磁力机械的蚁群算法优化设计

针对传统磁力机械设计主要通过公式计算存在着设计参数精度不足、设计工作量大等问题,以某型号电涡流缓速器为研究对象,以最大制动力矩和最小质量为优化目标函数,利用蚁群算法寻求设计变量的最优值.结果表明:通过优化可以减小电涡流缓速器的尺寸及重量,同时其最大制动力矩有所提高.基于蚁群算法的优化设计方法对于其他磁力机械的优化设计具有一定的指导意义.     

蚁群算法的参数优化

分析了蚁群算法及其参数,找到了算法中蚂蚁个数与节点个数的关系,提出了两项参数改进方案--使用自适应调整q0参数和使用精英策略局部更新信息素,对蚁群算法进行优化.通过Matlab仿真试验分析,找出了参数的最佳取值范围,使得新的蚁群算法能以较快的速度找到较优的路径,提高了蚁群算法的效率.     

一种基于精英策略的蚁群优化QoS单播路由算法

指出传统蚁群算法在解决QoS单播路由选择问题时,受到时延和带宽的约束,为降低路由费用,容易出现陷入局部最优且收敛速度慢的现象。针对上述问题,提出一种基于精英策略的蚁群优化QoS单播路由算法,该算法利用蚁群算法原理,并引入精英策略。通过仿真模拟一个20节点的计算机网络QoS单播路由选择实例,并与传统蚁群优化(ACO)算法进行对比,仿真结果表明该算法是有效的。     

基于蚁群算法农村远程教育站点规划探讨

农村远程教育站点的合理布局关系到农村远程教育的顺利开展。文章运用蚁群算法,讨论解决农村远程教育站点的合理规划问题,同时用试验验证该方法的可行性。经过实践检验,证明了用蚁群算法优化农远站点布局,可以有效而快速地求得问题的最优解或近似最优解。     

基于蚁群粒子群混合算法的多目标优化在供水管网优化设计中的应用

在城市供水系统中,管网的铺设费用占很大比重。如何最大限度降低建设成本而又保证供水的可靠性,是供水管网设计的重点和难点。基于供水管网的固有特性,结合蚁群、粒子群算法的优点,将蚁群粒子群混合算法应用到供水管网设计的多目标优化中。将蚁群中的信息素、启发因子、信息素挥发度参数映射到粒子群算法中粒子的位置坐标,通过粒子迭代寻找最优位置,并将蚁群算法通过特定信息素更新方式并限制迭代次数来进行优化,再将粒子最优位置反馈到优化后的蚁群算法中,寻找最优解。通过此算法,优化了供水管网中管径的选择,在保证供水管网可靠性的前提下,尽量缩减建设费用,为决策者提供更加经济实用的决策参考。     

基于文化蚁群算法的过热汽温PID参数优化仿真研究

将蚁群算法纳入文化算法框架,提出了文化蚁群算法,既突出了蚁群算法的全局收敛快鲁棒性强的特点,又结合文化算法避免了一般算法在搜索过程中出现的停滞状态;将文化蚁群算法用于电厂过热汽温控制PID参数优化整定,通过仿真实验,发现文化蚁群算法与其他方法算法相比,具有更好的控制效果。     

基于TSP蚁群算法的网络路由协议优化设计方法

通过分析无线网络传输的基本原理及蚁群算法的运算过程,提出了基于TSP蚁群算法的无线通信路由协议优化设计方法。该优化设计将TSP基本蚁群算法的基本原理和通信路由选择相结合,依据蚂蚁信息素含量及距离竞争机制为通信节点选择最优的通信路径。同时,通过在OPNET Modeler通信仿真软件中建立仿真场景及完成优化方法模型构建,对基于TSP蚁群算法的无线通信路由协议进行测试验证,并与其它典型无线路由协议进行对比分析。仿真结果表明,在传输延时方面,提出的优化路由协议较AODV协议、DSR协议分别减少了7.5%和9.8%;在吞吐量方面,提出的优化路由协议较AODV协议、DSR协议分别提高了8.4%和7.8%。     

混合型蚁群算法及其应用

蚁群优化算法——蚂蚁系统（Ant System,AS）是Dorigo M在20世纪90年代最早提出的一种新型生物智能算法,Dorigo M将蚁群优化算法应用于解决经典的旅行商问题（TSP）,取得了较好的应用效果。采用混合型蚁群算法进行优化求解,探讨其实现TSP问题的求解流程,以更好地指导实际问题解决。     

