导读:本文包含了蚁群优化方法论文开题报告文献综述及选题提纲参考文献，主要关键词:舰船应急物流,最短路径,双层机制,初始信息素
蚁群优化方法论文文献综述
邹娟平,袁鑫,骆金鸿[1]（2019）在《双层蚁群优化算法的舰船应急物流路径规划方法研究》一文中研究指出路径规划对舰船应急物流配送具有十分重要的意义,当前蚁群优化算法存在初始信息素少,无法得到最优的舰船应急物流路径规划的缺陷。为了高效、准确对舰船应急物流路径规划问题进行求解,提出了基于双层蚁群优化算法的舰船应急物流路径规划方法。首先分析当前舰船应急物流路径规划研究现状,并建立舰船应急物流路径规划模型,然后采用粒子群算法快速找到舰船应急物流路径可行解集合,将其作为蚂蚁的初始信息,最后根据初始信息对舰船应急物流最优路径进行搜索,并进行了舰船应急物流路径规划仿真测试。双层蚁群优优化算法可以对舰船应急物流路径规划问题进行精准求解,克服了当前舰船应急物流路径规划方法的缺陷,而且舰船应急物流路径规划问题求解效率更高。(本文来源于《舰船科学技术》期刊2019年16期）
王恩重,陶传奇[2]（2019）在《基于改进蚁群优化算法的云计算调度方法》一文中研究指出云计算以其可伸缩性、高可靠性、低成本以及按需服务等诸多特点吸引了无数研究人员和企业的关注,成为了当今时代的热门话题,云计算任务调度在云计算研究领域占有十分重要的地位。论文首先分析了当前云计算任务调度现状,并对任务调度中常用的蚁群算法进行了描述,同时针对传统蚁群算法在云计算任务调度中的不足,提出了基于改进蚁群优化算法的云计算调度方法,在信息素更新和信息素挥发两个方面对蚁群算法进行了改进。最后使用CloudSim进行实验,对算法的可行性进行了分析和验证。(本文来源于《计算机与数字工程》期刊2019年04期）
吴尚智,张文超,佘志用,张霞,段超[3]（2019）在《利用蚁群优化算法的粗糙集属性约简方法》一文中研究指出随着高维数据的扩散,特征选择成为学习过程中不可或缺的一项任务。属性约简是特征选择的重要方法,为了寻找有效的属性约简方法,将粗糙集与蚁群算法相结合,提出了利用蚁群优化算法的粗糙集属性约简方法。首先从信息素的更新开始,限制其信息素值的上、下限范围,然后根据寻址方式改进候选解的构造方案。实验表明,该方法具有一定的优越性。(本文来源于《计算机工程与科学》期刊2019年03期）
安晓亭,张梓琪[4]（2019）在《基于改进蚁群优化的多目标资源受限项目调度方法》一文中研究指出多目标资源受限项目调度是一类典型的NP难组合优化问题,具有广泛的实际应用背景.本文提出了一种带局部搜索的改进蚁群优化算法用于求解多目标资源受限项目调度问题,优化指标为最小化项目工期和资源投资.首先,采用改进的蚁群优化算法获取Pareto解集;其次,通过基于带逻辑约束的Insert和Swap邻域搜索方法对已获得的非支配解进行局部搜索,进一步提高算法的性能;最后,基于PSPLIB国际标准测试集的数值仿真实验与现有最好的算法比较,验证了所提算法的有效性和高效性.(本文来源于《系统工程理论与实践》期刊2019年02期）
沈记全,罗常委,侯占伟,刘志中[5]（2018）在《基于改进蚁群优化算法的服务组合与优化方法》一文中研究指出针对传统蚁群算法存在初期信息素积累时间长、易陷入局部最优等不足,在满足用户全局服务质量约束的条件下,提出一种改进的基于蚁群系统的云服务组合算法。借鉴遗传算法的思想得到蚁群系统的初始信息素分布,通过社会认知优化改进蚂蚁寻优路径,并采取优化的蚁群信息素更新策略,从而提高算法搜索效率。实验结果表明,改进的蚁群优化算法在求解云服务组合问题上具有更优的搜索性能。(本文来源于《计算机工程》期刊2018年12期）
陈冠宇,孙鹏,廖梦琛,张杰勇,武君胜[6]（2019）在《基于全局更新规则蚁群优化的决策实体配置问题求解方法》一文中研究指出为解决战场C2组织中平台资源的聚类问题,首先定义了决策实体配置过程中的各个要素,然后以面向作战任务的形式从外部和内部两个方面定义了决策实体的工作负载,以工作负载的均方根(root mean square,RMS)为目标函数建立决策实体配置模型,将平台调度方案作为输入信息,采用基于全局更新规则的蚁群算法对问题模型进行求解,生成符合作战需求的决策实体配置方案。最后通过仿真算例对所提方法进行验证和分析,实验结果表明,该方法能够得到较好的平台聚类方案,在聚类结果和收敛速度两方面与传统方法相比均具有优越性。(本文来源于《计算机应用研究》期刊2019年10期）
