满足多约束条件的QoS(Quality of Service)组播路由是新一代网络信息传输的一项关键技术之一,提出一种改进Pare-to蚁群算法(MPACO)对该问题进行求解.通过分析QoS组播路由问题模型,针对QoS参数以及网络信息不确定的情况,使用分类蚁群快...满足多约束条件的QoS(Quality of Service)组播路由是新一代网络信息传输的一项关键技术之一,提出一种改进Pare-to蚁群算法(MPACO)对该问题进行求解.通过分析QoS组播路由问题模型,针对QoS参数以及网络信息不确定的情况,使用分类蚁群快速查找出在给定QoS条件下满足需求概率最大的组播树Pareto非劣解.在算法执行过程中引入局部信息节点惩罚更新机制,以降低无关节点的重复搜索率;同时在全局信息素更新阶段,引入了新的激励更新机制,以期提高算法的收敛速度.仿真实验表明,该机制是可行和有效的,并能较快搜索到全局(近似)最优解.展开更多
合理的多功能车辆总线(MVB)周期轮询表有助于均衡网络负荷、提高网络处理偶发信息的能力、保证实时通信的可靠性.为此提出一种有效的轮询表设计方法.将MVB周期轮询表的设计抽象成离散优化问题,根据IEC 61375-1国际标准和可调度性要求建...合理的多功能车辆总线(MVB)周期轮询表有助于均衡网络负荷、提高网络处理偶发信息的能力、保证实时通信的可靠性.为此提出一种有效的轮询表设计方法.将MVB周期轮询表的设计抽象成离散优化问题,根据IEC 61375-1国际标准和可调度性要求建立约束条件,将均匀度和相邻基本周期时间差作为优化目标,利用Pareto蚁群(Pareto ant colony,P-AC)算法求解.每个优化目标对应自己的信息素,信息素采用蚁群系统的规则更新,总信息素由两者加权得到,非劣解基于拥挤距离方法维护.与已有的优化算法相比,Pareto蚁群算法优化得到的轮询表均匀度更好,能够更有效地均衡网络负荷.展开更多
为了提高求解多目标优化问题的Pareto解集的效率,建立了适用于多维、多目标优化问题的多目标蚁群算法(Multi-objective Ant Colony Algorithm,简称MACA)。该算法首先修正了蚁群算法的信息素更新机制和转移概率,然后改进了蚂蚁的行进策略...为了提高求解多目标优化问题的Pareto解集的效率,建立了适用于多维、多目标优化问题的多目标蚁群算法(Multi-objective Ant Colony Algorithm,简称MACA)。该算法首先修正了蚁群算法的信息素更新机制和转移概率,然后改进了蚂蚁的行进策略,即提出了依概率选择搜索策略。最后,应用该算法对某型号固液混合火箭发动机系统进行了优化设计。计算结果表明,多目标蚁群算法获得的Pareto解集分布均匀、散布范围广,可以有效解决多目标优化问题,能为决策者进行目标权衡提供充分依据。展开更多
含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高。传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题。通过对目标函数和约束矩阵的非劣排序...含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高。传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题。通过对目标函数和约束矩阵的非劣排序,确定解的等级,用以克服传统约束处理方法的局限性。借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性。在更新信息素时将利用外部优解库和种群信息,可加快收敛速度。基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集。由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持。展开更多
文摘满足多约束条件的QoS(Quality of Service)组播路由是新一代网络信息传输的一项关键技术之一,提出一种改进Pare-to蚁群算法(MPACO)对该问题进行求解.通过分析QoS组播路由问题模型,针对QoS参数以及网络信息不确定的情况,使用分类蚁群快速查找出在给定QoS条件下满足需求概率最大的组播树Pareto非劣解.在算法执行过程中引入局部信息节点惩罚更新机制,以降低无关节点的重复搜索率;同时在全局信息素更新阶段,引入了新的激励更新机制,以期提高算法的收敛速度.仿真实验表明,该机制是可行和有效的,并能较快搜索到全局(近似)最优解.
文摘合理的多功能车辆总线(MVB)周期轮询表有助于均衡网络负荷、提高网络处理偶发信息的能力、保证实时通信的可靠性.为此提出一种有效的轮询表设计方法.将MVB周期轮询表的设计抽象成离散优化问题,根据IEC 61375-1国际标准和可调度性要求建立约束条件,将均匀度和相邻基本周期时间差作为优化目标,利用Pareto蚁群(Pareto ant colony,P-AC)算法求解.每个优化目标对应自己的信息素,信息素采用蚁群系统的规则更新,总信息素由两者加权得到,非劣解基于拥挤距离方法维护.与已有的优化算法相比,Pareto蚁群算法优化得到的轮询表均匀度更好,能够更有效地均衡网络负荷.
文摘为了提高求解多目标优化问题的Pareto解集的效率,建立了适用于多维、多目标优化问题的多目标蚁群算法(Multi-objective Ant Colony Algorithm,简称MACA)。该算法首先修正了蚁群算法的信息素更新机制和转移概率,然后改进了蚂蚁的行进策略,即提出了依概率选择搜索策略。最后,应用该算法对某型号固液混合火箭发动机系统进行了优化设计。计算结果表明,多目标蚁群算法获得的Pareto解集分布均匀、散布范围广,可以有效解决多目标优化问题,能为决策者进行目标权衡提供充分依据。
文摘含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高。传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题。通过对目标函数和约束矩阵的非劣排序,确定解的等级,用以克服传统约束处理方法的局限性。借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性。在更新信息素时将利用外部优解库和种群信息,可加快收敛速度。基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集。由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持。
