基于蚁群算法的医用服务机器人路径规划方法

机器人路径规划问题是机器人学的一个重要研究领域，主要研究机器人依据某个或某些优化原则，在其工作空间中找到一条从起始点到目标点的能避开障碍物的最优路径。国内外学者对此作过大量的研究，主要采用的方法有局部的人工势场法(Artificial Potential Field)和遗传算法(cene     

基于蚁群算法的仿生模式识别神经网络构造方法

仿生模式识别神经网络（BPRNN）同传统BP、RBF神经网络相比具有更好的模式识别能力;训练样本库变更后网络的重新训练时间更小,但该网络构造过程中样本覆盖几何体参数的选择对网络识别率和复杂度有很大影响.本文通过引入蚁群算法来构造并优化网络参数,实验证明该算法法能较好的平衡网络性能和复杂度.     

基于双层蚁群优化算法的城市物流配送路径规划

城市物流配送路径规划问题，是配送过程中最重要的问题之一，针对现有各种配送路径规划算法在求解复杂问题时的局限性，提出了基于双层蚁群优化算法的物流配送路径规划新算法，对带有约束条件的配送网络权重模型进行了高效求解．仿真结果验证了所设计算法的实用性和有效性．     

基于MPI的模拟退火算法的实现

根据模拟退化算法具有并行性的特点,设计并实现了并行的模拟退火算法,同时以给出不同的初始温度,进行结果的模拟,体现出模拟退火算法的一个特征：初温越大,计算所花费的时间越大。     

基于遗传机制的蚁群算法求解连续优化问题

A new algorithm is presented by using the ant colony algorithm based on genetic method (ACG) to solve the continuous optimization problem.Each component has a seed set.The seed in the set has the value of component,trail information and fitness.The ant chooses a seed from the seed set with the possibility determined by trail information and fitness of the seed.The genetic method is used to form new solutions from the solutions got by the ants.Best solutions are selected to update the seeds in the sets and trail information of the seeds.In updating the trail information,a diffusion function is used to achieve the diffuseness of trail information.The new algorithm is tested with 8 different benchmark functions.     

基于蚁群优化的多水平图划分算法

Partitioning is a fundamental problem with applications to many areas including data mining, parellel processing and Very-large-scale integration (VLSI) design. An effective multi-level algorithm for bisecting graph is proposed. During its coarsening phase, an improved matching approach based on the global information of the graph core is developed withits guidance function. During the refinement phase, the vertex gain is exploited as ant’s heuristic information and a positive feedback method based on pheromone trails is used to find the global approximate bipartitioning. It is implemented with American National Standards Institute (ANSI) C and compared to MeTiS. The experimental evaluation shows that it performs well and produces encouraging solutions on 18 different graphs benchmarks.     

An adaptive ant colony system algorithm for continuous-space optimization problems

Ant colony algorithms comprise a novel category of evolutionary computation methods for optimization problems, especially for sequencing-type combinatorial optimization problems. An adaptive ant colony algorithm is proposed in this paper to tackle continuous-space optimization problems, using a new objective-function-based heuristic pheromone assignment approach for pheromone update to filtrate solution candidates. Global optimal solutions can be reached more rapidly by self-adjusting the path searching behaviors of the ants according to objective values. The performance of the proposed algorithm is compared with a basic ant colony algorithm and a Square Quadratic Programming approach in solving two benchmark problems with multiple extremes. The results indicated that the efficiency and reliability of the proposed algorithm were greatly improved. Project (No. 9845-005) supported by National High-Tech. Research & Development Plan, China     

An adaptive ant colony system algorithm for continuous-space optimization problems

ＩＮＴＲＯＤＵＣＴＩＯＮＡｎｔｃｏｌｏｎｙａｌｇｏｒｉｔｈｍｓ (Ｈｅｒｔｚ ,ｅｔａｌ.,2 0 0 0 ) ,ｉｎｖｅｓｔｉｇａｔｅｄｓｙｓｔｅｍａｔｉｃａｌｌｙａｔｆｉｒｓｔｉｎＤｏｒｉｇｏ’ｓＰｈ .Ｄ .ｄｉｓｓｅｒｔａｔｉｏｎ ( 1 992 )ａｓｔｈｅｉｍｉ ｔａｔｉｏｎｏｆｔｈｅｆｏｏｄ ｓｅｅｋｉｎｇｂｅｈａｖｉｏｒｉｎａｎｔｓｏｃｉｅｔ ｉｅｓ,ｈａｖｅａｔｔｒａｃｔｅｄｔｈｅｇｒｅａｔａｔｔｅｎｔｉｏｎｏｆｒｅ ｓｅａｒｃｈｅｒｓｉｎｃｏｍｐｒｅｈｅｎｓｉｖｅｆｉｅｌｄｓｏｆｓｙｓｔｅｍｏｐｔｉ ｍｉｚａｔ…     

一种融合加权策略及分布估计的蚁群优化算法

通过对蚁群算法、加权策略、分布估算算法等进行研究和分析,首先提出将加权策略应用于蚁群算法的信息素更新,有效地提高了算法的全局收敛速度,然后将蚁群算法与分布估算算法进行融合,从而避免了由于信息素的正反馈机制而陷入局部最优的问题,仿真实验表明该算法在收敛速度及最优路径求解方面有较好的改进。     

利用加权法改进的蚁群算法在车载导航中的应用

设计一种专门适用于路径规划的改进蚁群算法,利用图论中的加权图的方法来表示交通网络,通过对蚁群算法加以改进,从距离和时间两个方面来综合考虑最优路径标准.而非传统的仅从距离角度来考虑.结果表明：改进的算法在距离和时间综合方面比传统的方法更优化.为实际车载导航系统中最优路径规划问题的解决提供了一种新方法.     

