真结果表明,相较于改进灰狼算法和人工蜂群算法,自适应蚁群算法能够有效降低微电网混合发电系统的运行成本和对环境的污染,确保供电稳定性。[结论]所做研究能够有效增加微电网混合发电系统的供电稳定性,减少运行成本与环境污染,从而实现对能源的高效利用。

基于改进蚁群算法的电力集控系统故障诊断方法

针对提高供电连续性和可靠性,保证电能质量的目的,采用基于改进蚁群算法,提出了电力集控系统故障诊断方法。通过传感器和数据传输接口形式获取电力集控系统实时运行信息,将其作为输入,建立电力集控系统故障诊断模型。运用改进蚁群算法对电力集控系统故障诊断模型进行求解,通过蚂蚁迭代方式得到电力集控系统故障诊断模型的最优解,实现电力集控系统故障诊断模型求解。实验表明,该方法具备较好的电力集控系统故障特征提取能力和故障诊断能力,同时其故障诊断时的容错率数值较低,数值在0.2%上下波动,求解电力集控系统故障诊断模型的迭代能力较强。

基于蚁群优化算法的计算机网络通信安全加密系统

为提升当前计算机网络通信的安全水平,本文基于“蚁群优化算法”设计一种计算机网络通信安全加密系统。本文首先简述蚁群优化算法的基础,指出计算机网络通信安全的重要性,其次引出基于蚁群优化算法的加密技术,并进行案例分析。最后通过案例分析,表明所设计的计算机网络通信安全加密系统,在平均加密时间、平均解密时间、系统吞吐量和系统加密强度方面,优于其他算法,切实提升当前计算机网络通信安全水平,十分有效,值得推广。

基于多级并行蚁群算法的智能医疗建筑综合布线系统设计

最小生成树算法(Minimum Spanning Tree,MST)是一种用于在加权连通图中找到最小生成树的算法。其目标是选择连接所有顶点并且边权重之和最小的边的子集。改进的A算法通过动态评估优先级来进行搜索。这种评估方式能够通过启发信息的引导。由于智能医疗建筑综合布线系统架构复杂,导致最小树算法、改进A*算法在安全方面较差,因此,提出基于多级并行蚁群算法的智能医疗建筑综合布线系统设计。在系统的硬件设计上,设计配线架,之后进入嵌入式处理器,最后到达随机存取存储器。在系统的软件设计上,构建医疗建筑综合布线路径的目标函数,根据目标函数,建立布线规划约束条件,完成基于多级并行蚁群算法的最优建筑预埋布线方案求解。对该系统进行性能测试,结果表明,该系统在耗时方面表现较为稳定,满足实际应用需求。

基于改进蚁群算法的5G通信网络传输系统设计与实现

在现代通信网络技术的发展中,5G通信技术由于其高速、低延迟以及大容量的特性成为关键发展方向。文章论述蚁群算法的基本原理及其在通信网络中的应用,探讨基于改进蚁群算法的5G通信网络传输系统的设计,包括系统架构设计、技术集成、系统优化以及系统评估,并通过应用测试验证所提方法的有效性和优越性。

基于改进蚁群算法的泊车系统路径规划

针对智能立体车库中自动导引运输车（Automated Guided Vehicle,AGV）存取车路径规划问题,提出一种基于改进蚁群算法（IACO）的泊车系统路径规划方法。首先利用栅格法建立环境模型;其次,通过引入新的距离启发函数因子、调整状态转移概率和更改信息素更新规则对传统蚁群算法（TACO）进行优化改进;最后,在不同规格栅格环境下,以路径长度最短、算法收敛代数最小为评价指标,以传统蚁群算法和改进蚁群算法为搜索策略,运用Matlab对AGV存取车路径规划过程进行仿真测试,结果显示：AGV运用传统蚁群算法和改进蚁群算法均能有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与传统蚁群算法相比,改进蚁群算法规划的路径长度最短,开始收敛代数最小,表明改进算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划要求。

基于Dijkstra-蚁群算法的泊车系统路径规划研究

针对智能停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于Dijkstra-蚁群算法(Dijkstra-ACO)的泊车系统路径规划方法.首先利用链接可视图法建立环境模型,并在此环境模型下,采用Dijkstra算法规划出AGV的初始路径;其次,通过引入节点随机选择机制、调整信息素更新方式和限定信息素阈值策略等对基本蚁群算法进行优化改进;最后,选用改进的蚁群算法对初始路径进行优化.结果显示:Dijkstra算法和混合算法均能使AGV有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与Dijkstra算法相比,混合算法能有效提高路径搜索效率,缩短搜索路径长度,改善搜索路径质量,表明该算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划的要求.

广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用

提出了一种结合广义蚁群算法和粒子群算法的优化算法,并将其用于求解复杂的非凸、非线性的电力系统经济负荷分配问题。该结合算法同时具有广义蚁群算法的大规模寻优特性和粒子群算法的较强局部搜索能力,在确保全局收敛性的基础上,能够快速搜索到高质量的优化解。多个算例的仿真结果表明了该结合算法的有效性和可行性。

基于广义蚁群算法的电力系统经济负荷分配

提出了一种可用于求解一般形式的非凸、非线性约束优化问题的广义蚁群算法, 以用于求解复杂的非凸、非线性电力系统经济负荷分配问题。与用于组合优化的蚁群算法类似,该算法运用了正反馈、分布式计算和贪婪式启发搜索。基于不动点理论,给出了该算法收敛的充分条件。多个算例结果表明,文中提出的算法是有效可行的。

