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。     

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。     

ACS优化算法在设计洪水计算中的应用研究

采用蚁群ACS改进优化算法求解了典型洪水同频率放大问题,构造了用于设计洪水过程求解的蚂蚁觅食概化结构图,并给出了具体求解思路和流程。通过实际洪水放大的计算,证实了该方法在洪水同频率放大优化模型中的合理性和有效性,并给出了下一步研究的方向及建议。     

基于蚁群算法求解最短公共超序列问题

提出基于多数融合启发式与向前看策略求解多个字符串最短公共超序列问题的蚁群算法.该算法采用n只蚂蚁相互独立地建立字符串集合R的超序列.每只蚂蚁在完成一次超序列构建后更新R中每个字符上的信息素.字符串中的每一个字符所得到信息素的多少依赖于该蚂蚁构建的超序列的质量、构建解的过程中字符出现的先后顺序以及在一个构建步骤中同一个字符在不同串中出现的次数3个因素.不同实验数据集上的对比测试结果表明该算法能求得更好的解.     

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。     

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。     

基于粗集理论的数据库知识发现的属性约简算法

讨论了Rough集理论中属性约简问题,提出了数据库知识发现过程中用于属性约简的基于属性重要性的约简算法,基于差别矩阵的属性约简算法和基于遗传算法的属性约简算法,从而可以导出数据库中属性约简问题的相对最优解。     

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。     

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。     

基于改进蚁群算法的分类规则挖掘

数据分类是数据挖掘中的一个重要课题,研究各种高效的分类算法是数据挖掘的重要问题之一.本文将蚁群算法与分类规则抽取问题相结合,提出了一种基于蚁群算法的具有自适应和变异杂交特征的分类规则挖掘方法,自适应地调整信息素增量,在规则构造中进行杂交变异,有效地节省了计算时间,并优化了生成的分类规则.实验结果表明:该算法可以有效克服停滞,提高搜索效率,有效地挖掘出简洁分类规则.     

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.     

基于蚁群优化算法的图像边缘检测

图像边缘携带了图像的大部分主要信息。通过对图像进行边缘检测不仅能有效地提取图像信息降低计算的复杂度而且是图像测量、图像分割、图像压缩、模式识别等图像处理的基础。本文尝试将蚁群优化算法（Ant Colony Optimization, ACO）用于图像边缘检测,通过选取经典house图像和SAR机场图像设置阈值进行自适应边缘提取,实现了边缘的精确检测。实验结果显示,该算法能够有效地提取图像目标的轮廓信息,很好保持图像纹理,具有理想的抗干扰性能,保证了检测结果的准确性。     

利用蚂蚁算法求解图的着色问题

图的着色问题是一典型的优化的问题,用蚂蚁算法求解图着色问题,可保证程序运行的高效率及高收敛性,有效避免了解此问题时极易陷入局部极小的缺陷,并且能较快的收敛.本文着重介绍了用蚂蚁算法解k色图的着色问题的详细步骤.其仿真结果表明,充分说明了蚂蚁算法解决优化问题的优越性.     

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。     

改进的次梯度优化算法的收敛性研究

次梯度优化算法是求解Lagrange对偶问题的一种有效的算法。不同的步长策略对算法的收敛性有不同的影响,I型锯齿现象对算法的收敛速度也会产生影响。通过改进步长因子公式和搜索方向,在普通次梯度优化算法的基础上,提出了一种改进的次梯度优化算法(MSOA)。该算法具有收敛、能够有效地消去I型锯齿影响的优点。     

HPGA求解流量调和问题的性能评价

针对深水天然气-凝析液生产系统的流量调和问题,采用主从式-粗粒度混合并行遗传算法(Hybrid Parallel Genetic Algorithm,HPGA)求解得到单井流量估计值,以弥补传统遗传算法(Simple Genetic Algorithm,SGA)计算耗时长的缺陷。HPGA基于多核PC集群的分布式储存,通过线程和进程两级并行实现;节点内部使用主从式并行模型(Master-slave Genetic Algorithm,MSGA),在多节点上应用粗粒度并行模型(Coarse-grained Parallel Genetic Algorithm,CGGA)。以某气田两井生产系统为例,通过对比HPGA、MSGA及SGA的计算时间和计算结果,研究HPGA在虚拟计量应用中的并行性能。结果表明:HPGA的并行效率和加速比占线性加速比的比例均在70%以上,计算时间显著缩短,且流量估计误差降低,满足工程运行离线分析的需求。同时,研究了加速比和并行效率随进程数和种群数的变化规律,以探讨并行开销的影响。     

MSP问题解法的并行化研究

为提高MSP问题的多项式时间算法ZH算法的计算速度，使其能够进行更大规模多级图的测试，本文对ZH算法进行了性能分析与并行的可行性评估，针对ZH算法中循环体较多的特点，分别在巨型机和普通PC机上进行MSP问题求解算法的首次并行化实践，随之对并行化算法提出优化方法，在实验中取得了较高的加速比。     

天山圆柏嫩枝扦插育苗技术研究

天山圆柏是抗寒、抗旱、耐土壤瘠薄、耐荫的优良常绿匍匐类针叶树,在干旱区阳坡和前山带生态建设中可广泛应用,同时是城镇园林绿化中替代高耗水草坪的极佳树种.但生产上由于天山圆柏种子和扦插繁殖都很困难,造成种苗稀缺和价格昂贵.研究利用圆柏绿枝扦插和生根粉相配合解决天山圆柏苗木繁殖问题.试验将天山圆柏嫩枝的插穗用配成100、200、300、400和500 mg/kg浓度的生根粉分别浸泡5 min和10 min扦插在育苗盘,观察天山圆柏嫩枝扦插生根率与生根粉浓度及浸泡时间的关系.结果表明,用100 mg/kg的生根粉浸泡5 min和用200 mg/kg的生根粉浸泡10 min生根率达最大.