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。     

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.     

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。     

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。     

基于改进蚁群算法的船舶电力系统故障重构研究

提出一种采用K阶近邻策略求解子集类问题的改进蚁群算法,应用到船舶电力系统故障重构问题中。将重构问题抽象为子集类优化选择问题,建立适合解决此类问题的蚁群算法模型。根据船舶电力系统故障重构特点,采用K阶近邻策略缩小算法的求解空间以提高寻优求解效率。算例分析及仿真实例表明,改进后的蚁群算法可以有效解决船舶电力系统故障重构问题。     

个体变异蚁群算法在TSP问题中的应用研究

在蚁群算法中引入个体变异机制,使蚁群中蚂蚁个体的参数产生差异,从而调整概率函数中信息素因子的强度以及距离因子在概率中的作用,使蚂蚁在选路时具有多样性.与传统蚁群算法的对比实验表明该算法加快了收敛速度,改善了求解性能,有效避免了早熟收敛.

Abstract：

Ant colony algorithm has many disadvantages, such as long searching time, easy to fall into the local optimal solution and so on. This paper bring a individual mutation strategy in ACA, which makes the parameters of individual in the ant colony cause to change, enables the strategy of ants route selection to possess variety by coordinating the intensity of the pheromone gent and the effect of the distance gene in the probability function. The experimental results show that the improved algorithm has great effectiveness and efficiency than the Ant Colony algorithm and avoid stagnation efficiently.     

基于蚁群算法的水果图像分割技术

为了解决移动影像终端对水果识别与处理的关键问题,在分析现有水果图像处理方法的基础上,提出了基于蚁群算法的彩色水果图像分割算法,建立了四维向量信息结构的蚂蚁单元描述模式和蚁群图像分割算法的信息操作策略,给出了算法的详细执行步骤。利用Matlab软件进行了图像处理算法的试验分析,结果表明,该方法对水果识别有效、可行,对水果图像分割处理具有一定的借鉴价值。     

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。     

基于改进粒子群优化算法的可用输电能力求解

针对可用输电能力问题的复杂性,非线性及控制变量的多样性,使用一种改进的粒子群优化算法求解,建立了基于最优潮流的可用输电能力的求解模型.建立了自适应惯性权重策略,使用动态压缩搜索空间策略对控制变量的约束空间进行动态的调整.IEEE_30节点算例验证了所提算法的有效性和准确性,结果表明:在保留了标准粒子群算法的固有优势的前提下,进一步增强了算法的收敛能力,提高了算法的适应性和收敛速度.     

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。     

基于改进型蚁群算法和Gauss-Markov随机场的植物病斑自适应分割

针对植物病害图像成分复杂、病斑排列无规则等特点,提出了基于改进型蚁群算法和Gauss-Markov随机场的自适应病斑分割算法。该算法采用自适应信息素更新策略,对信息量进行有差别的动态更新,克服了标准蚁群算法容易陷入局部最优造成的早熟、停滞现象。同时,利用Markov随机场的局部相关特性并结合Gauss分布组成线性平稳自回归模型,针对植物病斑特征建立分割模型。最后,采用改进型蚁群算法对其进行优化,并结合Gauss-Markov随机场最大后验概率估计,实现对植物病斑的自适应分割。仿真试验表明,改进后的算法能够针对植物病斑特性实现自适应分割,鲁棒性较好。然而,对于蚁群算法与Markov的最佳耦合方式及参数初始值的设置仍需作进一步研究。     

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。     

基于多目标PSO-ACO融合算法的无人艇路径规划

【目的】针对河蟹养殖过程中,水位变化以及无人艇路径规划算法收敛慢、精度低的问题,为提高算法适应性与寻优能力,提出一种多目标粒子群-蚁群融合的无人艇路径规划算法。【方法】首先,分析蟹塘环境及养殖规律等因素,建立静态水深栅格环境模型;其次,针对覆盖遍历式投饵存在局部点投喂不足及路径次优的问题,通过对惯性参数与学习因子的非线性调整,提出基于多目标的改进粒子群算法(Particle swarm optimization, PSO);然后,调整蚁群算法的初始信息素,并对蚁群算法的信息素挥发因子和启发期望函数自适应改进,提出自适应优化蚁群算法(Ant colony optimization, ACO);最后,为解决单一算法寻优不足,利用融合PSO-ACO算法,实现无人艇多目标全局路径规划。【结果】仿真结果表明：不同环境投饵策略下,PSO-ACO算法在对多目标路径寻优时,不仅环境适应性好,而且提高了寻优效率和精度,运行时间节省了32%,路径距离缩短了9.78%,迭代次数降低了62.88%,拐点数目减少了44.45%。【结论】所提出多目标点的路径规划算法适用于环境可变的蟹塘养殖,具有较好的应用价值。     

Research of Rural Power Network Reactive Power Optimization Based on Improved ACOA

In view of the serious reactive power loss in the rural network, improved ant colony optimization algorithm （ACOA） was used to optimize the reactive power compensation for the rural distribution system. In this study, the traditional ACOA was improved in two aspects： one was the local search strategy, and the other was pheromone mutation and re-initialization strategies. The reactive power optimization for a county＇s distribution network showed that the improved ACOA was practicable.     

基于改进型蚁群算法的网格资源分配的研究

通过对基于标准蚁群算法和MMAS蚁群算法的网格资源分配算法的比较和分析,提出了另一种自适应的蚁群算法。通过计算机仿真实验证明,自适应改进型蚁群算法相比于基于标准蚁群算法和MMAS蚁群算法的网格资源分配算法具有更强的搜索全局最优解的能力,同时还具有更好的稳定性和收敛性。     

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.     

量子人工鱼群算法

为提高人工鱼群算法的搜索能力和优化效率并避免早熟收敛,将量子进化算法融合到人工鱼群算法中,提出一种求解连续空间的新的量子人工鱼群优化算法。该方法直接采用量子位的相位对人工鱼进行编码,采用人工鱼的进化方程实现人工鱼群上相位的更新,采用Pauli-Z门实现人工鱼的变异。仿真结果表明,该方法的搜索能力和优化效率明显优于基本人工鱼群算法。     

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。     

时变网络拓扑图下智能电网中基于优化算法的分布式调度响应

就时变网络拓扑图下智能电网中基于优化算法的分布式调度响应问题进行了研究.利用原对偶方法将带有约束的智能电网优化问题转化为一个无约束的优化问题同时提出相应的求解算法.该算法允许不同发电机之间采用异构常数步长进行更新,同时给出了算法的收敛速度.理论推导表明文中所提出的算法能以线性收敛的速度达到该问题的最优解.