新型蚂蚁算法时间复杂性与鲁棒性研究

在研究新型蚂蚁算法理论的基础上，进一步对新型蚂蚁算法的时间复杂性与鲁棒性进行实际计算与研究，研究出蚂蚁移动Mlog2N（M为边数，N为结点数）步后，能找到QoSR的较优解，该算法的时间复杂性为O（MNlog2N）．对该算法的鲁棒性进行分析，证实了在关键结点失效后，该算法仍能找到新的QoSR，并发现随着关键结点失效增多，再找到新的QoSR的QOS参数值急剧下降．     

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．     

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.     

基于混合蚁群算法的车辆路径问题研究

为了求解车辆路径问题,设计了一种结合节约算法和邻域搜索算法的混合蚁群算法,该算法改善了标准蚁群算法搜索时间长、容易陷入局部最优解的问题。首次引入节约算法以提高初始解的质量,使得蚁群算法在较优的路径中进行搜索,从而更有效地收敛到最优解;运用最大最小蚂蚁系统控制路径的信息素,避免算法陷入局部最优解;采用邻域搜索算法优化某阶段最优解的子路径。应用该混合蚁群算法对VRPLIB数据库实例进行了运算,取得了较为满意的结果。     

基于蚁群算法的动态路径选择问题

论述蚁群算法在动态路径选择问题上应用。在蚂蚁寻径原理基础上,建立经济圈公路网蚁群算法模型,并对算法的参数进行标定。针对算法的缺陷,对信息素更新策略进行了优化改进,使其能更快的收敛到全局最优解。该模型算法对经济圈道路交通智能化动态诱导系统的建立大有帮助。     

基于最大最小蚁群算法的多卸载点车载装箱模型研究

针对多卸载点、多种货物、多车承运中的箱式货车装箱问题,为需要在不同地点卸货的货物生成货物装卸序列。建立了基于体积、重量和装卸距离的数学模型,定义了各类装箱约束条件,首先按照装箱规则和装箱约束生成一个可行解作为蚁群算法的初始解,再根据蚂蚁在货物上寻路的特点定义了信息素和选择概率公式,通过最大最小蚁群算法在一定的循环次数内求得最优解,从而达到最大化货车的装载利用率和体积利用率的目标。最后通过一个实例证明了该方法的合理性和有效性。     

一种改进的蚁群算法及其在TSP中的应用

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法,算法中参数的设置一直是依靠经验和试验来确定的,造成试验工作量大而且收敛速度慢;研究中提出了一种基于自适应调整信息素的改进蚁群算法,从路径的实际信息出发,动态地分配信息素,从而使算法能较快地收敛到最优解;通过仿真试验结果表明:改进的蚁群算法在收敛速度和收敛精度方面相对于原算法都具有较好的改进效果.     

有约束的随机最短路问题模型及算法

针对不确定网络,研究具有随机参数的最短路径问题,采用随机数表示路径权值的不确定性, 建立有约束的期望最短路模型. 基于随机模拟方法,设计了一种融合退火技术的遗传算法,引入退火机制处理有约束的优化问题.在进化过程中,动态调节对不可行解的惩罚力度,使不可行解逐步被淘汰出去, 最后收敛到问题的全局最优解. 给出的数值实例验证了该算法的有效性.     

一种改进的求解QoS多播路由问题的蚂蚁算法(英文)

为了克服基本蚂蚁算法收敛速度慢、容易早熟和陷入局部最优解的缺陷,提出了一种求解QoS多播路由问题的改进型蚂蚁算法.该算法采用相遇蚂蚁策略来加快搜索速度,采用最优解更新和信息素自适应控制策略来避免出现停滞现象.仿真结果验证了该算法的可行性和有效性.