改进的蚁群算法在云计算资源调度应用 :王传奇摘要:为了提高云计算环境下资源调度的效率提出一种降低任务执行时间和成本并且兼顾系统负载均衡的加强型蚁群算法(Enhanced Time and cost constrains Load Balanced Ant Colony OptimizationETCLACO)算法在最新各种蚁群算法的基础上创新地改进信息素和启发因子利用Cloud
TOC o 1-3 第一章 绪 论 PAGEREF _Toc483881836 h 2第一节 机械系统动态优化设计的概念和意义 PAGEREF _Toc483881837 h 2第二节 本论文研究的主要内容 PAGEREF _Toc483881838 h 2本章小结 PAGEREF _Toc483881839 h 4第二章 机械系统动态优化设计的优
#
下面的程序是蚁群算法在最短路中的应用稍加扩展即可应用于机器人路径规划function [ROUTESPLTau]=ACASP(GTauKMSEAlphaBetaRhoQ) ---------------------------------------------------------------? ? 蚁群算法动态寻路算法? ChengAihuaPLA Information Engine
栅格成本距离计算的改进蚁群算法曲小康 芮小平 韩莹 李祥琛 伍彬中国科学院大学资源与环境学院北京 100049图1 栅格地图模型地球信息科学学报201618(8):
单击此处编辑母版标题样式单击此处编辑母版文本样式第二级第三级第四级第五级算法设计与分析 第七章补充材料 蚁群算法介绍山东师范大学计算机系授课:徐连诚3432lchxu163:lchxu.welkind.net2005年9月5日—2006年1月20日1内 容一启发式方法概述二蚁群优化算法2背 景传统实际问题的特点 连续性问题——主要以微积分为基础且问题规模较小传统的优化方法
#
源代码如下: SPACE 0x20define ESC 0x1bdefine ANT_CHAR_EMPTY define ANT_CHAR_FOOD 153define HOME_CHAR Hdefine FOOD_CHAR Fdefine FOOD_CHAR2 fdefine FOOD_HOME_COLOR 12define BLOCK_CHAR 177define MAX_ANT 50d
view plaincopy to clipboardprint :陈杰 单位:四川大学计算机学院 邮件地址: 完成时间:2008年3月 include<iostream> include<> include<> using namespace std 该程序是以蚁群系统为模型写的蚁群算法程序(强调:非蚂蚁周模型)以三个著名的TSP问题为测试对象 通过
#
违法有害信息,请在下方选择原因提交举报