基于蚁群算法的机场除冰车辆优化调度方法研究

随着我国民航运输业的发展,民航大型机场航班起降架次增长迅速。因此需要建立基于集中除冰坪的飞机除冰系统。就机场集中除冰的实际工作情况,给出了集中飞机除冰系统中除冰车辆调度问题的数学模型,并结合蚁群算法对此问题进行了分析和探索,验证了蚁群算法在解决此类问题过程中的优势,优化了飞机集中除冰策略中的调度问题。     

改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

蚁群算法的改进策略研究

蚂蚁算法是一种元启发式优化算法,研究表明其具有较强鲁棒性、优良的分布式计算机制、易于与其他方法相结合等特点,但是也存在一些不足。针对蚁群算法的不足,许多的学者提出了诸多的改进算法,通过对改进算法的研究发现对改进策略的研究是非常必要的。文中对改进策略进行总结,为算法改进发展提供必要的参考。     

基于遗传算法的有时间窗车辆路径问题研究

本文在建立有时间窗车辆路径问题数学模型的基础上,构造了求解该问题的启发式算法--遗传算法,并进行了实例计算.模拟结果表明,利用遗传算法进行求解有时间窗车辆路径问题,可以方便有效地求得问题近似最优解.     

改进蚁群算法在车间作业调度问题中的应用

Job Shop问题是与实际生产相关的多约束组合优化问题,具有约束较多,计算量大的特点,一直以来是研究的热点。应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的信息素更新规则,提高了算法的效率和可用性。实验结果表明算法对解决小规模Job Shop问题有很好的性能。     

蜂群优化算法在带软时间窗的车辆路径问题中的应用

本文给出了带软时间窗的车辆路径问题的一种新的算法,蜂群算法.通过计算若干benchmark问题,并将结果与硬时间窗的目前最好解及蚁群算法的相应解作比较与分析,验证了算法的有效性.蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,研究范围较窄,故本文不仅是拓宽蜂群算法应用范围的有效尝试,同时也给本身求解方法不多的软时间窗车辆路径问题提供了一种新解决方法.     

基于蚁群算法的大型活动智能公交调度

基于蚁群算法,以社会综合效益指标作为模型信息素浓度更新的依据,进行大型活动背景下的智能公交调度,实现聚集交通流的紧急疏散.效益指标综合考虑了实时线路速度,运营成本,乘客乘车费用及环境耗散,避免了交通拥塞,且符合社会的整体利益.最后通过实证说明基于蚁群算法进行智能公交调度的有效性.     

基于改进蚁群算法的TSP问题解决

TSP（旅行商问题）是一个学术界广泛研究的问题,长期以来吸引了众多学者对其进行研究。在蚁群算法（ACA）的研究中,TSP同样起着重要的作用。首先对TSP问题和基本蚁群算法进行了介绍,然后改进了蚁群算法的状态转移概率公式和信息素更新策略,并且应用该改进蚁群算法对TSPLIB中的两个典型问题进行仿真,实验结果比较理想。     

混合时间窗下多目标电商物流路径优化研究

结合电商物流特点,探讨混合时间窗车辆路径问题,设计了混合时间窗惩罚函数和模糊预约时间函数,建立了基于混合时间窗约束的多目标车辆路径模型。设计了改进智能水滴算法对模型进行求解,改进节点概率选择方式来保护优秀水滴,设置路径泥土量最大和最小限制以防止算法提前进入收敛。最后,运用实际案例模拟计算,与传统智能水滴算法计算结果对比分析。结果表明,改进智能水滴算法求解混合时间窗下多目标电商物流路径优化问题,能够以很高的概率获得更优的全局最优解,是求解这类问题有效算法。     

基于改进蚁群算法的危险化学品运输路径优化

针对危险化学品运输存在的事故风险和事故成本比较大的问题,考虑危险化学品的运输特殊性,构建一个危险化学品运输的车辆路径优化模型,利用改进蚁群算法和进行模型求解。以京F公司的13个客户作为配送点,根据每个配送点的地理位置坐标、需求量、危险品运输车辆禁行路线等数据,分别采用基本蚁群算法和改进蚁群算法对运输路径进行优化,实验结果证明改进后的蚁群算法有效降低了京F公司的危险化学品运输的物流成本,保证蚁群在搜索路径时快速收敛。     