基于模拟退火算法的QoS约束web服务组合

针对web服务组合中选择服务需感知服务的QoS属性问题,采用向量表示法描述原子服务及组合服务的QoS属性和用户提出的多项全局约束,把寻求满足多项非功能属性约束的最优服务组合问题转化为在有向图中搜索最优多约束路径问题,采用有向图对组合服务建模.设计了多QoS属性约束的服务组合模拟退火算法,进行组合服务QoS属性的归一化处理和二次寻优.实验结果表明该方法可求得满足各项QoS约束的可行解,模拟过程显示该算法以多项式时间复杂度选出近似最优解.     

蚁群算法概述

蚁群算法是一种新型模拟进化算法，广泛应用于求解组合优化问题．对蚁群算法的原理、模型的建立及此算法的发展前景进行了剖析．     

梯度退火混合优化算法

通过对梯度法与模拟退火算法优缺点的分析,提出了一种梯度退火新型混合全局优化算法。该算法利用梯度法的快速寻优特性得到某一局部极值,然后采用模拟退火算法的全局搜索寻优能力跳出该局部极值,经过反复混合迭代最终获得全局最优解。仿真实验表明,该新型混合优化算法显著提高了求解全局优化问题的计算效率。     

改进的单纯形模拟退火算法

SMSA(单纯形模拟退火)算法针对单纯形和模拟退火算法的优缺点,将两种算法有机地结合起来,充分利用单纯形算法收敛速度快以及模拟退火算法的随机突跳,不易陷入局部极小点的特性.两种算法结合,互相补充不足,大大提高算法的效率,并削弱了对参数选择的苛刻性.     

基于改进蚁群算法的物流配送路径问题研究

在蚁群算法中采用新的信息素更新方式,对中小规模的物流配送路径问题进行求解．实验证明,该改进算法具有较好的全局寻优能力,在中小规模的物流配送路径问题求解中,取得了比较理想的效果．     

利用改进的罚函数集合覆盖蚁群算法识别tagSNPs

序列中的标签SNPs—tagSNPs携带了SNPs数据集的绝大部分遗传信息,因此寻找tagSNPs意义重大。但从SNPs数据集中找出tagSNPs需要耗费巨大的计算量,传统的方法效率低且费用昂贵,对于复杂的集合覆盖问题,现有算法难以得到优化解。鉴于蚁群算法有较强的近优解搜索能力,因此,将改进的罚函数集合覆盖蚁群算法(RCACO)用于tagSNPs搜索。模拟数据集上进行的算法实验结果表明,与近两年的PSO、GA两类算法相比,所提出的算法运行时间较短,且搜索结果精确度更高。     

基于蚁群算法的P2P层次域网络模型设计

针对现有P2P网络搜索效率低、搜索算法开销大等问题,提出采用蚁群搜索算法(ACO)构建P2P层次域网络模型。该模型在域间资源查询时,通过节点信誉度选择查询路径,有效将搜索蚂蚁导向到可能存在查询资源的高信誉度节点域中。实验证明,该方法有效提高了资源搜索命中率,减少了网络中冗余信息包的传送,有一定的实用性及可扩展性。     

求解带软时间窗多车场多车型车辆路径问题的一种改进蚁群算法(英文)

考虑实际生活中带多种扩展特征(如多车场、多车型、客户服务优先级、时间窗等)的车辆路径问题应用广泛,建立带软时间窗多车场多车型车辆路径问题的数学模型,并提出一种改进的蚁群优化算法(IACO)求解该模型.首先,根据就近原则将客户分组,并通过扫描算法构造初始路径;其次,通过引入遗传算子并自适应地调整交叉概率和变异概率来提高算法的全局收敛能力,且采用平滑机制来提高蚁群优化算法的性能;最后,采用3-opt策略来提高算法的局部搜索能力.将提出的算法应用在3个随机产生的实例中,仿真表明提出的IACO在收敛速度和解质量两方面都优于现有的3种算法,证明提出的算法是有效可行的,且提出的模型具有一定的实际意义.     

一类改进的自适应蚁群算法

从系统学的角度分析了蚁群算法的分布武计算、自组织和正反馈等的系统特征．给出了改进的蚁群算法详细分析和分类,通过TSP问题应用TSP-Ei151在MATLAB7．6中进行了仿真实验．实验结果证明改进的算法在迭代次数、牧敛性和全局性上优于基本蚁群算法．