改进蚁群算法在配电网规划中的应用

电网优化规划是一个复杂的非线性组合优化问题,目前对于该问题的求解仍存在计算速度和收敛性问题.为解决这个问题,提出了一种通过动态调整信息素挥发因子ρ来控制其正反馈过程的改进蚁群算法,提高了网络优化规划过程中得到全局最优解的概率和收敛速度.算例分析结果表明:规划结果符合实际,并在相同参数下,改进蚁群算法的迭代次数减少约一半,充分验证了该方法的实效性.     

基于蚁群算法的农业节水灌溉路径优化部署

为实现节水灌溉田间地块路径管线部署的管理和控制,采用信息素优化的改进蚁群算法进行设计研究.在现有蚁群算法组合优化的现实缺陷基础上,以田间地块坐标作为数据源,采用改进的蚁群算法对田间地块布线路径进行设计,从而提高蚁群算法在迭代过程中更新最优解的能力,最终在相同的迭代次数内找到路径更短、代价更小的规则,解决农业节水灌溉管线路径部署优化问题,并在VC++程序中验证路径优化的实际问题.测试结果表明:在相同的气候条件下,路径优化部署设计结果可以为节水灌溉的管道布局管理提供参考依据和数据支持.     

引入启发式函数蚁群算法的VRP研究

车辆路径问题是一个NP难题,蚁群算法是求解诸如车辆路径安排问题等组合优化问题的有效工具。分析了蚁群算法在VRP中的应用,提出启发式函数对传统的蚁群算法的改进,对传统蚁群算法进行优化。通过实验对该方法进行检验,实验结果显示,本文提出的算法性能优于传统的蚁群算法。     

新型自动化立体仓库控制系统研究

讨论无巷道堆垛机自动化立体仓库的结构与控制系统。该自动化立体仓库由单层货位可移动式动力货架进行组合,能适应现有仓库的自动化改造,具有较强的应用灵活性。其现场控制单元由上位机管理下的工控机进行控制,现场控制总线采用CAN-BUS总线,通过CAN/485接口将各现场工作单元进行联接,由上位机进行统一管理。     

蚁群优化算法的研究与改进

本文通过对蚁群优化算法进行分析,提出影响蚁群优化算法收敛性、解质量和算法稳定性的几个关键问题是:下一个结点的选择、局部信息素更新的必要性和参数的选择.文中采用不同的方法解决这三个关键问题并且将算法应用到TSPs,实验结果与几个改进算法相比具有一定的优越性.本文进一步在蚁群优化算法中嵌入局部搜索方法,通过实验说明,算法的求解速度和最优解的质量都得到明显改善,算法的稳定性也明显提高.     

一种用于连续寻优的蚁群爬山算法

针对蚁群算法在连续寻优过程初期信息素匮乏、搜索时间长、收敛慢的弱点,对蚁群算法进行改进,并结合爬山算法提出了一种新的蚁群爬山算法.将新的蚁群爬山算法用于求解连续全局优化问题,数值实验证明该算法是可行的、有效的,并且精度和效率优于蚁群算法.     

基于ACO-SVM的粮虫特征提取研究(英文)

[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。     

基于ACO-SVM的粮虫特征提取研究

[目的]研究基于ACO-SVM的粮虫特征提取,探讨粮虫特征提取的可行性。[方法]通过分析储粮害虫图像识别系统中的1个关键环节——特征提取,提出把支持向量机(Support vector machine,简称SVM)算法中交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的1个重要因子,将蚁群优化算法(Ant Colony Optimization,简称ACO)应用于粮虫特征的自动提取。[结果]该算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95%以上。[结论]该研究表明蚁群优化算法在粮虫特征提取中的应用是可行的。     

基于多头绒泡菌网络模型的蚁群算法优化

基于多头绒泡菌网络模型在求解迷宫问题时所展现的“重点管道重点培养”特性,设计一种优化的蚁群算法. 该优化算法在更新信息素矩阵时考虑蚂蚁释放的信息素和多头绒泡菌网络中流通的信息素.通过对重点管道信息 素浓度的加强,提高路径寻优过程中重点管道的被选概率,从而提高蚁群算法对最优解的开发力度.针对旅行商问 题的对比实验验证了该优化算法可提高传统蚁群算法的寻优能力,并具有更高的鲁棒性.     

基于蚁群优化的单路口交通模糊控制的研究

本文提出了一种基于蚁群优化的控制方法,应用蚁群算法进行相序优化,确定通行相位,并且结合模糊控制的优点,确定该通行相位的有效绿灯时间.仿真结果表明,本文给出的控制方案和优化算法适应能力较强,在相序相对稳定的前提下.单交叉路口的平均车辆延误更少.     

应用人工生命模型Bug/BACO求解组卷问题研究

从一维Bug人工生命模型入手,通过设置细胞自动机中细胞的内部状态集合以及细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,提出Bug人工生命模型二元蚁群优化算法（Bug-BACO算法）。为解决二元蚁群优化算法＂探索和利用＂的冲突,引入随机扰动因子,并引入并行策略对Bug-BACO算法实施并行化处理,进一步提出Bug人工生命模型的并行二元蚁群算法（Bug-PBACO算法）。仿真对比试验表明,Bug-PBACO算法能在较短时间内解决大规模组卷问题,具有较强的实用性。     

立体仓库控制管理软件系统的设计应用

立体仓库适用于化工产品或安全度要求高的物品管理,是实现仓库现代化管理的重要途径。立体仓库包括计算机系统、电器部分和机械部分。计算机系统中的控制管理软件为其核心部分,负责出/入库货物的管理、库中货物的帐目登记、立体仓库中库位的管理,完成升降台状态的检测与控制,与行走堆垛机的控制。文章介绍立体仓库软件系统的特点及主要功能。     