基于软时间窗约束多机器人最优路径规划

通过定义一些基本运算操作符的运算规则而对粒子群算法进行了改进,构造了多机器人路径规划问题的编码方式。同时,提出了两阶段法对多机器人路径规划进行优化求解:在第一阶段,即采用普通优化方法,对多机器人路径以及任务点分配进行整体优化求解;在第二阶段,依据第一阶段优化出的最优解,分别对各个机器人的路径进行再次优化。通过仿真实验验证:与普通优化方法相比,该方法具有更好的寻优能力。     

基于云计算资源调度的多Agent遗传算法

针对标准遗传算法在云计算资源调度的应用中往往会出现负载不均的问题,本文提出了一种基于云计算资源调度的多Agent遗传算法,首先引入蚁群算法,利用蚂蚁变换方向的影响权重对标准遗传算法的信息素关联进行优化,然后优化了原算法的信息素更新方式,最后利用小生境方法限制种群个体的繁衍,以达到种族多样化的优化。仿真试验结果表明,本文提出的基于云计算资源调度的多Agent遗传算法在CPU利用率和内存利用率上比标准遗传算法具有更优秀的性能。     

基于多目标鱼群-蚁群算法的水资源优化配置

为了解决复杂的水资源优化配置问题和丰富智能优化方法在水资源优化配置中的应用,建立了以经济、社会、环境综合效益最大为目标的水资源优化配置模型和多目标鱼群-蚁群算法。经济效益以区域供水带来的直接经济效益最大为目标;社会效益以区域总缺水量最小为目标;生态环境效益以区域重要污染物排放量最小为目标;约束条件包括供水、需水、水环境和经济发展协调度等。多目标鱼群-蚁群算法融合了人工鱼群算法的快速跟踪变化和跳出局部极值优点以及蚁群算法的信息素正反馈优点,并将人工鱼群算法中的拥挤度概念引入到蚁群算法中,避免了蚁群算法初期可能早熟的问题。通过实验仿真,此算法具有较快的收敛速度和较高的寻优性能,能有效地找到优化解,从而为解决复杂的水资源优化配置问题提供了新的思路。     

求解车辆行程优化问题的自适应蚁群算法研究

引入自适应的菲尔蒙更新策略,构建了自适应蚁群算法,用于处理车辆行程优化问题。仿真结果表明,该算法对于车辆行程优化是有效和实用的。     

基于目标函数梯度的模拟退火蚁群算法

根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。     

基于改进蚁群算法的区域科技创新资源优化配置研究

根据区域科技创新资源的要素分类进行配置筛选,由于资源筛选是一个非线性组合优化的过程,因此通过改进蚁群算法的多次迭代运算,发现启发式信息、正反馈机制、信息素挥发机制是影响主体参与机制和资源要素配置的3个决定因子。最后根据政府的参与实证为例,提出可以寻找最优经济和社会效益导向下的区域科技创新资源最优配置体系。     

车辆优化调度算法研究初探

分四大类讨论求解该问题的算法:精确算法(exact algorithm),构造启发式算法(constructive heuristic algorithm),改进启发式算法(im-proving heuristic algorithm),和亚启发式算法(meta-heuristic algorithm),评述各类算法适用的问题求解阶段以及各自的优缺点。     

基于多目标规划的城市垃圾运输车辆调度问题研究

随着城市化的发展,城市垃圾问题已成为危害城市环境、制约城市发展的顽疾,如何及时高效的转运城市垃圾是目前各大城市面临的严峻挑战。本文针对该问题,运用运筹学的原理建立了垃圾转运车辆调度方案的多目标规划模型,并运用实例分析的形式验证了该模型在减少垃圾车辆运营成本、提高运营效率方面的有效性。     

基于改进蚁群算法移动机器人的路径规划

针对基本蚁群算法的缺点,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法.通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地进免陷入局部优化,使得算法在收效速度和执行效率上得到提高.     

车辆调度问题模型的优化研究

本文从为物流配送企业提供智能化、决策化支持的目标出发,对车辆优化调度问题进行了数学分析和研究,解决了车辆的配送线路问题.