蚁群算法在冗余系统可靠性最优分配上的应用

doi:10.3778/j.issn.1002-8331.2009.15.019

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (15): 64-66.DOI: 10.3778/j.issn.1002-8331.2009.15.019

蚁群算法在冗余系统可靠性最优分配上的应用

程世娟^1,2,卢伟³,何平²

1.西南交通大学应用力学与工程系，成都 610031
2.西南交通大学应用数学系，成都 610031
3.西华大学数学与计算机学院，成都 610039

收稿日期:2008-06-24 修回日期:2008-09-16 出版日期:2009-05-21 发布日期:2009-05-21
通讯作者: 程世娟

Ant colony optimization on reliability optimization of redundancy allocation problem

CHENG Shi-juan^1,2,LU Wei³,HE Ping²

1.Department of Applied Mechanics and Engineering，Southwest Jiaotong University，Chengdu 610031，China
2.Department of Applied Mathematics，Southwest Jiaotong University，Chengdu 610031，China
3.College of Computer and Mathematics，Xihua University，Chengdu 610039，China

Received:2008-06-24 Revised:2008-09-16 Online:2009-05-21 Published:2009-05-21
Contact: CHENG Shi-juan

摘要/Abstract

摘要： 针对各种进化算法所存在的早熟收敛，易陷人局部极值点的缺点，采用两种不同的状态转移规则和与系统属性紧密相关的信息素更新规则，用蚁群算法解决元件可选择不同类型的最优冗余分配问题，实例仿真结果表明蚁群算法可以在相对短的时间内较快的找到问题的最优解。

关键词: 蚁群算法, 冗余系统分配问题, 状态转移规则, 信息素更新规则

Abstract: Many heuristic algorithms had some flaws such as early convergence and easily falling in local peak.A ant colony optimization with identical state transition rules and pheromone updating rule is used to solve this problem.The experiment data showed that the ant colony optimization is an effective way to solve the redundancy allocation problem，which found the optimal solution in a relative short time.

Key words: ant colony optimization, Redundancy Allocation Problem（RAP）, state transition rule, pheromone update rule

程世娟^1,2,卢伟³,何平². 蚁群算法在冗余系统可靠性最优分配上的应用[J]. 计算机工程与应用, 2009, 45(15): 64-66.

CHENG Shi-juan^1,2,LU Wei³,HE Ping². Ant colony optimization on reliability optimization of redundancy allocation problem[J]. Computer Engineering and Applications, 2009, 45(15): 64-66.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[5]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[6]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[7]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[8]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[9]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[10]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[11]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[14]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.
[15]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.

蚁群算法在冗余系统可靠性最优分配上的应用

Ant colony optimization on reliability optimization of redundancy allocation problem

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics