网格计算是解决科学计算、工程计算和商业计算等大规模计算的下一代极具潜力的计算平台。网格核心服务是网格的重要组成部分,是连接网格底层和高层功能的纽带,是协调整个网格系统有效运转的中枢,对这部分网格技术的研究具有重要意义。任务调度技术是网格核心服务之一。 大量任务请求使用网格资源时,必须对它们进行合理调度才能达到资源的优化利用。一个良好的任务调度策略能高效地协调和分配网格资源,有效降低网格计算的总执行时间和总耗费,从而使网格达到最大的性能。任务调度技术对网格系统的应用至关重要。 目前存在的网格任务调度策略,如遗传算法、蚁群算法、模拟退火算法、禁忌算法等,皆优缺点分明,都不能够单独实现对网格任务的最优调度,而且没有将遗传算法和蚁群算法结合在一起来解决网格任务调度问题的策略。本文详细分析了遗传算法和蚁群算法在各自不同时期的搜索优、劣势,并在自己设计的模型中存优去劣地实现新的网格任务优化调度。其创新点在于网格任务调度的前阶段利用遗传算法群体性全局搜索能力,能够快速形成初始解,在满足终止遗传算法的条件之后,将遗传算法调度的“最终结果”转化为蚁群算法所需要的初期信息素,然后利用蚁群算法所具有的正反馈性,高效等特点迅速地形成任务调度的最优解。新算法的目标就是使任务调度策略充分考虑网格计算的特点,更合理地分配网格资源,从而提高网格系统的总体性能。为了评估算法的性能,本文在研究仿真软件SimGrid之后设计了自己的模拟程序对新算法进行了性能评估和验证。论文主要阐述了网格调度策略设计前的准备工作(解析网格计算环境和几种基本的调度算法),调度策略设计与实现以及最后的调度策略性能仿真。具体工作如下: 1)解析网格计算环境,阐述网格定义、特征及体系结构。 2)简述网格任务调度及几种经典的网格调度算法。 3)根据基本遗传算法和蚁群算法的本质特征以及网格计算环境对任务调度的要求,设计了基于遗传算法和议群算法的网格任务调度策略

车辆路径 matlab代码 Intelligent_Algorithm 用matlab解决路径规划和竞争设施选址问题 一、五个基础算法以及示例： ga 遗传算法解决分配问题 问题描述： 现有10个工人去做10件工作，每个工人完成每项工作所需时间不同。 要求每个工人只做一项工作，每项工作只由一个工人完成。 怎样指派工人完成工作可以使所用总时间最少？ tabu 禁忌搜索算法解决解决商旅问题 问题描述： 某5个城市旅行商问题， 用禁忌搜索算法实使得旅行商走过所有城市后回到原点的总路径最小。 ants 蚁群算法 问题描述： 设有19个客户随机分布于长为10km的正方形区域内。配送中心位于区域正中央，其坐标为（0，0）。 各客户的坐标及需求量如下表所示，配送中心拥有若干辆载重量为9t的车辆，对客户进行服务时都从配送中心出发， 完成对客户点的配送任务后再回到配送中心。现要求以最少的车辆数、最小的车辆总行程来完成货物的派送任务， 用蚁群算法求解该VRP问题(vehicle routing problem)。 SA 模拟退火算法 问题描述： n 个工作将要指派给n 个工人分别完成，问如何安排可使总的

多种可仅供参考的蚁群算法优化PID参数，实现参数的最适控制。

新型群智能优化算法（matlab实现）——烟花算法、粒子群算法、蚁群算法。压缩包里有使用手册信息，方便读者使用

用蚁群算法实现点到点的路径规划（可读取txt文件）

matlab实现的蚁群算法，可以运行，可以修改参数 有说明，适合大多数人使用

采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等最常用的智能算法的MATLAB实现。共给出30个案例，每个案例都是一个使用智能算法解决问题的具体实例，所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成，并配有完整的程序源码和讲解视频，使读者在掌握算法的同时，也可以学习到作者们多年积累的编程经验与技巧，从而快速提高使用算法求解实际问题的能力。

matlab 遗传、粒子群、蚁群 各一个简单例子

包内含《MATLAB智能算法30个案例》PDF以及所有案例源代码，（遗传算法及改进的、粒子群算法及改进的、人工鱼群算法、模拟退火算法、蚁群算法）仅供学习参考，不得用于商业用途，谢谢合作。

MATLAB源码集锦-改进蚁群算法求解连续空间优化问题代码