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。     

一种免疫算法在故障诊断中的研究

在原有遗传算法的交叉,变异的基础上,将基本免疫算法与遗传算法相结合,通过"精英策略"和"改善变异因子"提高了算法的性能,并将改进后的算法运用到免疫算法中,提高了抗体的适应度和生成机制,其次引入支持向量机,将改进后的免疫算法寻求最优的支持向量机参数,提高了故障的识别率。仿真实验以无线传感器故障为例,在均绝对误差,均方误差和均方根误差等方面都优于基本免疫算法。     

基于混沌免疫克隆选择算法的TSP问题求解模型

针对标准免疫克隆算法在求解TSP问题的过程中还存在收敛性不好、效率低下等问题。本文设计了一种以非线性混沌优化免疫克隆算法为基础的TSP问题求解模型,最先运用混沌变量完成抗体编码,利用混沌机制等产生克隆初始种群,然后对后代进行克隆,并将混沌算法引入到免疫克隆变异中,在进化中将混沌变量映射到实际优化问题中计算抗体的亲和度,之后再优化选择算子,为种群的多样性提供保证。实验仿真结果表明,本文提出的改进IA算法在执行时间和迭代次数上都优于传统免疫算法,在收敛问题上,比传统免疫算法更具有优势。     

一种改进的免疫算法的研究

针对免疫克隆算法中存在的算法精度低,全局收敛速度快问题,本文提出了一种改进的免疫克隆算法,通过基本免疫算法中的疫苗策略和局部搜索中采用的高斯变异,使得算法的精度提高,降低了全局收敛速度,提高了局部最优解的范围,通过3个测试函数说明本文算法相比基本免疫克隆算法提高了算法的性能,提高了算法精度。     

一种基于最优运输问题的图像变形技术

图像变形是图像处理中的基本问题,不仅要求图像变形效果好,而且要求变形算法效率高。文章提出了一种基于最优运输问题的图像变形算法,把改进的Monge-Kantorovich公式运用到了图像变形的问题中,在最优运输能量函数中加入了一个对比项。进行一系列MP映射的迭代更新,用交融混合的方法计算出中间图像序列。     

面向TSP问题的免疫遗传算法研究

TSP问题作为NP难题的典型代表,计算机算法理论研究的热点,各种针对该问题的算法层出不穷。对近期出现的面向TSP问题的免疫遗传算法进行了介绍与总结,在分析了算法特点之后,提出了算法的改进方向,对TSP问题的研究进行了展望。     

电网故障诊断的二进制人工鱼群算法

电网故障诊断的基本思想是根据保护动作原理将故障诊断问题表示为0-1规划问题。为了保证电网故障诊断的准确性和实时性,提出了一种改进的人工鱼群算法——二进制人工鱼群算法。分析了人工鱼群群聚行为和追尾行为最优方向的前进速度。并在此基础上与遗传算法、粒子群算法和量子免疫算法作了对比分析。结果表明:追尾行为最优方向的前进速度优于群聚行为,二进制人工鱼群算法综合性能优于遗传算法、粒子群算法和量子免疫算法。研究表明二进制人工鱼群算法具有收敛速度快、种群规模小和搜索能力强的特点。     

含分布式电源的改进免疫算法配电网无功优化

考虑含分布式电源配电网的特点,为实现无功优化的目标,在免疫算法的基础上,提出一种改进免疫算法。该算法结合免疫克隆原理,将待求问题作为抗原,把其解作为抗体。在抗体的优化过程中,基于中心个体的划分聚类算法对抗体进行聚类,再对聚类后的抗体竞争克隆,构建小局域中优秀抗体聚类群,引入自适应算子对抗体群进行动态调整,以便能生成全局最优解。     

免疫粒子群算法及其在物流配送中心选址问题中的应用研究

将人工免疫思想引入粒子群算法,设计了一种人工免疫粒子群混合算法。混合算法的基本思想是：将粒子群算法中的粒子同时视为免疫算法中的抗体,粒子的适应度评价也与抗体亲和力的评价一致。将混合算法应用于物流配送中心选址问题,数值结果表明,免疫机制可有效地避免常规粒子群算法易过早收敛的缺陷。     

蚁群算法求解多选择整数背包问题

本文针对一维、二维多选择整数背包问题的教学模型,采用动态规划和蚁群算法对其进行求解,并对蚁群算法作了适当的改进.随机数据实验表明,随着问题规模的扩大,动态规划算法的计算复杂度将急剧增大,造成求解困难,而基本蚁群算法及改进蚁群算法能够快速有效地求得问题近优解,且改进蚁群算法解的质量比原算法平均提高了2.8%.     