农村远程教育站点规划中蚁群算法的应用

在农村远程教育站点规划中,站点位置的确定与蚂蚁觅食过程中食物位置的确定有相似性。将蚁群算法运用到农远教育站点规划中．有利于得出优化的农远站点布局方案。在湖南省湘潭县远教站点布局规划中的试验证明,用蚁群算法优化农远站点布局,有利于快速有效地求得问题的最优解或近似最优解。     

基于蚁群算法的城市各区域垃圾回收优化

就垃圾回收优化建立模型,利用Dijkstra算法预处理位置数据,再以蚁群算法实现,使模拟结果最短距离为回收真实距离,所得最优回收次序对确定回收路线有参考意义.设计的2个解决方案中,方案一证明了蚁群算法解决城市小区垃圾回收的可行性,方案二实现城市各区域垃圾回收分区回收.     

蚁群算法在函数优化求解中的应用

蚁群算法是近年来新出现的一种随机搜索寻优算法,该算法为求解复杂的组合优化问题提供了一种新思路,引起了众多学者的研究兴趣。通过在函数优化问题中的应用,说明该算法能有效地避免陷入局部最优,指出了蚁群算法在优化问题中的应用前景。     

基于优化蚁群算法的分类规则挖掘算法

蚁群算法已被广泛用于各种优化组合问题,优化蚁群算法动态调整信息量更新策略和路径选择概率,可在加速收敛和防止早熟、停滞现象之间取得平衡.本文将此算法应用到分类问题,提取分类规则.实验表明该算法能较好地完成分类规则的挖掘.     

蚁群算法的原理及其应用

蚁群算法是优化领域中新出现的一种仿生进化算法。该算法采用分布式并行计算机制,具有较强的鲁棒性;但有搜索时间较长,易陷入局部最优解的缺点。本文首先讲述蚁群算法的来源和基本原理,然后讨论蚁群算法的几种改进策略,并简单介绍近年来蚁群算法在许多新领域中的发展应用,最后对今后进一步研究的方向作了展望。     

动态调整信息素的蚁群算法

对蚁群算法提出了一种动态调整信息素的进化策略，以改善和提高算法的性能。不仅能够加快收敛速度，节省搜索时间，而且能够克服停滞行为的过早出现，有利于发现更好的解，这对于求解大规模的优化问题是十分有利的。     

蚁群算法优化——基于局部信息素更新

由于常规蚁群算法容易陷入局部最优,出现停滞现象等问题,本文采用了城市选择策略,局部信息素更新策略,最优解预测策略和局部优化策略对蚁群算法进行优化改进,提出了基于局部信息素更新的思想。并通过一些TSP问题对改进的蚁群算法进行验证。实验结果表明改进后的蚁群算法在求解一些TSP问题上可以得到比目前所了解的最优解更满意的解。     

基于蚁群算法的产业集群成长演化研究

将根据人工生命群落中智能个体通过相互信息交流共同协作达到集群突现的特点而提出的蚁群算法运用于产业集群成长演化方面的研究。通过全新的视角更加直观地研究产业集群的成长演化的生态学过程,并通过相应机制达到指导产业集群健康良性发展的作用,具备一定的实用价值。     

改进蚁群算法在物流配送路径问题中的应用

将最大最小蚂蚁算法与变异操作相融合,改进物流配送路径问题的求解,其算法首先采用最大最小蚂蚁算法产生较优解,然后使用变异操作对较优解进行优化.测试结果表明：该改进算法可以避免蚁群算法在搜索过程中陷入局部最优,有效地提高算法的全局寻优能力.     

改进蚁群算法的动态K-均值聚类分析

提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。     

改进蚁群算法的动态K-均值聚类分析

提出了一种基于改进蚁群算法的动态K-均值聚类算法思想。该算法首先利用蚁群算法较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,进行K-均值聚类弥补蚁群算法的不足。两者的有机结合可以寻求到具有全局分布特性的最优聚类,实现基于改进的蚁群聚类算法分析。     

基于蚁群算法的QoS路由问题研究

QoS网络路由问题是一类NP-完全问题,不能在多项式时间内找到问题的解答。本文应用蚁群算法,通过生物仿真运算,能较快地得到全局最优解。