-
题名蚁群算法中基于分布估计的量子信息素控制研究
被引量：4
- 1
-
-
作者
翟亚红
徐龙艳
-
机构
湖北汽车工业学院电气与信息工程学院
-
出处
《计算机工程与设计》
CSCD
北大核心
2014年第4期1414-1418,共5页
-
基金
国家科技支撑计划基金项目(2012BAF13B10-04)
-
文摘
针对蚁群算法在连续域问题求解方面的不足,以连续函数最优值问题为例,结合量子态叠加原理和分布估计算法的思想,提出了一种基于分布估计的量子信息素模型及其蚁群算法。它不仅具有分布估计方法的宏观化特性,同时具有量子态叠加机制的多样性,因此有希望突破传统的信息素留存方式在求解连续优化问题时遭遇的局限性。仿真实验结果表明,新信息素控制策略的引入能够使蚂蚁在较短的时间内找到更精确的解,有效避免了蚁群算法陷入局部最优解,对连续域问题求解具有较好的收敛速度和全局寻优能力。
-
关键词
蚁群算法
量子态叠加
分布估计算法
量子信息素模型
量子计算
-
Keywords
ant colony algorithm
quantum superposition
estimation o{ distribution algorithm
quantum pheromone model
quantum computation
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名人工势场引导信息素扩散的机器人导航规划
被引量：1
- 2
-
-
作者
刘克
-
机构
福建船政交通职业学院
-
出处
《机械设计与制造》
北大核心
2019年第6期268-272,共5页
-
基金
福建省重大专项课题—智能机器人抛光系统研发与产业化(2012HZ0006)
-
文摘
为了保证机器人自动导航过程中沿着最优路径前进,提出了基于势场引导信息素扩散的导航规划方法。建立了工作环境的栅格模型;在分析传统蚁群算法缺陷基础上,提出使用人工势场引导信息素扩散,制定了栅格环境下信息素扩散方向查询表,建立了信息素扩散量的圆锥模型;在人工势场引导下,信息素扩散到隐含最优路径附近区域,将蚂蚁搜索范围限制在一个隐含最优路径的局部区域内,减小了蚁群搜索空间。经仿真验证,与传统蚁群算法相比,人工势场引导算法的信息素能够快速聚集在最优路径上;与另一改进蚁群算法相比,势场引导算法规划出导航路径的迭代次数减少了一半,消耗时间降低了约一个数量级,保证了导航规划的快速性和实时性。
-
关键词
机器人
导航规划
人工势场引导信息素扩散
信息素扩散方向查询表
信息素扩散量圆锥模型
-
Keywords
Robot
Guidance Planning
Pheromone Diffusion Guided by Artificial Potential Field
Lookup Table of Phenomenon Diffusion Direction
Circular Cone Model of Phenomenon Diffusion Capacity
-
分类号
TH16
[机械工程—机械制造及自动化]
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进蚁群算法的拥塞规避QoS路由算法
被引量：7
- 3
-
-
作者
万博
卢昱
陈立云
申吉红
-
机构
军械工程学院计算机工程系
军械工程学院训练部
-
出处
《计算机工程》
CAS
CSCD
北大核心
2011年第20期49-51,共3页
-
文摘
服务质量(QoS)路由算法缺少拥塞规避机制,会影响业务QoS。为此,提出一种基于Ant-Pub&Enco的信息素模型,根据蚂蚁行进方向,利用相反的信息素引导模式以及不同的信息素更新策略进行路由搜索。基于改进蚁群算法设计一种规避拥塞算法求解QoS单播路由问题。仿真结果表明,该算法能够有效规避网络中的拥塞链路,均衡网络负载。
-
关键词
蚁群算法
拥塞规避
服务质量
QOS路由算法
信息素模型
-
Keywords
Ant Colony Algorithm（ACA）
congestion avoidance
Quality of Service（QoS）
QoS routing algorithm
pheromone model
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名多维背包问题的一个蚁群优化算法
被引量：30
- 4
-
-
作者
喻学才
张田文
-
机构
哈尔滨工业大学计算机科学与技术学院
-
出处
《计算机学报》
EI
CSCD
北大核心
2008年第5期810-819,共10页
-
文摘
蚁群优化(ACO)是一种通用的启发式方法,已被用来求解很多离散优化问题.近年来,已提出几个ACO算法求解多维背包问题(MKP).这些算法虽然能获得较好的解但也耗用太多的CPU时间.为了降低用ACO求解MKP的复杂性,文章基于一种已提出但未实现过的MKP的信息素表示定义了新的选择概率的规则和相应的基于背包项的一种序的启发式信息,从而提出了一种计算复杂性较低、求解性能较好的改进型蚁群算法.实验结果表明,无论串行执行还是虚拟并行执行,在计算相同任务时,新算法耗用时间少且解的价值更高.不仅如此,在实验中,文中的新算法获得了ORLIB中测试算例5.250-22的两个"新"解.
-
关键词
蚁群优化
信息素模型
启发式信息
组合优化
多维背包问题
-
Keywords
ant colony optimization
pheromone model
heuristic information
combinatorial op-timization
multidimensional knapsack problem
-
分类号
TP316
[自动化与计算机技术—计算机软件与理论]
-
