基于改进蚁群算法的联合收割机调度路径优化

为缓解收割机在收获季节供不应求的局面,实现联合收割机在收割中的高效率、低成本和高收入。通过对影响收割机调度的多种因素进行分析,建立联合收割机调度的数学模型。针对基本蚁群算法易陷入局部最优解、收敛速度慢等缺点,引入节约矩阵,并对不同搜索时段采用不同的信息挥发因子,最后通过局部搜索策略2-opt法搜索最优解的方法改进基本蚁群算法,对模型进行求解。仿真结果表明,改进后的蚁群算法性能优良,且可降低调度成本,能够有效解决联合收割机在农忙时节的使用问题。     

蚁群算法解决TSP问题的研究

蚁群算法是一种用于解决复杂问题的新的启发武算法，它是通过信息素的积累和更新收敛于最优路径上，隶解速度慢，而遗传算法具有快速随机的局部搜索能力。将遗传算法和蚁群算法融合，给出一种求解TSP问题的改进的算法。     

一种求解饲料配方问题的蚁群优化算法

文章分析了饲料配方问题现有的求解策略,在常规蚁群系统基础上,给出了蚂蚁在连续空间寻优时的多种具体移动策略,提出了一种用于求解约束化问题的自适应移动策略连续空间蚁群算法,通过设定的收敛因子,来自动调节蚂蚁的移动策略,加快了收敛的速度,同时也避免了早熟的产生。结果表明,该算法在求解饲料配方问题上具有更强的求解能力。     

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。     

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。     

一种蚁群算法的并行实现

蚁群算法具有较强的鲁棒性和发现较好解的能力,但在求解问题规模较大时,存在收敛速度较慢等缺点。提出了一种蚁群算法的并行实现策略,利用MPI函数库,采用C 语言编程实现,并在曙光4000超级计算机上成功运行。结果表明,并行蚁群算法能明显加快算法的收敛速度。     

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.     

基于蚁群算法的配电网络重构模型及其应用

采用一种可用于求解一般形式的非凸、非线性约束优化问题的蚁群算法,以求解配电网络重构问题。该算法运用了正反馈、分布式计算和贪婪式启发搜索,不依赖于各种初始参数,不易陷于局部最优。通过算例分析表明,与现有各种方法相比,该算法具有适应性好、计算效率高、优化效果好的优点。     

基于K均值聚类改进的蚁群算法研究

蚁群优化算法(ACO)在求解TSP(traveling salesman problem)问题时,其算法的时间复杂度为O(m·n2·t)(其中t表示循环次数,n为城市数,m为蚂蚁数),搜索时间比较长。利用K-means聚类的方法得到多个类,每一个类都看作是一个小的TSP问题,然后在每个类内部和类之间利用改进的蚁群算法寻找最优路径,通过实验仿真,验证了此方法不但能提高解的精度,而且还加快了运行速度。     

结构可靠度分析的一种改进蚁群算法

基本蚁群算法存在过早收敛、容易陷入局部最优解等问题。引入信息熵H,通过控制信息熵的值来改进参数τ,从而对基本蚁群算法进行改进,并使用改进后的蚁群算法来求解可靠指标,对结构体系进行更为准确的结构可靠度研究,以提高结构可靠度的计算效率与计算精度。将改进的蚁群算法应用于10杆桁架结构,应用结果证明该研究方法具有很强的适用性和有效性,为研究大型复杂结构的可靠性问题提供了一种新的方法。     

精准农业中管理区划分方法研究

综述了近年来国内外在精准农业中农田管理区划分上应用的主要方法,包括K均值聚类算法、模糊C均值聚类算法、加权模糊聚类算法、粒子群优化算法以及改进的蚁群聚类算法。概述了各种方法的原理,比较了各种处理方法的优缺点,并对分区方法做了简要概括,最后指出了目前研究中存在的问题及今后的研究方向。     

基于二元蚁群算法的智能组卷的仿真设计研究

智能组卷中组卷算法的优劣直接影响到智能组卷的质量和效率。本文通过改进的蚁群算法用以提高智能组卷效率,通过分析组卷策略,首先建立了试题组卷的数学模型并对模型进行简化处理;再通过加权离差模型对智能组卷问题进行建模;最后利用二元蚁群算法求解模型得到组卷方案。仿真结果表明,二元蚁群算法具有较好的时间性能,并能在较短的时间内收敛并到全局最优解并组成满足用户需的试卷。     

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.     

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.     

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。     

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。     

知识约简的多族蚁群算法

Rough集理论中知识约简是个NP-hard问题，已有的方法都有不同的局限性。受蚁群算法的启发，通过将条件属性集映射到有向图结构，并采用两族群蚂蚁协作共同完成求解，提出了知识约简的多族蚁群算法。采用多族群蚂蚁协作后，改善了一般蚁群算法收敛速度较慢的问题，提高了求解速度。通过实验验证，它是一种非常有效的方法。     

生物启发式算法求解多模态优化问题研究

实际生活及工程应用中的诸多问题均可归结为多模态优化问题,研究多模态优化问题的目的在于找出问题的所有全局极值解或有意义的局部极值解。从算法的“完全收敛性”出发,探讨了目前生物启发式算法(如遗传算法、蚁群算法、萤火虫算法、鱼群算法、粒子群算法等)求解多模态优化问题存在的问题和缺陷,并得出其在求解多模态优化问题时必须满足的条件：种群的多样性及种群分布的均匀性。随后概括并总结了目前求解多模态优化问题而保持种群多样性及均匀性的若干策略,着重研究了通过生物启发式算法并结合改进小生境技术在多模态优化问题求解中的研究进展,最后评述了今后一些有意义的研究方向及主要研究内容。     

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.     

基于改进蚁群算法的供水管网优化计算

【目的】以供水特点为基础建立相应的数学模型,优化选择供水中的管网路径。【方法】利用改进的蚁群算法,对供水管网进行优化选择,在选择策略上,以初始节点引入的虚拟路径距离为基础,对启发信息进行归一化处理,并利用全局策略进行优选节点的概率选择;在更新策略上,利用信息素的局部和全局更新,并结合蚂蚁数量自适应调整及增加随机干扰进行改进;最后以巴家咀水库为对象,利用基本蚁群算法和改进蚁群算法进行优化计算并比较。【结果】利用改进的蚁群算法进行计算时,所得的平均路径、最短路径、最差路径、平均迭代次数和总成本分别为139.635 5km、138.214 7km、142.301 9km、314次和11.32亿元,而基本蚁群算法分别为145.042 1km、140.582 7km、149.215 5km、638次和11.51亿元,改进蚁群算法各项计算指标均优于基本蚁群算法。【结论】改进的蚁群算法可以提高全局搜索能力和收敛速度,能快速有效地获得供水路径的最优解或近似最优解,可以为管道供水路径的优化选择提供参考。