危险品运输车流方位—速度参数联合估计算法

危险品运输车流在动态移位中产生动态差分毗邻干扰,卫星定位信号对车流进行监控过程中受到车流位置数据动态差分更新影响较大,对车流的方位估计较为困难。传统方法采用MUSIC参数估计方法估计车流参数,导致车流快拍数动态变化时对车流方位和速度估计不准。为解决这一问题,提出一种基于均匀矩形阵列危险品运输车流建模方法,采用改进的MUSIC算法实现对车流的方位-速度联合估计,达到车流监控的目的。仿真实验表明,采用改进的方位估计算法监控危险物品运输车流,速度和方位参数估计精度提高明显,能为车流监控系统提供准确的数据参考。     

改进的遗传算法在TSP中的应用

分析了遗传算法和模拟算法的主要优缺点,提出一种用于求解旅行商问题（TSP）的改进遗传算法,该算法有效地将遗传算法和模拟退火算法相结合,在很大程度上缩短了算法的搜索时间;利用MATLAB对多种TSP问题进行仿真研究,实验结果证明了改进的遗传算法的有效性。     

改进的分布估计算法求解混合流水车间调度问题研究

基于混合流水车间调度问题（HFSP）的特点,建立了数学模型,优化了其编码设计及概率模型设计,并将模拟退火思想成功引入到分布估计算法（EDA）中,实现了对分布估计算法的改进。通过实例对改进的算法进行了仿真实验,并将实验结果与其它已有算法进行了比较,验证了算法的优越性。     

蜂群算法在TSP问题上的应用及参数改进

在分析蜜蜂采蜜原理和蜂群算法模型的基础上,本文提出了一种适于组合优化问题应用的改进蜂群算法,将其应用在TSP问题的求解上,并对其重要参数limit的求解方法进行了改进。在TSP LIB上的仿真实验结果表明,改进算法全局搜索能力强,有较好的发现最优解的能力。     

基于ID3算法的大学生英语网络自主学习研究

分析了大学生英语自主学习过程中存在的一些问题,同时对数据挖掘领域中的ID3算法进行了改进,并且将传统的ID3算法和改进的ID3算法分别应用到对大学生英语自主学习的研究中。     

改进的TSP算法求解供应链一对多配送问题

TSP问题即旅游最优路线问题,是数学领域中著名问题之一.如今,把TSP用于解决物流行业中运输线路优化已成为一种新的趋向.针对TSP问题没有一种简便、统一的求解方法,提出了改进的TSP算法,即把问题转化为求解最小树和图中悬挂点的匹配问题,从而大大缩小了TSP问题解的搜索空间,降低了求解难度,得到一种改进的求解方法,解决了供应链一对多配送问题.     

优化Q_learning算法在强化学习中的应用

Q_learning算法在实际应用过程中出现了许多问题,比如维数灾难、收敛缓慢等问题,通过对Q_learning算法进行改进,以期提升Q_learning算法的环境适应能力。基于启发式学习理论,将启发式奖赏函数融合到Q_learning算法中,对Q_learning算法进行优化和改进。最后通过仿真实验进行验证,该改进算法能有效提升机器的环境适应能力和学习能力。因此,经过优化之后的Q_learning算法可以在实际过程中应用。     

自适应粒子群算法在水库优化调度中的应用研究

针对传统粒子群算法在求解梯级水库调度问题时,容易陷入局部最优而早熟收敛的问题,提出自适应粒子群算法。该改进算法结合种群进化程度自适应调整算法控制参数,从而克服传统粒子群算法参数固定引起的搜索能力不足的问题。同时,采用种群局部重建策略解决种群进化后期多样性下降的问题。将改进的粒子群算法应用于清江梯级水电站的发电调度求解,模拟计算结果表明,文章提出的改进算法具有较强的全局寻优能力,可以进一步提高算法的搜索性能和求解精度。     

改进遗传算法及其在路径优化问题中的应用

提出一种基于"小生境"等思想的免疫自适应改进遗传算法。构造出一种新型的判断早熟程度的算子并用于构造具有免疫性和自适应性的交叉变异概率计算式。采用一些先进的思想和策略提高了算法收敛速度和全局收敛性。利用此算法对自动化立体仓库路径优化问题的解决方法进行了具体设计,实验结果证明了它比以往文献提出的算法更具优越性。     

一种基于遗传免疫算法的种系树构建方法

系统发生树的柄建问题是一个NP完全问题,研究构造发生树的近似最优算法有着重要意义。将遗传算法和免疫算法结合起来,形成了一种利用抗体多样性保持策略的IGA,并将其用在最大简约法的构建中,结果表明方法是可行的。