陈嘉宁[7]（2018）在《基于主成分分析和蚁群优化方法对IP流进行网络异常检测》一文中研究指出由于网络规模和复杂性不断增加,信息技术服务不能停止,所以现在这种需求如何主动的网络管理是非常显着的,并且有必要使用主动识别可能损害网络正常操作的路径选择模式的方法;针对自动化管理发现和预防潜在问题,提出并比较了基于统计过程主成分分析和蚁群优化元启发式的两种新型异常检测算法;执行IP数据流的主成分分析,代表每秒传输的比特、分组和流量,以及提取描述性流属性,如源IP地址,目的IP地址,源TCP/UDP端口和目的 TCP/UDP端口,通过使用动态时间扭曲度量的修改来将该签名与实际网络流量进行比较,以识别异常事件。(本文来源于《计算机测量与控制》期刊2018年05期）
张耀楠,周升,牛乐川,王元一[8]（2018）在《一种基于蚁群优化的网格分割方法》一文中研究指出叁维网格的理解是许多几何处理中亟待解决的重要问题,而网格分割是其中的关键步骤。为此,利用蚁群优化算法进行网格分割。将待分割网格的每个网格视为一个蚂蚁,通过蚁群优化迭代对每个网格的标签进行更新。随着蚁群优化的迭代,种子点的标签向外扩散,标签更新通过蚁群优化的更新机制进行并满足分割要求,直至达到迭代标准。蚁群优化完成后进行区域合并,将较小的区域合并成较大区域,最终完成分割。在Princeton网格数据集上的实验结果表明,与图分割方法相比,该方法能获得更高的正确率。(本文来源于《计算机工程》期刊2018年02期）
胡伟[9]（2017）在《一种基于改进蚁群优化算法的软硬件划分方法》一文中研究指出软硬件划分问题是嵌入式系统的软硬件协同设计中重要的问题之一﹒针对该问题,提出一种基于改进蚁群优化算法的软硬件划分方法﹒通过禁忌搜索算法改进蚁群算法的局部搜索过程,利用禁忌表记录近期的搜索过程,通过禁忌表比对阻止算法重复进入,提高了算法的最优解搜索效率,加快了算法的执行速度﹒实验数据证明改进的蚁群优化算法能提高45%左右的工作效率,同时验证了该算法能够有效地解决软硬件划分问题,提高软硬件协同设计的效率﹒(本文来源于《湖南城市学院学报(自然科学版)》期刊2017年06期）
陈恒,李冠宇,孙云浩[10]（2017）在《重排序RDF流叁元组模式的蚁群优化方法》一文中研究指出RDF是由W3C提出的一种Web数据模型,RDF流是一种遵从链接开放数据(Linked Open Data)、扩展RDF的数据模型,是一种随时间延续无限增长的动态RDF数据集合。在RDF查询处理中,RDF模式是静态编排执行策略的模式,无法满足动态RDF流实时变化的特性。因此,提出一种在RDF流查询处理中重排序RDF流模式的蚁群优化方法。主要研究内容包括:提出了基于AND-OR有向图RDF流代价评估模型;改进了Max-Min蚁群优化算法,并使用改进算法重排序RDF流模式。实验表明,该方法能够高效地动态编排RDF流执行策略。(本文来源于《计算机工程与应用》期刊2017年12期）
蚁群优化方法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
云计算以其可伸缩性、高可靠性、低成本以及按需服务等诸多特点吸引了无数研究人员和企业的关注,成为了当今时代的热门话题,云计算任务调度在云计算研究领域占有十分重要的地位。论文首先分析了当前云计算任务调度现状,并对任务调度中常用的蚁群算法进行了描述,同时针对传统蚁群算法在云计算任务调度中的不足,提出了基于改进蚁群优化算法的云计算调度方法,在信息素更新和信息素挥发两个方面对蚁群算法进行了改进。最后使用CloudSim进行实验,对算法的可行性进行了分析和验证。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
蚁群优化方法论文参考文献
[1].邹娟平,袁鑫,骆金鸿.双层蚁群优化算法的舰船应急物流路径规划方法研究[J].舰船科学技术.2019
[2].王恩重,陶传奇.基于改进蚁群优化算法的云计算调度方法[J].计算机与数字工程.2019
[3].吴尚智,张文超,佘志用,张霞,段超.利用蚁群优化算法的粗糙集属性约简方法[J].计算机工程与科学.2019
[4].安晓亭,张梓琪.基于改进蚁群优化的多目标资源受限项目调度方法[J].系统工程理论与实践.2019
[5].沈记全,罗常委,侯占伟,刘志中.基于改进蚁群优化算法的服务组合与优化方法[J].计算机工程.2018
[6].陈冠宇,孙鹏,廖梦琛,张杰勇,武君胜.基于全局更新规则蚁群优化的决策实体配置问题求解方法[J].计算机应用研究.2019
[7].陈嘉宁.基于主成分分析和蚁群优化方法对IP流进行网络异常检测[J].计算机测量与控制.2018
[8].张耀楠,周升,牛乐川,王元一.一种基于蚁群优化的网格分割方法[J].计算机工程.2018
[9].胡伟.一种基于改进蚁群优化算法的软硬件划分方法[J].湖南城市学院学报(自然科学版).2017
[10].陈恒,李冠宇,孙云浩.重排序RDF流叁元组模式的蚁群优化方法[J].计算机工程与应用.2017