基于协同工作方式的一种蚁群布线系统

基于协同学习机制的蚁群算法ＡＣＳ已成功应用于求解ＴＳＰ问题．本文基于蚁群的协同工作机制，提出了一种其内涵扩充了的增强蚁群算法（ＩＡＣＳ）．利用此新算法设计了一个开关盒（Ｓｗｉｔｃｈｂｏｘ）布线程序，并用ＪＡＶＡ语言加以实现．针对几个算例计算的结果，证明该程序可获得比ＷＥＡＶＥＲ、ＭＩＧＨＴＹ、ＢＥＡＶＥＲ、ＧＡＰ基准例低的计算复杂度．

蚁群算法中系统初始化及系统参数的研究

蚁群算法作为近年来一种新的模拟进化算法具有较强的发现解的能力,但同时也有收敛慢、耗费时间的缺点.本文针对各种不同规模的TSP问题,通过实验对各参数的设置做了研究,并对蚂蚁初始化提出了新的算法,并进行了实验验证.

广义蚁群算法用于电力系统无功优化

将广义蚁群算法用于电力系统无功优化,建立了相应的的无功优化模型和求解算法,并比较了几种改进方法对优化结果的影响。通过IEEE 6,14,30节点系统仿真计算以及与传统优化方法的比较,表明所提出的方法是有效、可靠的。

基于改进蚁群算法的海上风电集群输电系统拓扑优化

大型海上风电集群的输电系统成本较高,针对输电系统的拓扑优化可以有效提高系统经济性。为了解决输电海缆路径受风电场布局限制可能导致海缆随意穿越风电场区域问题,文章建立了考虑海缆可行路径约束的风电集群输电系统的经济性模型,通过设计蚁群算法对该优化问题进行求解,并从择路策略和信息素更新策略计算方法等方面对传统的蚁群算法进行了改进。以江苏如东海上风电场作为实际工程进行算例分析,结果表明:相比目前工程规划方案,所建模型可以有效提高系统经济性;相比传统蚁群算法,改进蚁群算法的优化效率大大提高。

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高 ,一直是一个非常重要而且又非常困难的问题 .特别是问题的规模很大时 ,目前各种算法计算就非常困难 ,有的甚至无法得到合理的方案 .蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法 .根据工件排序问题的特点 ,建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型 .在蚁群算法的基础上对其进行了改进 ,成功地把改进的蚁群算法用于工件排序问题的优化中 .通过与其他算法的仿真比较 ,表明基于蚁群系统的算法是有效的 。

基于蚁群算法的电梯群控系统节能策略的优化研究

电梯群控系统的目标是分配电梯服务以满足各层客户的呼叫需求,属典型的组合优化问题,而蚁群算法常用于解决离散组合优化问题.其良好的全局优化能力与快速收敛特性适合于电梯群控.然而当前的调度算法主要集中在减少乘客的等待和乘坐时间上,却忽略了电梯群的耗能问题.为实现节能的目标,建立了能量目标函数和电梯群控系统的蚁群模型,并给出了优化方案和收敛的算法.模拟结果证明了算法的有效性.

用于供水系统直接优化调度的蚁群改进算法

在城市供水系统中建立了多目标在线直接优化调度模型,并对影响优化调度的各方面因素进行了系统的分析和挑选。使用化多为一的乘除法,将该多目标决策问题转化为单目标问题求解,提出了使用乘法形式的罚函数将模型中的约束函数转化为目标函数。采用蚁群算法求解调度模型。为了更好地得到全局最优解,对算法进行了改进,加入了更多的决策点,实现蚁群算法的二进制编码方法,并采用单只最优蚂蚁更新路径上的外激素值、外激素值限定在一定范围内等改进方法。使用改进算法实现了某小区供水系统的直接优化调度,并与遗传算法优化调度的过程进行了对比,新算法在优化时间及得到最优解的次数上都优于遗传算法。

基于蚁群系统的多QoS约束组播路由算法

针对多QoS约束的组播路由问题,借鉴改进的蚁群系统,提出了一种新的QoS组播路由算法QCMR-ACS(QoSConstraintsMulticastRoutingbasedonACS).QCMR-ACS通过构建确定性选路概率函数和基于Prufer编码的变异操作,加速算法的收敛速度;对信息素实行多个独立QoS约束的惩罚性更新策略,使算法满足用户的QoS要求;考虑到网络实际应用,算法设计中引进了基于链路利用率的负载均衡和拥塞规避重路由策略,提高算法的鲁棒性.实验结果表明QCMR-ACS是一种正确、有效的QoS组播路由算法.

基于蚁群算法的复杂系统脆性研究

针对复杂系统的研究,提出了一种复杂系统脆性分析的方法。建立了复杂系统脆性的赋权图模型,以图的边描述子系统之间的脆性联系,边的权值描述子系统之间的脆性联系程度。而且定义了系统最大崩溃路径,并且提出了一种求解系统最大崩溃路径的蚁群算法。为了进一步说明问题,又以24-Bus IEEE测试系统为例验证了新算法,并对算法中参数的选取进行了讨论。

基于蚁群优化算法的电力系统暂态稳定评估特征选择

暂态稳定评估的特征选择是一个典型的组合优化问题。针对该问题解的离散性特点,提出基于蚁群优化算法的特征选择方法。该方法以最小二乘支持向量机作为暂态稳定评估分类器,以分类错误率最低和特征选择比率最小为优化目标,通过二进制编码形式的蚁群优化算法实现特征的选择。这样能选择出计及分类器特性的最优特征子集,减少了特征维数,提高了分类正确率。通过对综合程序EPRI-36节点系统的仿真计算,验证了该方法的有效性。