基于改进蚁群算法的装配线VRPTD问题研究

用改进蚁群算法求解了装配线物料配送的VRPTD问题(带最后期限时间窗的车辆路径问题)。通过信息素动态更新设计,使改进蚁群算法具有自适应性,克服了传统蚁群算法在遍历寻优过程中容易出现停滞和陷入局部最优解的缺点。通过进一步对启发函数可见度进行改进设计,提高了算法的全局搜索能力。仿真结果表明,改进蚁群算法可以很好地求解装配线VRPTD问题,这对实际应用有一定的参考价值。     

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。     

3-状态串并联设备网络单目标-单约束可靠性优化蚁群算法

3-状态设备网络系统单目标-单约束可靠性优化问题是NP-难问题,本文研究这类优化模型的快速算法。在对已有3-状态设备网络系统可靠性优化模型进行分类的基础上,以蚁群算法为工具,给出了一个求解3-状态设备网络单目标-单约束串并联网络系统可靠性优化问题最优解的蚁群算法框架。合理选择算法参数,进行计算机仿真。模拟仿真结果表明,在随机运行一定次数算法后,算法都能够有效的给出模型的近似最优解。合理选择算法参数,蚁群算法能够成为有效求解3-状态设备网络可靠性优化问题的有力工具。     

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。     

基于DNA进化算法的车辆调度问题

在建立一种物流配送车辆调度模型的基础上,针对传统启发式算法对复杂问题搜索效率低、易陷入局部最优的缺点,构造了DNA进化算法求解该问题。将其在个体变异操作中进行了一些改进,避免陷入局部最优。车辆调度问题(V SP)属于组合优化NP难题。采用V SP问题进行测试,仿真结果表明:该算法简单可行,与其他算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力。     

基于蚁群算法的混合方法求解车辆路径问题

车辆路径问题(VRP)是以中心仓库为起点和终点,求解服务于一组顾客的车辆配送路线的优化集合。解决VRP问题是物流管理中的关键,也是电子商务中的重要环节。应用新近出现的一种元启发方法———蚁群优化(ACO)来解决只有一个中心仓库和相同车辆的VRP问题。我们提出一种混合的蚁群方法来解决这个问题。首先提出一种ACO算法,然后加入局部搜索机制并使用基于问题的特定启发信息———节约量来改进算法。     

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。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配 送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算 法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算 法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

物流配送管理中的路径优化问题研究

经典的优化理论大多是在已知条件不变的基础上给出最优方案(即最优解),其最优性在条件发生变化时就会失去其最优性。本文提出的局内最短路问题,就是在已知条件不断变化的条件下,如何来快速的计算出此时的最优路径,文章设计了解决该问题的一个逆向标号算法,将它与传统算法进行了比较和分析,并针对实际中的物流配送管理中路径优化问题,按照不同的算法分别进行了详细的阐述与分析。     

基于汉明距离与免疫思想的粒子群算法

针对传统粒子群算法收敛速度慢、无法描述离散问题以及后期容易陷入局部最优解的缺陷等问题,提出一种基于汉明距离与免疫思想的改进粒子群算法(IHPSO)。首先,引入汉明距离表示位置与速度更新,使传统粒子群算法能够求解离散问题;然后,融入免疫接种、免疫选择等免疫思想,定义新的种群更新方式,解决了传统粒子群算法收敛速度慢、易陷入局部最优解的弊端;最后,通过TSP问题的模拟实验证明了改进的粒子群算法在求解速度与精度等方面均有明显提高。     

组合蚁群算法及其化工应用

针对连续空间优化问题,提出基于新型蚁群算法和模式搜索策略的组合蚁群优化算法。该算法将解空间的每维变量都划分成若干子域,根据每维变量各个子域中信息量占每维变量总信息量的比例来决定蚂蚁在各个子域间的转移,并在各子域中引入遗传操作实现蚂蚁品质的提升。同时,当最优解经过若干代没有改进时,对所有蚂蚁通过模式搜索策略加快收敛进程。以非线性连续优化问题为例进行仿真,结果表明:该方法比遗传算法具有更好的性能。最后,将该算法应用于反应动力学模型参数估计,取得良好的效果。     

基于蚁群算法的校服衣片排样优化算法

蚁群算法是一种仿生类进化算法,通过模拟信息素更新和节点转移策略,求解出优化组合问题的最优解。针对某校服厂衣片的特殊性,采用更精确的梯形包络。在此基础上,用蚁群算法对包络梯形进行求出排样序列,并用基于最低水平搜索算法得出排放位置。根据提出的算法,设计了程序代码,并与矩形包络和遗传算法进行对比,验证了方案的可行性和有效性。     

