Ad hoc网络稳定的蚁群多路由算法

针对Ad hoc网络路由协议中存在的路由老化和对拓扑变化适应性差的问题,提出了一种基于稳定拓扑和蚁群优化的多路由算法(SAMR),路径质量由路径的拓扑稳定度和时延来度量,并映射为蚁群信息素,利用蚁群优化进行路由的动态更新和维护,以避免路由老化。仿真表明,在动态环境下SAMR相比AODV能提高网络的吞吐量、降低传输时延。     

求解QoS组播路由问题的改进蚂蚁算法

蚂蚁算法是一种相对较新的启发式方法，通过模拟蚂蚁的觅食行为，提出了求解QoS组播路由问题的改进蚂蚁算法。仿真实验表明，该算法能以较高速度收敛，有效地解决QoS组播路由问题。     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

基于蚁群算法的低能耗LEACH协议分析

针对无线传感器网络路由协议LEACH(低功耗自适应分层路由)算法中簇首与Sink节点直接通信的问题,提出了一种基于蚁群算法的LEACH 算法.该算法利用蚁群算法简单易于实现、支持多路径的特点,通过相邻簇首节点间的距离和剩余能量值,在整个网络中建立和更新簇首间的信息素浓度,形成簇首间多跳路由.仿真结果表明,与LEACH算法相比,该算法在能量消耗与延长网络生存周期等方面具有更好的性能.     

基于Overlay-Underlay的功率控制路由算法

对现有混合式认知无线电网络频谱共享模型进行改进,解决了现有路由算法在干扰与时延处理方面的缺陷,提出了一种基于Overlay-Underlay频谱共享的路由算法。该算法以着色图为路由分析模型,以最短路径和链路状态作为路由指标,以最小累积干扰为信道分配指标,优先接入空闲授权信道,否则利用功率冗余接入,发展了一种具有功率控制的端到端路径选择和信道分配方法。仿真研究结果表明了该算法的有效性,与现有路由算法相比,提高了网络吞吐量,降低了丢包率和端到端时延。     

基于定位辅助按需拓扑维护的超宽带自组网路由算法

提出了一种基于定位辅助按需拓扑维护的超宽带自组网路由算法,该算法利用超宽带技术精确定位信息所获得的网络拓扑信息和路由信息进行分组转发,路由维护阶段在定位信息辅助下采用按需方式进行断链路由的修复和拓扑维护,通过基于位置信息的按需路由发现和限制路由查找范围,以及定位信息和网络拓扑信息的及时更新,在降低协议开销的同时保证了算法的有效性。仿真表明,该算法在分组丢失率、平均端到端时延和路由附加开销等方面具有良好性能,其优良的分布式控制特征能适应超宽带自组网的动态环境。     

基于蚁群算法的校服衣片排样优化算法

蚁群算法是一种仿生类进化算法,通过模拟信息素更新和节点转移策略,求解出优化组合问题的最优解。针对某校服厂衣片的特殊性,采用更精确的梯形包络。在此基础上,用蚁群算法对包络梯形进行求出排样序列,并用基于最低水平搜索算法得出排放位置。根据提出的算法,设计了程序代码,并与矩形包络和遗传算法进行对比,验证了方案的可行性和有效性。     

基于改进蚁群算法的商业银行信用风险评估方法

对原蚁群算法的转移概率和信息素更新机制进行改进,并首次将蚁群算法应用于商业银行的信用风险评估问题,取得满意的结果。通过将计算结果与回归分类算法、判别分析和遗传规则进行比较,表明应用该算法解决商业信用风险问题更加有效。     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

组合蚁群算法及其化工应用

针对连续空间优化问题,提出基于新型蚁群算法和模式搜索策略的组合蚁群优化算法。该算法将解空间的每维变量都划分成若干子域,根据每维变量各个子域中信息量占每维变量总信息量的比例来决定蚂蚁在各个子域间的转移,并在各子域中引入遗传操作实现蚂蚁品质的提升。同时,当最优解经过若干代没有改进时,对所有蚂蚁通过模式搜索策略加快收敛进程。以非线性连续优化问题为例进行仿真,结果表明:该方法比遗传算法具有更好的性能。最后,将该算法应用于反应动力学模型参数估计,取得良好的效果。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配 送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算 法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算 法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

路由选择的一种新遗传算法

提出了应用于QoS路由选择的一种新遗传算法,该算法给出了基于跳数优先原则的初始种群生成办法,以及邻近交叉和前向变异两个关键算子。算法的主要优点表现为初始种群生成独立于网络拓扑的度量参数,交叉产生了多样性新个体,以及变异有效抑制算法退化等。对随机生成的不同规模的网络拓扑结构进行仿真,结果表明该算法是有效的。     

有缺货限制的VRP蚂蚁算法研究

在经典VRP的基础上，结合实际背景提出一种缺货情况下的车辆路径问题，并给出基于蚂蚁系统寻优思想的求解方法。经大量数据测试，获得了较好的结果。     

改进蚁群算法在合肥市包河区果蔬配送中的应用研究

路径优化是运输过程中必须考虑的问题。合理的路径既节省时间成本,又提高工作效率。文章引入蚁群算法和改进蚁群算法,利用算法的优越性,解决合肥市包河区处于快速发展状态下居民对果蔬需求的现实性,进而需要研究果蔬配送过程的路径问题,基于找出最优路径解,运用蚁群算法与改进蚁群算法解决果蔬配送,并对两种算法求出的解进行对比分析,找出最短路径,结果说明解决包河区果蔬配送路径的必要性,也说明算法在新环境中的适应性。     

基于两阶段算法的带时间窗车辆路径研究

车辆路径问题(VRP)是研究在规定区域内如何规划车辆行驶轨迹来提高运输效率的调度问题。实际生活中往往有顾客对服务时间有自己的要求,因此对于特定时间内车辆路径问题(VRPTW)的研究不但可以提高运输行业配送水平,而且可以有效提高顾客满意度及车辆利用率,实现资金合理配置。通过研究大量配送环节的VRPTW问题并结合实际配送需要,构建运输成本最小的带有惩罚函数的目标函数并设计两阶段算法,将聚类分析和改进遗传算法相结合。通过MATLAB仿真计算和对实验结果进行比较,验证所建模型及算法设计能够有效解决实际问题,降低配送成本。     

一种基于MPLS业务量工程的选路机制

分析了诸如受限路由等传统QoS路由机制业务震荡现象出现的原因给出了呼叫级QoS路由和分组级QoS路由的概念在此基础上提出了多标签QoS路由机制(MLR)作为一种分组级QoS路由机制多标签QoS路由机制不仅能够从理论上避免业务震荡现象的出现同时由于采用了业务量工程的业务均衡的思想从而提高了全网的业务性能指标仿真的数据结果可以在同时运行实时业务和非实时业务下得到     

TSP及其扩展问题的混合型启发式算法

就经典的旅行商问题（ＴＳＰ）及其扩展形式;瓶颈问题、多目标问题等给出一种混合型启发式算法,并知微机上予以实现,为困难的扩展型ＴＳＰ提供了新的求解手段。     

集配货一体化VRP问题的具记忆功能的模拟退火算法研究

针对集配货一体化车辆路径问题的特性,建立了考虑配送车辆出行固定成本、车辆出发满载系数等因素的更加符合实际的数学模型;并设计了一种带记忆功能的模拟退火算法求解模型,确保输出结果是每次寻优的最优解;最后通过算例计算,结果表明,算法求解更优,稳定性更好,计算效率也较高。