基于工作流技术的蚁群算法性能研究

基于工作流技术的蚁群算法性能研究

论文摘要

工作流技术是实现企业业务过程建模、仿真分析、管理与集成,从而实现业务过程的自动化的核心技术。工作流技术的实施是企业完善经营过程、提高自身竞争力的一种重要手段。目前,工作流技术已成为计算机应用研究领域一个重要的分支,本文通过对比工作流和算法之间的相似关系,把工作流技术引入到蚁群算法当中,对蚁群算法的性能进行研究,进一步提高算法的优化效率,提供了一种新的有效途径。本文首先介绍了基本蚁群算法蚂蚁系统(Ant System,简称AS),及最优保留蚂蚁系统(Ant System with Elitist,简称ASelite)、蚁群系统(Ant Colony System,简称ACS)、最大-最小蚂蚁系统(MAX-MIN Ant System,简称MMAS)和基于排序的蚂蚁系统(Rank-based Version of Ant System,简称ASrank)等改进的蚁群算法,分析和比较了各个算法的特点,并对算法进行了算子设计。其次,对蚁群算法的性能研究不同于传统的针对具体优化对象讨论算法的性能特征,而是针对算法模型的本身,讨论蚁群算法在解决组合优化问题时的优化效率,重点分析算法的优化特性和计算流程。通过熟悉工作流技术的基本概念和理论,从元素映射和流程映射两方面,把蚁群算法映射到工作流中。进程代数和Petri网作为研究离散、并发系统的有利工具,是最主要的两种工作流建模和分析方法。通过分析和比较两种方法的优缺点,本文采用进程代数对算法进行建模,建立了蚁群算法的工作流模型。同时,为了结合进程代数强大的建模能力和Petri网有效的分析能力,给出了蚁群算法的进程代数模型到Petri网模型的转化方法。最后,基于Petri网对蚁群算法模型进行性能分析,实验取得了良好的效果。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • §1-1 本文研究的目的和意义
  • §1-2 国内外研究状况和进展
  • 1-2-1 旅行商问题描述
  • 1-2-2 蚁群算法
  • 1-2-3 工作流技术
  • §1-3 本文的研究内容及成果
  • 第二章 蚁群算法的理论研究
  • §2-1 基本的蚁群算法
  • 2-1-1 蚂蚁系统
  • 2-1-2 蚂蚁系统的流程
  • 2-1-3 蚂蚁系统的优点和缺点
  • §2-2 改进的蚁群算法
  • 2-2-1 最优解保留策略蚂蚁系统
  • 2-2-2 蚁群系统
  • 2-2-3 最大-最小蚂蚁系统
  • 2-2-4 基于排序的蚂蚁系统
  • §2-3 蚁群算法的特点
  • §2-4 蚁群算法算子设计
  • 2-4-1 蚂蚁系统算子设计
  • 2-4-2 蚁群系统算子设计
  • §2-5 本章小结
  • 第三章 基于工作流技术的蚁群算法模型
  • §3-1 基本概念和理论
  • 3-1-1 工作流
  • 3-1-2 进程代数
  • 3-1-3 Petri网
  • §3-2 蚁群算法到工作流的映射
  • 3-2-1 元素映射
  • 3-2-2 流程映射
  • §3-3 基于进程代数的蚁群算法建模
  • 3-3-1 蚂蚁系统的进程代数模型
  • 3-3-2 蚁群系统的进程代数模型
  • §3-4 蚁群算法的进程代数模型到Petri网模型的转化
  • 3-4-1 转化规则
  • 3-4-2 蚁群算法的Petri网模型
  • §3-5 本章小结
  • 第四章 蚁群算法模型的性能分析
  • §4-1 算法模型证实
  • §4-2 算法模型验证
  • §4-3 基于随机Petri网的性能分析
  • 4-3-1 随机Petri网
  • 4-3-2 性能指标
  • §4-4 试验结果
  • 4-4-1 计算性能
  • 4-4-2 运行性能
  • §4-5 本章小结
  • 第五章 主要结论和进一步工作
  • §5-1 主要结论
  • §5-2 进一步工作
  • 参考文献
  • 致谢
  • 攻读学位期间所取得的相关科研成果
  • 相关论文文献

    • [1].算法:一种新的权力形态[J]. 治理现代化研究 2020(01)
    • [2].算法决策规制——以算法“解释权”为中心[J]. 现代法学 2020(01)
    • [3].面向宏观基本图的多模式交通路网分区算法[J]. 工业工程 2020(01)
    • [4].算法中的道德物化及问题反思[J]. 大连理工大学学报(社会科学版) 2020(01)
    • [5].算法解释请求权及其权利范畴研究[J]. 甘肃政法学院学报 2020(01)
    • [6].算法新闻的公共性建构研究——基于行动者网络理论的视角[J]. 人民论坛·学术前沿 2020(01)
    • [7].算法的法律性质:言论、商业秘密还是正当程序?[J]. 比较法研究 2020(02)
    • [8].关键词批评视野中的算法文化及其阈限性[J]. 学习与实践 2020(02)
    • [9].掌控还是被掌控——大数据时代有关算法分发的忧患与反思[J]. 新媒体研究 2020(04)
    • [10].美国算法治理政策与实施进路[J]. 环球法律评论 2020(03)
    • [11].算法解释权:科技与法律的双重视角[J]. 苏州大学学报(哲学社会科学版) 2020(02)
    • [12].大数据算法决策的问责与对策研究[J]. 现代情报 2020(06)
    • [13].大数据时代算法歧视的风险防控和法律规制[J]. 河南牧业经济学院学报 2020(02)
    • [14].风险防范下算法的监管路径研究[J]. 审计观察 2019(01)
    • [15].模糊的算法伦理水平——基于传媒业269名算法工程师的实证研究[J]. 新闻大学 2020(05)
    • [16].算法推荐新闻对用户的影响及对策[J]. 新媒体研究 2020(10)
    • [17].如何加强对算法的治理[J]. 国家治理 2020(27)
    • [18].“后真相”背后的算法权力及其公法规制路径[J]. 行政法学研究 2020(04)
    • [19].算法规制的谱系[J]. 中国法学 2020(03)
    • [20].论算法排他权:破除算法偏见的路径选择[J]. 政治与法律 2020(08)
    • [21].政务算法与公共价值:内涵、意义与问题[J]. 国家治理 2020(32)
    • [22].算法的法律规制研究[J]. 上海商业 2020(09)
    • [23].蚁群算法在文字识别中的应用研究[J]. 信息与电脑(理论版) 2019(22)
    • [24].大数据聚类算法研究[J]. 无线互联科技 2018(04)
    • [25].RSA算法的改进研究[J]. 计算机与网络 2018(14)
    • [26].智能时代的新内容革命[J]. 国际新闻界 2018(06)
    • [27].改进的负载均衡RSA算法[J]. 电脑知识与技术 2018(25)
    • [28].基于深度学习的视觉跟踪算法研究综述[J]. 计算机科学 2017(S1)
    • [29].大数据算法的歧视本质[J]. 自然辩证法研究 2017(05)
    • [30].深度学习算法在智能协作机器人方面的应用[J]. 中国新通信 2017(21)

    标签:;  ;  ;  ;  

    基于工作流技术的蚁群算法性能研究
    下载Doc文档

    猜你喜欢