有缺货限制的VRP蚂蚁算法研究

在经典VRP的基础上，结合实际背景提出一种缺货情况下的车辆路径问题，并给出基于蚂蚁系统寻优思想的求解方法。经大量数据测试，获得了较好的结果。     

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．     

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。     

约束平面选址问题的蚂蚁算法

对带有区域限制的平面选址问题，给出一种基于人工蚂蚁优化思想的新的求解方法。经数值计算、验证和比较，得到了满意的效果。     

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。     

求解QoS组播路由问题的改进蚂蚁算法

蚂蚁算法是一种相对较新的启发式方法，通过模拟蚂蚁的觅食行为，提出了求解QoS组播路由问题的改进蚂蚁算法。仿真实验表明，该算法能以较高速度收敛，有效地解决QoS组播路由问题。     

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.     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

考虑工况识别的燃料电池客车能量管理策略研究

为降低燃料电池客车的等效氢耗量,延长动力电池的寿命,以中国重型商用车-客车工况(CHTC-C)中城市、郊区和高速3种工况为标准工况,提出灰狼优化支持向量机(GWO-SVM)工况识别算法,应用于燃料电池客车能量管理策略中,并在Cruise中搭建整车模型进行仿真验证。仿真结果表明：提出的能量管理策略车速跟随情况良好,符合客车动力性要求;相比于CV-SVM工况识别能量管理策略和无工况识别能量管理策略,提出的能量管理策略使动力电池荷电状态(SOC)变化相对平稳,客车的燃油经济性得到改善。     

BP神经网络的LM算法及其对颗粒碰撞振动阻尼的预测

介绍了一种BP神经网络的改进Levenberg Marquardt(LM)算法原理,用这种方法对颗粒碰撞振动系统的阻尼进行了训练和仿真,并将此改进算法与传统算法进行比较.结果表明,该算法稳定、快捷,预测准确,适合应用于对实时性要求比较高的场合,且预测得到的模型与相关文献中的结果一致.