用新型蚂蚁算法求解QoSR问题

网络服务质量路由是计算机网络理论研究的重要领域，QoSR问题是一个NP完全问题．蚂蚁算法在近几年内逐步得到推广和应用，文中在研究蚂蚁算法后，保留蚂蚁算法的信息索概念，提出了一种新型的蚂蚁算法，即蚂蚁在寻找路径时，放弃按概率的方式跳转结点的寻路方式，采用按信息索较少的路径跳转结点的寻路方式，以解决QoSR问题．通过实际编程和计算，该算法能均匀搜索每条路径，对于单个参数约束，能很快达到最优解，对于多个参数约束，能找到最优解．经过对该算法的分析，其时间复杂性与蚂蚁跳转结点的次数是线性关系．     

新型蚂蚁算法可达性证明与性能分析

网络服务质量路由是计算机网络理论研究的重要领域,它是下一代互联网的核心技术之一,新型蚂蚁算法作为探索类算法可用于解决QoSR问题.在研究新型蚂蚁算法后,证明了在一个连通的有限网络中,蚂蚁经过有限步移动后,可到达网络中的任意一个结点.对新型蚂蚁算法的最优性、简单性、鲁棒性、收敛性、灵活性等5种性能指标进行定性分析;对该算法的时间复杂性进行定量分析,并与有关算法进行比较.     

用扩展Dijkstra算法求解QoS问题的极限值及路由

网络路由是网络研究的核心问题，随着网络的发展和网络应用的快速增长，对网络路由提出了更高的要求，网络服务质量路由QoSR(quality of service routing)的研究因此成为计算机网络的重要领域．文中提出了一种扩展的Dijkstra算法，以解决4类QoS参数约束的QoSR问题，该算法能找到每类参数约束的极限值，找到延时、抖动、带宽约束和可靠性约束的较优解，并对该算法进行了复杂性分析与比较，找到QoS参数的极限值对进一步采用探索类算法求解QoSR问题有着重要的意义．     

一种新的分区回溯算法

在传统回溯算法及其时间和空间复杂性的研究基础上,提出了一种通用混合回溯方法——基于分区的回溯算法,在空间和时间代价较小的情况下,它能找到全部解,并且通过N皇后问题进行了实验,获得了较好的结果,说明该算法是可行的和有效的。     

��ͨ�������縴���Լ������������о�

按照网络拓扑结构特征划分，我们经常接触到的实际网络有完全规划网络（Completely Regular Networks）、安全随机网络（Completely Random Networks）、小世界网络（Small-world Networks）和无标度网络(Scale-free Networks)．系统地对无标度网络的形成、特性和代表性研究成果进行简要总结，重点探讨交通运输网络的复杂性和相关问题，研究了城市公交网络的无标度特性及度分布指数，并以北京市公交网络为例完成了实证分析．进一步从理论上给出了怎样找到公交网络中的枢纽站点这一难题的研究思路、整体框架及求解算法，这是交通运输网络复杂性及其相关问题研究的关键．还分别从理论与应用两个层面给出了下一步研究工作的总体思路，为交通管理部门进行交通运输网络规划、设计、建设和管理提供了科学的研究手段和理论支持．     

双向分块快速Delaunay三角剖分算法

介绍一种双向分块快速Delaunay平面剖分算法,该算法有别于其他的分治算法,其特点是运算速度快,时间度为O（Nlog2N）,算法易于理解和实现．该算法在二维平面中首先把被三角剖分的点集均匀分为多个只有3点（最多有一个块不是3个点）的点块．首先对每一个点块进行Delaunay三角剖分,再对相邻的点块中三角剖分进行合并．并介绍了该算法的数据结构．充分说明了该算法的可操作性．     

基于蚁群算法的多QoS约束的多播路由优化算法

蚁群算法是一种新型的随机优化算法,能有效地解决QoS受限的多播路由问题.文中基于蚂蚁具有找到蚁巢与食物之间的最短路径的工作原理,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的.     

最小化网络总时延启发式遗传算法

路由选择算法是用于决定计算机网络每个结点输入的信息包应当从哪一个输出线路发送出去,以便使得某种指定的费用最小。提出了一种新的有效启发式遗传路由算法,以使网络总时延最小。该算法采用了启发式遗传路由方案,从而获得近似最优解。采用遗传算法的方法可以减少网络路由算法的运算规模,实现逐步求解。与其他已知类似算法相比较,该算法具有较小的时间复杂性。     

一种混合蚂蚁算法及其在QoS多播路由中的应用

描述了多QoS约束的多播路由问题的网络模型，提出了一种混合蚂蚁算法，该算法利用遗传算法快速全局的搜索能力，生成初始解，并转化为网络的初始信息素分布．利用蚂蚁算法的正反馈特性，迅速收敛到问题的最优解．仿真取得了非常好的效果，表明该算法是合理有效的．     

基于离散小波变换和人类视觉系统的数字水印算法

通过对人类视觉系统（HVS）的亮度特性、频域特性、图像类型特性的研究,提出一种基于离散小波变换和人类视觉系统数字水印算法,将秘密信息嵌入到小波变换不同的方位系数中．实现了水印信号在图像信息中的嵌入与提取,达到隐藏秘密信息的目的．实践证明该算法能提高水印的不可见性,同时具有很强的鲁棒性．     

