分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2022-05-11 合作期刊: 《计算机应用研究》
摘要： 针对现有的基于蚁群优化思想求解分布式约束优化问题的算法收敛较慢，且容易陷入局部最优等问题，提出了一种基于多种群的随机扰动蚁群算法(Random disturbance based multi-population ant colony algorithm to solve distributed constraint optimization problems，RDMAD)来求解分布式约束优化问题。首先，RDMAD提出了一种分工合作机制，将种群按比例划分为采用贪婪搜索的子种群和采用启发式搜索的子种群，同时构建分级更新策略，提高算法收敛速度和求解质量；然后，对采用贪婪搜索的子种群设计自适应变异算子和奖惩机制，防止算法陷入局部最优；最后在算法陷入停滞时触发随机扰动策略，增加种群多样性。将RDMAD与7种最先进的非完备算法在三类基准问题上的寻优结果进行了实验对比，实验结果表明RDMAD在求解质量和收敛速度上优势明显，且稳定性较高。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-04-01 合作期刊: 《计算机应用研究》
摘要： 针对重叠社团检测准确率提升问题，提出了一种基于改进蚁群算法的新型重叠社团检测算法。该算法包含位置初始化、运动和后处理三个阶段，分别通过初始位置识别与标签列表存储、基于节点间相似度的启发式信息重定义、合作保持标签列表等方式，使算法在合成数据集与现实世界数据集中的重叠社团与节点检测方面具有更好的性能。实验结果表明，在合成网络与现实世界网络平台上使用不同检测算法，所提出的方法对重叠社团与重叠节点的检测准确率较传统检测方法来说更高，因而对重叠社区检测问题求解与理解网络功能结构具有重要的参考与借鉴意义。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2019-01-28 合作期刊: 《计算机应用研究》
摘要： 为了提高云计算数据调度和副本访问的效率，对副本策略中的副本放置问题进行研究，提出一种基于蚁群算法的副本放置策略。根据自然界中蚁群觅食的原理，把蚁群算法应用于副本放置的整个过程; 利用信息素的动态更新以及拉普拉斯概率分布改进的蚁群算法，得出一组最优解进行副本放置。在CloudSim平台上进行了仿真模拟，实验结果表明，提出的方案在平均作业完成时间、网络利用率和负载均衡度上优于原始蚁群算法，并在一定程度上降低了副本放置时间消耗和网络负载。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-10-11 合作期刊: 《计算机应用研究》
摘要： 由于现有的无线mesh网路由研究多寻求当前时刻的最优路径，缺少流量均衡机制，影响了网络资源的使用效益。针对这一问题，提出基于QoS的流量均衡策略。通过研究蚁群算法的基础之上，重新定义启发信息和信息素更新规则，将节点和链路负载加入到路径选择的权衡因素中；同时，考虑到mesh节点到骨干网的通信，提出针对网关节点的流量均衡机制。改进算法以业务QoS要求作为约束条件，使路径规划倾向于负载度低链路和节点，为后续业务的路由选择提供良好的网络环境。实验结果表明，随着数据量的增多，该算法始终可以保证业务QoS，实现了严格的QoS约束，并且能有效提高链路利用率，在路由质量方面优于中心节点法和改进信息素法。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-10-11 合作期刊: 《计算机应用研究》
摘要： 针对传统方法调度大象流时容易造成数据中心网络拥塞和负载不均衡等问题，提出一种基于蚁群算法的SDN（software defined network）数据中心网络流量调度算法ACO-SDN。对大象流调度问题建立整型线性规划ILP（integral linear programing）模型，优化目标为最小化最大链路利用率。通过重定义蚁群算法的参数和操作求解ILP模型，得到大象流重路由的最优路径。实验结果表明，与ECMP(equal-cost multi-path routing）和GFF（global first fit）流量调度算法相比，ACO-SDN算法降低了网络最大链路利用率，有效地提高了网络对分带宽。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-06-19 合作期刊: 《计算机应用研究》
摘要： 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上与传统方法相比均具有优越性。
分类： 计算机科学 >> 计算机科学的集成理论 提交时间： 2018-04-12 合作期刊: 《计算机应用研究》
摘要： Codelet数据流计算模型在处理大规模并行计算任务时效果显著，但该模型目前缺少在异构多核环境中的任务调度策略。因此，提出了一种在异构多核环境下基于蚁群算法的Codelet任务调度策略。该调度策略将启发式算法与蚁群算法相融合，在发挥各自优势的同时克服了启发式算法不能得出最优解的缺陷以及蚁群算法初始信息匮乏的问题。实验结果表明，智能蚁群任务调度策略相比Codelet运行时系统中原生的动态调度和静态调度策略具有更高的执行效率。
点击量
通过
点击量
下载量
评论