基于优化蚁群算法在粮食运输车辆调度中的应用研究

为了有效地降低车辆在粮食运输中的成本,采用改进的蚁群算法对粮食物流配送路径进行优化。通过建立数学模型,提出改进的蚂蚁转移规则、优化信息素浓度、改进全局信息素更新策略。结果表明,改进的蚁群算法比基本蚁群算法可以更好地解决粮食运输车辆的路径问题,使得运输距离明显缩短。     

梯级水库优化调度模型的蚁群系统(ACS)算法求解研究

【目的】对梯级水库调度模型的动态、高维、非线性、复杂优化问题进行求解。【方法】在传统蚂蚁系统的基础上,将蚁群系统中的蚁密、蚁量系统的局部更新和蚁周系统的全局更新有机结合,提出了一种求解梯级水库优化调度模型的改进蚁群算法,即蚁群系统(ACS)算法,采用ACS算法对乌江梯级水库进行了优化调度实例研究。【结果】ACS算法兼顾了计算的时间和精度,优化得乌江梯级发电量为96.538亿kW·h,相比利用动态搜索算法求解的乌江梯级发电量95.882亿kW·h略大,但均接近于乌江梯级设计多年平均发电量100.21亿kW·h。【结论】采用ACS算法可快速求解乌江梯级水库优化调度模型,并可得到满意的结果,说明该优化算法是合理、可行的。     

基于最大最小蚁群算法的智能装载方法

三维装箱问题在现实生活中有着广泛的应用,是具有复杂约束的组合优化问题,理论上属于NP-hard问题。针对贪心算法通常得到的是局部最优解以及基本蚁群算法存在不足等问题,本文首先给出了启发式装箱规则,然后结合最大最小蚁群算法对装载顺序进行优化,提出了一个求解三维装箱问题的混合蚁群算法,最后通过实验对比验证了该算法的有效性和优越性,并给出了三维效果展示图。     

基于蚁群-BFS算法的复杂环境下农业机器人全区域覆盖研究

目的 以路径重复率为优化目标解决农业机器人在数字生态农场中的全区域覆盖问题。方法 首先,将栅格地图中的障碍物进行膨胀处理,在此基础上进行矩形分区以及分区合并操作;然后,通过改进的蚁群算法规划分区间的遍历顺序、通过改进的广度优先搜索(Breadth first search, BFS)算法规划分区间终点与起点的衔接路径,从而实现机器人全区域覆盖。2种算法的具体改进方案为：分别通过人工免疫算法与粒子群算法改进遗传算法的选择与交叉算子,并将改进后的选择算子、交叉算子、原遗传算法变异算子与蚁群算法相结合改进传统蚁群算法信息素更新方法;建立动态函数以简化BFS算法规划的路径。结果 仿真结果表明,改进蚁群算法收敛时的迭代次数较传统蚁群算法减少了83.1%,路径长度相比减少了4.8%;由改进的蚁群算法与改进的BFS算法规划的机器人遍历路径重复率是传统蚁群算法和BFS算法的56%,且农业机器人能实现对农田区域的100%覆盖。结论 本研究提供了一种农业机器人在复杂环境的数字生态循环农场中进行全遍历覆盖的解决方案。     

基于3S技术和蚁群算法的灌区渠系优化配水

【目的】建立基于3S技术和蚁群算法的灌区渠系优化配水模型,解决目前灌区配水管理中的被动配水和信息采集方法落后等问题。【方法】以冯家山水库北干十一支灌区为研究对象,采用RS/GPS技术获得灌区作物的种植结构、面积及灌区土壤含水率等信息,将这些信息输入GIS系统中,再根据灌区不同位置的土壤墒情,以斗渠为计算单元,通过GIS系统计算各斗渠的实际需水量,最后按各出水口"定流量、变历时"的轮灌运行方式建立优化模型,通过蚁群算法对模型进行求解。【结果】获得了各出水口在灌区实际需水量条件下的最优配水组合方案,算法简单、收敛性好。【结论】基于3S技术和蚁群算法的灌区优化配水,使现有的一些配水数学模型可以发挥更大的作用,使计算结果更接近实际。     

蚁群优化算法研究

由传统的蚁群优化算法入手,介绍了蚁群优化算法的基本原理以及在TSP问题中的应用,分析并总结了蚁群算法在信息素更新、路径构造等方面的改进方法。     

防空体系化作战的目标分配模型设计

在防空武器装备体系化作战中,目标分配是防空体系化作战的核心。采用基于优化排序的蚂蚁策略的蚁群算法,解决防空体系化作战中目标分配计算量大的问题。同时,将目标分配中的目标航路捷径引入到蚁群算法中,提高了蚁群算法针对目标分配的计算效率。通过算例的计算表明,该算法收敛快速,计算结果满足目标分配要求。     

改进的蚁群算法在灌区渠系优化配水中的应用研究

针对我国大多数地区渠系配水通用性较低的问题,将农田水利作为农村基础设施建设的重点任务,以吉林省大安灌区渠系为例,基于地理信息及遥感测控技术,通过改进的蚁群算法对灌区渠系进行优化配水,最终达到节水灌溉增产的效果。在北方实际灌溉过程中,优化配水在农业节水灌溉领域中具有重要的意义,其算法简单,收敛性好。采用改进的蚁群算法可以使渠系配水模式在满足一定约束条件下将水量损失降到最低,使有限的水资源发挥最大的作用。结果更贴近实际,值得全国范围推广应用。