尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 蚁群算法是一种新型的用于求解组合优化或函数优化问题的现代启发式算法,由于其高度的并行性、正反馈性和鲁棒性具有较高的研究和实用价值。 本文首先分析了蚁群算法的原理与模型,从蚁群算法的主要构成方面介绍了对蚁群算法的改进及其与其它智能... 展开 蚁群算法是一种新型的用于求解组合优化或函数优化问题的现代启发式算法,由于其高度的并行性、正反馈性和鲁棒性具有较高的研究和实用价值。 本文首先分析了蚁群算法的原理与模型,从蚁群算法的主要构成方面介绍了对蚁群算法的改进及其与其它智能算法的混合。为了防止蚁群算法过早陷入局部最优,可在概率选择上提高其随机性:另外可对全局最优路径的更新规则进行改进以提高算法的收敛速度。然后重点提出了使用粒子群算法优化蚁群算法参数,实现对蚁群算法优化性能的改进。 在混合蚁群-粒子群算法的应用研究上,针对PID控制参数优化问题,给出了混合蚁群-粒子群算法在PID参数优化问题中的实现方式。通过仿真得出,较少的粒子数及蚂蚁个数就能很快的得到较优解,该算法有效的克服了传统PID参数寻优的不足,有效的证明了混合蚁群-粒子群算法的有效性。 另外,本文还重点将混合蚁群-粒子群算法应用于网络QoS单播路由优化问题。在基本蚁群算法以及混合蚁群粒子群算法的基础上,分别设计了一种对延时、延时抖动、带宽以及丢包率进行限制并保证费用最小的QoS路由选择算法,并详细介绍了QoS路由模型与关键程序的实现过程。本文针对仿真结果对这两种算法的优化性能进行比较,结果表明,两种算法均能寻得较优解,但通过仿真过程中对每次循环蚂蚁成活率的分析得出混合蚁群算法搜寻较优解的性能明显高于基本蚁群算法。 最后,对全文的研究工作进行了总结,得出了混合蚁群-粒子群算法具有一定通用性的结论,接着指出了混合蚁群算法需要进一步研究的问题。本课题旨在为推进混合算法的理论研究和应用研究起到一定的作用。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。