基于蚁群算法的应急物流动态网络鲁棒优化

考虑应急物流网络的时间依赖性及所处环境的复杂性,将动态网络理论与鲁棒离散优化理论相结合,建立具有鲁棒特性的动态网络优化模型,在此基础上,结合蚁群算法基本理论,将算法中的启发因子加以改进,使之与优化模型相适应,并利用改进后的蚁群算法在全路中寻求一条时效性高、鲁棒性好的路径以供应急物资运输。最后,举例验证研究所提出的优化理论及改进算法的合理性。     

基于DACS3的改进蚁群算法求解TSP问题

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,具有较强的鲁棒性,易与其他算法结合,但存在运行时间长,容易陷入局部最优解,导致出现停滞现象等缺点。针对蚁群算法,首先介绍其基本原理及不足之处。随后提出了一种改进算法,该算法在选择路径时仅考虑信息素强度,在信息素强度更新时采用基于3层动态信息素更新(Dynamic Ant Colony System with 3 level updates,DACS3)机制,更好地模仿了自然蚂蚁。最后通过仿真验证该算法,结果表明该算法可以取得较好的搜索效果。     

基于蚁群算法的供应链系统脆性研究

随着供应链系统的规模不断扩大,多层次结构和外部环境因素使得供应链系统复杂程度越来越高,通过应用蚁群算法对供应链中系统脆性分析可寻找供应链系统脆性因子的最佳路径.     

集卡动态调度路径优化算法

从整体调度的角度出发,分析了整个码头作业面的动态调度方案,提出了一种新的集装箱卡车(集卡)动态调度路径的自适应蚁群算法。运用码头GPRS系统,以集卡速度、流量、位置等相关数据建立了感知链。通过判断阻塞状况和调整可行点集,确定了信息素浓度更新策略与转移概率计算方法。针对码头路网的复杂性和蚁群算法的实时计算效率,设计了蚁群算法的步骤。将信息熵引入到蚁群算法中,运用MATLAB软件,对集卡的动态调度方案进行了仿真计算。计算结果表明:当初始集卡速度分别为50、75km.h-1,初始集卡流量分别为800、1 000veh.h-1时,集卡行驶的最短路径为4.3km,行驶时间为0.057h;集卡行驶的最优路径为8.3km,行驶时间为0.111h。可见,该算法能有效缓解码头阻塞问题,提高集卡利用率和码头作业效率。     

基于多层复杂网络的中欧班列运输网络关键节点识别研究

若运输网络中的重要节点发生故障,中欧班列的运输效率和货物流动会受到严重制约。 本文提出一种基于改进TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution) 法及灰色关联分析的多层网络节点重要性评价方法。首先,以中欧班列运输网络结构特征为基础,构建中欧班列多层网络;其次,选取度中心性、介数中心性及接近中心性等多个评价指标,运用改进TOPSIS法计算节点单层网络重要度评价值,采取灰色关联分析融合得到节点综合重要度评价值;最后,利用多层网络SIR(Susceptible Infected Recovered Model)模型验证方法的有效性。 结果表明：本文识别出的关键节点包含中欧班列主要线路的起讫城市、境内外重要口岸和中欧班列集结中心,结果与实际情况较为契合;采用排序前10%重要节点作为初始感染节点,SIR网络感染率在 20 次迭代后达到 97.8%,本文提出方法的网络节点感染率及传播速率均高于 BC (Betweenness Centrality)算法、DC(Degree Centrality)算法和PageRank算法等传统单一网络排序方法,即识别的关键节点对全局网络的影响更为普遍和高效。此外,根据排序结果从国家层面提出相应的政策建议,有助于提高中欧班列运输网络的鲁棒性。     

A hybrid firefly algorithm for optimizing fractional proportional-integral-derivative controller in ship steering

In this paper, a new algorithm which integrates the powerful firefly algorithm(FA) and the ant colony optimization(ACO) has been used in tracking control of ship steering for optimization of fractional-order proportional-integral-derivative(FOPID) controller gains. Particle swarm optimization(PSO) algorithm is also used to optimize FOPID controllers, and their performances are compared. It is found that FA optimized FOPID controller gives better performance than others. Sensitivity analysis has been carried out to see the robustness of optimum FOPID gains obtained at nominal conditions to wide changes in system parameters, and the optimum FOPID gains need not be reset for wide changes in system parameters.     

程序树层次化结构统计模型及MOSES改进算法

为提高MOSES效率,提出了一种新的程序树层次化结构统计模型．该模型通过统计分析同类群,自动发现子树特征来指导优化．该模型不需要hBOA算法那样对变量集合进行建模,也不需要像MRTS算法那样遍历小规模的种群来发现潜在的有指导意义的子树．通过解决人工蚂蚁问题对算法进行了测试,结果表明改进后的MOSES算法更加高效．     

基于蚁群算法的铁路空车调整优化模型设计

针对铁路空车调整问题,采用蚁群算法解决此问题,建立以空车走行公里数最小为目标的优化模型,并给出求解算法。算例分析表明模型的正确性和算法的合理性,将蚁群算法的时间复杂度与其他一些解决空车调整问题的算法的时间复杂度进行比较,充分体现蚁群算法解决大规模路网空车调整问题的优越性。     

放射形专用线取送车模型及算法

为了解决放射形专用线取送作业的合理取送顺序、取送时机和取送次数问题,用定性与定量相结合的方法,建立了取送车模型,设计了求解模型的蚁群遗传算法.模型及其算法适用于求解多种到发车流形式的放射形专用线取送车问题,并可自适应地生成各种取送作业组织方式,实现了取送方案的整体最优,克服了固定取送作业方式的缺陷.算例仿真结果表明,取送次数从传统方法的30次减少到18次,减小了作业车的总车小时消耗.