基于改进蚁群算法的高校图书馆书目检索策略研究

针对传统的基于关键字查询的信息检索系统存在的不足,提出了一种基于改进蚁群算法的高校图书馆书目检索策略。针对蚁群算法随机优化方法的聚类结果不稳定性问题,提出了基于改进蚁群算法的图书智能检索系统的基础模型,实验证明,改进后的蚁群算法智能检索系统能够检索到与关键字语义相关的信息,如同义、近义等关系,提高了传统图书检索系统的检索效率。     

求解约束优化问题的混沌类电磁算法

针对约束优化问题,提出了基于混沌优化的一种新的类电磁机制算法。采用多目标优化的约束处理技术,将约束优化问题转化为无约束的双目标优化模型来求解;对于转化后的新模型,设计粒子的电荷和粒子间的受力公式。同时,为了加快算法的收敛速度,结合混沌优化改进种群中的粒子。采用标准的Benchmark函数对新类电磁机制算法的性能进行了仿真测试,并将测试结果与已有算法的结果进行比较,结果表明,新算法能够快速找到问题的全局最优解或近似最优解,是一种非常有竞争力的优化算法。     

基于模拟退火的改进混沌粒子群算法

针对传统的粒子群优化算法易陷入局部最优解、稳定性差等缺陷.本文提出了基于模拟退火的改进混沌粒子群算法.将模拟退火及混沌的算法应用于粒子运动过程,从而可有效避免陷入局部最优并趋于全局最优.仿真结果表明在最优解精度以及寻优速度上都有一定提高.     

基于改进蚁群算法的电缆防盗网络组网方法

为了使应用于低压配电网络中的电缆防盗系统能够可靠、快速地实现系统中主从站点间的通信,在分析系统工作方法、主体结构及拓扑变化的前提下,给出一种基于改进蚁群算法的系统组网方法。该方法对蚁群算法中的信息素挥发系数进行数值大小的限制,尽可能地扩大搜索范围,降低算法陷入局部最优的可能性,从而在全局最优的情况下获得算法的最优解。仿真结果表明:改进的蚁群算法在网络状态正常及发生故障的情况下,都具有更快的寻优速度,且完成通信所需的节点跳数更少,有效地提高了电缆防盗系统的运行可靠性,从而保障了系统实时监控功能的实现。     

非线性规划的元胞蚂蚁算法

将元胞自动机思想引入到蚂蚁算法中，提出一种新的进化算法——元胞蚂蚁算法。通过算法的元胞演化机制对信息素的二次分配，有效扩大了对解空间的搜索，避免陷入局部最优，并提高了寻找到所有全局最优解的能力。通过对一系列典型多极值优化问题的求解，均找到了所有全局最优解，显示了其在寻找多峰函数极值点方面的优越性。     

进港飞机调度多目标优化问题的改进NSGA-II算法

基于多目标优化问题的Pareto最优解概念,提出了一种求解非劣解集的改进非支配排序遗传算法(NSGA-II),用于解决多条跑道情况下进港航班调度问题,要求航班总延误时间平方和及总延误成本两个目标最少。重点讨论了算法实现中的基于最近邻思想的启发式交叉算子和改进的变异算子,以及对非劣解集的筛选操作。最后进行了仿真实验,对优化结果进行了分析比较。研究结果表明改进NSGA-II算法对多跑道进港飞机调度多目标优化问题具有较好的应用前景。     

基于萤火虫算法的电网节点编号优化

在现代电力系统中,伴随着各类电力电子元件如整流器、逆变器、晶闸管,非线性元件如串并联电容器、同异步电动机、各种无功消耗的家用器件的普及和发展,谐波问题愈加严重,成为电力系统中影响电能质量的关键之一。在电力网络问题的求解中,对节点导纳矩阵的求解,就是对节点编号进行组合优化的过程,因此可以使用群智能算法进行求解。电力网络中的节点编号问题是一个组合优化问题,类似于经典的TSP问题。要求得其最优解较困难,目前已知的编号优化方法包括传统编号优化法和运用萤火虫算法的编号优化法。由程序仿真对比结果可知:将萤火虫算法所找到的最优编号引入的非零元数目比传统算法更少、结果更优。