The influence of urban park characteristics on ant (Hymenoptera, Formicidae) communities

As rapid urbanization continues, existing natural areas within urban zones will play a critical role in safeguarding remaining biodiversity. Ants are an integral part of almost every terrestrial ecosystem, including urban environments, and understanding which environmental characteristics influence their persistence is critical. In this study, 24 protected natural areas within urban parks including mosaic, scrub, herbaceous and forest habitats were surveyed for ants with 563 pitfall traps. The data provide insights into the distribution and abundance of ant fauna in San Francisco natural areas, as well as which characteristics of parks have the most influence on ant community composition. A total of 2,068 ant individuals representing 15 species were collected. A regression analysis revealed that urban forests reduced ant richness and abundance and that there was little or no impact of the Argentine ant on native ants. Natural area size and shape were not important in explaining variations in overall ant species richness and abundance, with many smaller natural areas harboring ant populations that are just as diverse and robust as larger areas.     

基于蚁群算法的公交车最佳路径问题研究

通过减少公交路线上的出行时间，可以提高城市公交出行者比例，从而使交通拥挤程度得到缓解。论文提出了一种基于蚁群算法的最佳路径选择问题的新模型。该模型在综合考虑交通因素的前提下。选择出用时最短的公交车最佳路径。研究及模拟实验结果表明，新的算法模型是可行的。     

基于蚁群算法的群体用户兴趣导航路径发现

在电子商务的发展进程中,如何准确理解用户访问网站的行为是一个紧迫的问题.Web使用挖掘是解决该问题的重要研究方法.发现用户的兴趣导航模式是Web使用挖掘的一个重要研究领域,也是优化Web站点框架设计的根本方法.在本文中,我们把Web用户看成是人工的蚂蚁,应用蚁群算法来发现用户的导航模式.首先,建立了一个Web站点模型;然后基于蚁群算法和Web日志数据建立了一个用户导航模型;最后,设计了一个算法,将所有的访问用户视为整体来挖掘他们偏好的导航路径.实验结果表明该方法能准确反映出用户的浏览兴趣.     

Ant Colony System for a Dynamic Vehicle Routing Problem

An aboundant literature on vehicle routing problems is available. However, most of the work deals with static problems, where all data are known in advance, i.e. before the optimization has started. The technological advances of the last few years give rise to a new class of problems, namely the dynamic vehicle routing problems, where new orders are received as time progresses and must be dynamically incorporated into an evolving schedule. In this paper a dynamic vehicle routing problem is examined and a solving strategy, based on the Ant Colony System paradigm, is proposed. Some new public domain benchmark problems are defined, and the algorithm we propose is tested on them. Finally, the method we present is applied to a realistic case study, set up in the city of Lugano (Switzerland).     

基于改进蚁群算法的低碳车辆路径问题研究

全球气候恶化危及人类生存环境,物流运输过程中产生的大量温室气体则是祸源之一。本文考虑带有碳排放约束的车辆路径问题（VRP）,以车辆行驶里程最短和碳排放量最小为目标,构建了多目标的VRP非线性规划模型。提出了一种改进的蚁群系统算法对该模型进行求解,算法在更新路径上的蚂蚁信息素时引入了混沌扰动机制,此举能降低算法运行时陷入局部最优解的概率并有效提高算法的适应性。同时,对启发因子、状态转移概率、信息素更新等环节进行了优化设计,提高了最优路径的搜索效率。最后,数值仿真实验证明了该算法的求解表现优于同类研究常用的遗传算法和禁忌搜索算法,具有较强的全局寻优能力。在灵敏性和有效性的保证下,本研究所设计的改进蚁群算法能够较好地处理低碳车辆路径问题（LCVRP）。     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

车辆路径问题的混合蚁群算法设计与实现

蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决TSP问题.在分析车辆路径问题(VRP)与TSP区别的基础上,论文将蚁群算法应用于VRP的求解,针对VRP的具体特点,构造了具有自适应功能的混合蚁群算法.该算法对基本规则作了进一步改进,并有机结合了爬山法、节约法等方法,以减少计算时间,避免算法停滞.指出可行解问题是蚁群算法的关键问题,提出了大蚂蚁数、近似解可行化等四个解决策略.计算机仿真结果表明,自适应混合蚁群算法性能优良,能够有效地求解VRP.     

基于混合蚁群算法的冷链物流配送路径优化研究

基于绿色物流发展理念，为企业寻求经济与环境达到双赢的局面，本研究将节能减排转化为绿色成本，融入路径优化问题中，建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题，将A*算法与蚁群算法相结合，利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析，验证了模型和算法的有效性。     

时间窗口约束下基于改进蚁群算法的协同制造调度研究

与传统调度模式不同，协同制造模式下企业之间的调度模式极其复杂。协同企业间的加工工序路线并不固定，且不同类型产品具有不同的加工路线网络。为此本文针对平衡型、瓶颈型、跳跃型、混合型四类具有典型特点的协同制造网络G_p进行分析和设计；考虑制造企业同类产品合并加工策略，构建基于连续加工量的分段生产成本函数；通过设计合理的订单最早交货时间和最晚交货时间，对订单交货进行时间窗口约束，并在此基础上构建了由制造商生产成本W_c^m、订单等待W_s^k（Q_k， T'_k）和提前完工库存成本W_s^k（Q_k， T″_k）、延期惩罚成本构成W_l^k（Q_k， T'″_k）的目标函数。为求解该模型，创新性将蒙特卡洛思想引入蚁群算法，提高蚂蚁选择合理性，避免局部最优；同时，采用移动窗口[min， max]奖励机制，并且对信息素奖励乘以平衡系数k（N）提高奖励可信度，加快搜索速度并提高求解性能。仿真结果表明，本文构建调度模型合理，可以获得优化的调度结果；同时，本文提出的蚁群改进寻优算法具有良好的求解速度和收敛性，算法具有较好的稳定性。     

双目标旅行商问题及其蚂蚁算法实验研究

对双目标旅行商问题设计了基于Pareto概念的多目标蚂蚁算法.借助于算法的全局搜索能力,在整个解空间内快速搜索多目标组合的Pareto有效解,并利用多目标蚂蚁算法维持解集多样性的特点,使搜索到的Pareto解在前沿均匀分布.经大量算例求解验证了其有效性,该算法具有较好的通用性.