How an ant decides to prey on or to attend aphids

The following results on the behavior decision making of the antLasius niger toward two species of myrmecophilous aphidsLachnus tropicalis andMyzocallis kuricola on chestnut trees have been found. (1) An individual worker consistently attended only one aphid species, even if her nestmates attended other aphid species on the same tree. (2) The ants preyed less on the aphid species which they attended than on other myrmecophilous aphid species. (3) The ants preyed less on the aphids which had been attended by their nestmates, even if both aphids were the same species. (4) The ants preyed less on aphids which had provided honeydew to their nestmates. (5) The increased aphid density per ant led to an increase in the rate of predation on the introduced aphids by the ants. These results suggest that each worker ofL. niger chooses aphid species to attend from her experience. In addition, the workers can recognize whether an aphid has been attended by their nestmates and whether an aphid has given their nestmates honeydew. Through these processes, each worker decides to attend or to prey on the aphid. As a result, they may realize efficient collective foraging dependent on aphid density per worker.     

城市交通非常规突发事件的应急资源调度最优路径研究

针对城市交通非常规突发事件,在“出救点”和“应急点”已知情况下,研究了多目标下应急资源调度的最优路径问题。对问题进行了描述,建立了时间最短、费用最小的应急资源调度最优路径选择优化模型,将蚁群算法进行改进,结合改进的TOPSIS法求解最优方案,给出了仿真算例。     

“蚁族恐慌”现象对高校思想政治教育工作的挑战及对策

在当前就业和住房等问题的压力下,高校一部分学生中间出现了＂蚁族恐慌＂情绪,＂蚁族恐慌＂已经成为一种普遍现象,高校思想政治教育应该给予关注。在分析＂蚁族恐慌＂现象成因及其表现的基础上,来探讨＂蚁族恐慌＂现象给思想政治教育工作带来的挑战,并积极尝试找出应对的策略,才能真正实现高校思想政治教育工作的创新。     

考虑分时电价的多目标批调度问题蚁群算法求解

对同时优化电力成本和制造跨度的多目标批处理机调度问题进行了研究,设计了两种多目标蚁群算法,基于工件序的多目标蚁群算法(J-PACO,Job-based Pareto Ant Colony Optimization)和基于成批的多目标蚁群算法(B-PACO,Batch-based Pareto Ant Colony Optimization)对问题进行求解分析。由于分时电价中电价是时间的函数,因而在传统批调度进行批排序的基础上,需要进一步确定批加工时间点以测定电力成本。提出的两种蚁群算法分别将工件和批与时间线相结合进行调度对此类问题进行求解。通过仿真实验将两种算法对问题的求解进行了比较,仿真实验表明B-PACO算法通过结合FFLPT(First Fit Longest Processing Time)启发式算法先将工件成批再生成最终方案,提高了算法搜索效率,并且在衡量算法搜索非支配解数量的Q指标和衡量非支配集与Pareto边界接近程度的HV指标上,均优于J-PACO算法。     

一种差异工件单机批调度问题的蚁群优化算法

由于在利用蚁群算法构建差异工件(即工件有尺寸差异)单机批调度问题的解时,批的加工时间是不确定的.从而不能类似于经典调度问题的蚁群算法把批加工时间的倒数作为蚁群算法中的启发式信息,引入批的利用率和批的负载均衡率作为蚁群算法中的启发式信息,提出了JACO(ant colony optimization based a job sequence)和BACO(ant colony optimization based a batch sequence)两种蚁群优化算法.在算法JACO中,解的编码为工件序列,它对应着用BF(best fit)分批规则生成的调度方案,信息素代表工件间的排列顺序;在算法BACO中,解的编码为批序列,信息素代表工件间的批相关性,由此信息素通过中间信息素量来构造相应的解,并引入特定的局部优化策略,提高了算法的搜索效率.实验表明,与以往文献中的SA(simula-ted annealing)、GA(genetic algorithm)算法以及FFLPT(first-fit longest processing time)、BFLPT (best-fit longest processing time)启发式规则相比,算法JACO和BACO明显优于它们,且BACO算法比JACO算法效果更好.     

交叉口信号配时的人工蚂蚁优化

针对我国城市道路交叉口的实际情况，在改进信号配时模型的基础上，采用一种新型随机搜索思想——人工蚂蚁优化算法来解决交叉口的信号配时问题．仿真试验表明，所得结果优于经典方法，在相同的信号周期内，降低了交叉口的总延误时间和停车次数，提高了通行能力．     

基于改进蚂蚁算法的拉动式供应链动态调度分析

分析了拉动式供应链调度动态性的产生根源,指出由于存在供应链协作成员之间复杂的协作与竞争关系,导致了供应链动态调度的特殊性;分析了供应链动态调度过程中的两个主要瓶颈.为了合理解决瓶颈问题,在优化供应链动态调度过程中引入蚁群觅食的寻优机理,并对其进行特定的算法设计及改进,提出供应链动态调度的蚂蚁寻优算法.仿真结果验证了算法可行有效.     

基于动态扫描和蚂蚁算法的物流配送网络优化研究

本文在对动态扫描和蚂蚁算法研究的基础上,针对蚂蚁算法在求解大规模物流配送问题中存在的不足,利用动态扫描方法在区域选择方面的实用性和蚂蚁算法在局部优化方面的优点,提出综合两种方法的混合算法,并进行了实验计算.计算结果表明,混合算法获得了较满意的效果.     

改进蚁群算法在合肥市包河区果蔬配送中的应用研究

路径优化是运输过程中必须考虑的问题。合理的路径既节省时间成本,又提高工作效率。文章引入蚁群算法和改进蚁群算法,利用算法的优越性,解决合肥市包河区处于快速发展状态下居民对果蔬需求的现实性,进而需要研究果蔬配送过程的路径问题,基于找出最优路径解,运用蚁群算法与改进蚁群算法解决果蔬配送,并对两种算法求出的解进行对比分析,找出最短路径,结果说明解决包河区果蔬配送路径的必要性,也说明算法在新环境中的适应性。     

蚂蚁算法的基本原理及其研究发展现状

蚂蚁算法是一种新的随机优化算法，它利用人工蚂蚁在其途经路上释放信息素寻优，体现了正反馈、分布式、多agent协同性和并行性等特点。文章详述了蚂蚁算法原理、蚂蚁算法的原型——TSP问题的蚂蚁算法以及蚂蚁算法在应用和理论方面的研究进展，明确指出了其极为广泛的应用前景。