摘要：针对已有蚁群优化路由算法容易出现拥塞的"枢纽"节点的缺点,提出一种改进的基于蚁群优化的Ad Hoc网络QoS路由算法。通过综合考虑节点的拥塞情况和剩余能量,引入节点健康状况概念,即节点剩余能量越多、发送队列中数据包越少,该节点越健康,利用该概念修改信息素更新规则,快速增加与健康节点相关联的连接信息素,使算法更快找到性能好、稳定性高的路径。与已有路由算法ARMAN和AODV进行仿真比较,比较结果表明,该算法在一定程度上降低了端到时延,提高了分组投递率。

摘要：针对蚁群算法在求解交通网络两点之间最短路径时存在收敛速度慢和容易出现停滞现象等缺点,为提高搜索效率,提出了一种改进的蚁群算法。通过在初始化信息素时加入方向引导因素,减少了劣质解,提高了解空间的质量;设计一个动态因子,使其自适应地更新全局信息素,很好地利用了较优的解,提高了全局搜索能力,避免算法求解出现早熟。仿真结果表明,不但在收敛速度有大幅度地提高,而且在避免易于陷入局部最优解方面取得了很好的效果。实例证明了改进算法是可行有效的。

摘要：运输调度问题是一类复杂的组合优化问题,是近年来物流控制优化中的研究热点。通过对基本蚁群算法中的选择策略和信息素挥发速度的改进,提出了一种新的蚁群算法,克服了基本蚁群算法搜索时间长、易陷入局部最优解等缺陷,将其用于求解一类运输调度问题,实验发现算法有效,并且对于规模越大的问题,相对其它算法有更优的解。

摘要：通过对P2P中资源搜索技术的研究,针对非结构化P2P网络中的传统洪泛搜索机制中的路由盲目性和产生过多冗余消息等缺点,提出一种基于蚁群算法的非结构化P2P搜索机制。蚁群算法是一种新型的优化算法,利用蚁群算法信息素的正反馈机制指导查询请求消息的转发,将查询请求消息尽量发往资源可能存在的节点上。实验结果表明,该算法在查询成功率和查询消息的传送次数方面都优于洪泛搜索算法,提高了算法的有效性。

摘要：针对现有云计算资源调度算法收敛速度慢、求精解效率低等问题,有机结合遗传算法的全局搜索能力快和蚁群算法的正反馈收敛求解效率高的特点,提出一种资源调度算法。采用遗传算子生成初始信息素分布,在此基础上,通过双向收敛蚁群算子求出精确解。实验结果表明,该算法在求解精度和收敛速度方面具有优越性,是一种有效的云计算资源调度算法。

摘要：为了提高移动机器人点对点路径规划的性能,提出了均匀粒子群蚁群融合算法。首先分析了粒子群算法原理,找出了导致算法"早熟"的搜索机制缺陷,提出了均匀粒子群算法,此算法改进了粒子群算法的搜索机制,保证了在迭代过程中的粒子多样性,克服了算法"早熟"问题;介绍了蚂蚁系统和蚁群系统算法的区别,提出了均匀粒子群蚁群融合算法,首先使用均匀粒子群算法搜索次优路径,在此路径上撒播信息素,然后使用蚁群算法寻找最优路径。实验结果表明,融合算法规划出的路径最短,而且迭代效率高、容错能力强。

摘要：为进一步掌握网格资源动态运行状态,以便合理调度网格资源,提高任务执行效率,提出了一种基于改进蚁群算法的网格资源调度策略。该算法引入了一个网格资源空闲所需时间向量F,通过向量F动态调整网格资源负载情况,达到快速实现遥感资源空间检索的目的。从仿真实验结果可以看出,改进蚁群算法比蚁群算法和其他算法更优,网格资源的利用效率更高。

摘要：利用改进的二进制蚁群算法,根据试卷总分值、考试时间、试卷平均难度、知识点分值、试卷区分度、题型分值6个约束条件,建立多任务、多目标约束组卷模型;然后利用改进的层次分析法确定组卷目标的权重,通过加权离差模型对智能组卷问题进行建模;最后利用二元蚁群算法求解模型,得到最优组卷方案.层次分析方法比较全面地考虑了出题者的主观因素,而二元蚁群算法充分利用了蚁群算法的智能特点,二者相结合能有效地提高智能组卷的成功率.

摘要：由于基本VRP算法收敛速度慢,易于陷于局部最优等缺点,现对VRP进行了一些改进,在每次循环中所有蚂蚁都是从起点出发结束于终点,同时在原始的蚁群算法上增加了节点信息素更新策略以及对所有节点改进使得每个节点都有记忆功能,提出了一种基于基本蚁群算法的有节点信息素更新和记忆功能的算法模型。仿真结果表明,基于改进的蚁群算法模型在寻找最优解时表现出很高的效率,优于现有的启发式算法的解,是一种有效的算法,该算法也适用于并行计算和应用。

摘要：AGV路径规划问题是AGV研究领域的一个关键技术问题.针对传统的蚁群算法耗时长,搜索效率低,容易出现次优的缺点,改进了计算基本蚁群算法启发因子的方法;提出了优胜劣汰机制以及全局信息素调整方案,合理地更新了路径规划中的信息素;利用最大最小蚂蚁系统对路径上信息素进行了限制;研究了路径规划中死锁问题的解决方法.最后给出了基于改进蚁群算法的AGV路径规划步骤并进行了仿真实验.仿真实验结果表明,在该算法作用下,AGV路径规划的搜索效率优于传统蚁群算法,且规划路径更短,提高了搜索的准确性.