一种改进蚁群算法的研究

从基本蚁群算法出发,基于TSP(travelingsalesmanproblem)的邻域结构,提出了一种改进的优化算法,给出了具体的算法步骤。该算法采用2-opt和3-opt作为混合邻域结构,可以有效克服基本蚁群算法收敛速度慢和易于陷入局部最优解的弊病。针对TSPLIB中的krob100,EIis51和CHN144问题的计算结果表明,该改进算法具有良好的效果。     

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。     

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。     

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。     

基于蚁群算法的智慧旅游路线规划方案分析

为了改善传统的旅游路线规划费时费力、用户体验感较差的现状,基于科技力量的智慧旅游路线规划应运而生,提出一种基于蚁群算法的智慧旅游路线规划方案。首先通过描述蚁群算法的基本原理,改善基本的蚁群算法花费时间长、容易陷入死局的缺点,对基本的蚁群算法进行改进,与基本蚁群算法相比,增加了搜索范围集中化阶段、实时更新信息素阶段、信息素回滚机制阶段。然后以旅游花费更少的钱、得到最大最舒适的旅游体验为目标,将费用目标、体验感目标进行综合,建立了基于蚁群算法的旅游路线规划模型,并利用改进的蚁群算法对规划模型进行求解。最后将模型应用于实际案例中,通过计算分析得到符合要求的最优旅游路径。     

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。     

低碳条件下鲜活农产品冷链物流配送路径优化

近年来,低碳物流日益受到重视,低碳条件下鲜活农产品冷链物流配送路径优化分析也成为研究热点。通过综合分析配送车辆的运输成本、固定成本、制冷等相关成本,和在配送过程中的货损成本、碳排放成本,以及未能达到客户要求的服务时间窗而出现的惩罚成本作为具体的目标函数,建立低碳条件下鲜活农产品配送路径的优化模型,并为该问题的解决提出优化的改进建议,即采用2-opt局部搜索机制的蚁群算法进行改进。同时应用实例对模型和算法的有效性进行分析,包括对算法参数的敏感性分析。仿真试验及算法对比结果表明模型和结果都是有效的,能够为最终企业进行配送决策提供有力支持。     

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。     

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。     

基于一种混合算法的机器人路径优化研究

提出一种适用于移动机器人避障路径规划的混合优化算法。首先介绍细菌觅食算法的三大基本操作:趋向性、复制、迁徙操作,建立细菌觅食算法流程;其次建立蚁群算法模型;然后分析细菌觅食算法和蚁群算法的优缺点,提出一种具有较强全局搜索能力和快速收敛的混合算法模型;最后将该算法用于灭火机器人在国际赛制灭火机器人环境中寻找火源。仿真结果表明该混合算法比基本蚁群算法能够以较快的速度和较短的路径找到目标位置,最后将该算法用于实验中,证明了该方法的可行性和有效性。     

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。     

蚁群算法在土地利用结构优化模型中的应用

将蚁群优化算法引入土地资源规划,构建基于蚁群算法的资源规划数学模型,克服了传统优化模型的缺陷,选择张家口地区进行实证分析,得出了该地区最佳的土地利用结构优化方案。     

遗传算法和蚁群算法融合求解TSP

文章将遗传算法和蚁群算法融合为一体,在此基础上,分别对遗传算法和蚁群算法中的遗传算法中的交叉长度发生变化、种群更新、蚁群算法信息素保留率和信息素自动更新进行了改进。同时给出一种信息素更新模型,最后通过对TSP的51个城市的仿真计算,表明将遗传算法和蚁群算法融合为一体效果较好。     

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。     

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.     

基于改进的蚁群算法求解多目标生鲜农产品车辆路径

针对考虑价格折扣的带时间窗的生鲜农产品车辆路径问题,用准时到达率和准时到达量表示客户服务质量,建立了以成本最低、服务质量最大和碳排放最少为目标的数学模型。并设计了一种改进的蚁群算法,即在启发因子中加入需求量和时间窗跨度因素,将目标权重加入到信息素的更新策略中,在完成一次迭代后再进行信息素的更新,加快了求解速度、提高了目标准确度,防止了最优解的局部优化。测试算例的结果表明:求解多目标生鲜农产品车辆路径问题时,与基本蚁群算法相比,改进的蚁群算法具有收敛速度快、目标准确度高等优点。     

一种基于子种群带多亲体杂交的微粒群算法

提出一种改进的微粒群算法XSPSO,使用子种群来决定各个个体的邻域.引入基于邻域的多亲体杂交,引导各个微粒飞向不同的山峰的同时搜索其他山峰.从实验的结果来看,该算法具有较强的搜索能力和较好的稳定性,且精度较好.该算法用于多峰函数优化具有较佳的效果.     

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。     

分布式农产品物流配送系统研究

设计分布式农产品物流配送系统的体系和功能结构,建立配送中心选址和配送路径优化2个核心数学模型,分别运用粒子群优化算法和改进蚁群算法求解,并将分布式技术与GIS技术相结合以实现系统。