基于蚁群算法的物流配送路径优化

物流配送路径优化是个复杂的强约束优化问题,该问题的解决对降低配送成本有重要意义。本文将近年新出现的蚁群算法应用于物流配送的路径优化问题,设计了求解物流配送路径优化问题的蚁群算法。通过对应用实例的仿真计算,结果表明该方法对物流配送路径优化是实用和有效的。为解决物流配送路径优化问题提供了一种新的随机搜索寻优的有力手段。     

遗传-蚁群混合算法解决高校排课问题的研究

排课是高校教务部门的常务性工作,随着高校的发展,排课任务变得越发艰巨。因此,研究一套高效的自动排课系统,极具现实意义。文章首先建立排课数学模型,通过将遗传算法与蚁群算法融合,依靠遗传算法生成信息索分布,利用蚁群算法求精确解,优势互补,获得了良好的优化性能与时间性能。     

基于改进蚁群算法的无线传感器网络路径优化

针对传统的无线传感器网络数据传递过程中,会出现多个数据选择同一最短路径,导致数据出现竞争,造成路径阻塞,降低无线传感器网络数据传递速度的问题,提出了基于改进蚁群算法的无线传感器网络路径优化处理方法。方法是将需要传递的数据按最短路径传输,假设传输路径堵塞,则将堵塞信息发送到初始位置,后续需要传递的数据可以选取其它的次合理路径,从而避免了传统方式的缺陷。     

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。     

基于蚁群算法和浏览路径的推荐算法研究

本文提出了一种结合双群觅食算法和偏好浏览路径的推荐算法。引入了蚁群算法中的挥发概念,考虑字时间变量、项目的距离变量改进了挖掘用户浏览偏爱路径的算法。在推荐阶段根据用户的浏览行为结合偏爱浏览路径,在用户每一次浏览时计算出转移概率,动态地进行推荐。该算法能够反映用户的偏好并进行有效推荐。     

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.     

基于蚁群算法的自适应路径选择方法

给出了一种基于蚁群算法的自适应路径诱导方法,阐述了蚁群在进行路径选择时的交互过程。通过蚁群的作用使得交通需求在路网中得到合理分配,使交通路网状态趋于通畅的最佳状态。     

基于细菌觅食-蚁群算法的无人车路径规划

随着目前人工智能的日渐普及,无线通信、网络传输和传感器技术等得到了长足的发展,人们对机器的自动化智能化要求越来越高。与此同时人们对无人驾驶技术需求越来越高,针对路况及各种可能会出现的异常问题缺少合理高效的路径优化,这使得对路径规划的研究有着重要的意义。对此,本文主要对现有的传统蚁群算法进行研究,同时考虑到当前传统蚁群算法的一些缺点,引用细菌觅食算法进行尝试改进,加深对这两个算法的认识,并进行归纳总结。     

基于蚁群-遗传混合算法的系统芯片低功耗测试方案

针对系统芯片测试功耗快速增加的特点,提出了一种有效的低功耗测试方案。该方案将测试向量的海明距离作为测试功耗优化的目标,将测试功耗优化问题转化为对测试向量进行海明距离排序问题,采用一种改进的蚁群-遗传混合算法对测试向量进行排序,从而使测试功耗最低。针对ISCAS 89部分标准电路实验结果表明,该方案能有效的降低测试功耗。     

蚁群算法研究综述

蚁群算法是一种仿生进化算法.该算法在组合优化、网络路由、函数优化、数据挖掘等领域获得了广泛的应用,并取得了较好的效果.本文在对蚁群算法原理、模型研究的基础上,对国内外的研究现状进行了总结和分析,对今后的进一步研究提供了借鉴和参考.     

蚁群算法在高校物品配送路径优化中的应用

在分析高校物流特点的基础上,对高校物流路径优化问题做出合理假设并构造目标函数,鉴于蚁群算法具有良好的正反馈性和并行性,运用该算法求出近似最优解。此算法能快速收敛于全局最优解,可有效地解决带有时间窗约束下的高校物流配送路径优化问题。     

TSP问题的蚁群算法模型及仿真研究

蚁群算法是一种新型高效的启发式优化算法,在解决优化组合问题特别是TSP求解问题上具有很高效率.本文在分析了蚁群算法的基本原理和工作机制的基础上,从信息素的更新改进实现对节点重复率的控制,并通过仿真实验实现相关参数的最优选择.实验证明,改进算法可以有效地减少蚂蚁行走的盲目性,提高了蚁群算法在迭代过程中更新TSP最优解的能力.     

一种优化的蚁群算法

蚁群算法是一种新型的启发式算法,它具有许多优良性质,被广泛用于求解组合优化问题,但基本蚁群算法也存在诸多不足。为使蚊群算法对应TSP问题的解更加优良,提出了一种改进的蚁群算法并对它进行了试验,结果表明改进算法是有效的,这也为蚁群算法的优化提供了一个新的途径。     

基于自适应蚁群算法的最短路径搜索方法研究

最短路径问题是指在一个赋权图的两个节点之间找出一条边权和最小的路径,是图论中的一个经典问题,该问题和TSP等经典的组合优化问题具有很大的相似性,也属于组合优化问题.蚁群算法是一种新型的模拟进化算法,为求解复杂的组合优化问题提供了一种新的思路.本文应用蚁群算法求解最短路径问题,对选择策略、信息素挥发系数进行白适应地调整,避免算法出现早熟和停滞现象,并能较快地收敛到全局最优解.实验结果表明,该方法能有效解决最短路径搜索问题.     

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。     

基于组件式蚁群优化的最短路径选择方法

随着机动车拥有量急剧增长,交通拥堵、交通事故增多和环境污染加剧等交通问题越来越成为影响城市正常功能发挥和城市可持续发展的重大难题。     

基于蚁群算法的ACO-BP神经网络性能研究

BP神经网络是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一,存在收敛速度慢、易陷入局部最优等问题。将蚁群算法与BP神经网络相结合,在一定程度上克服了训练网络时间长、精度不高的问题,并与GA-BP神经网络对比分析,展示了ACO-BP神经网络的性能优势。     

基于反馈约束改进蚁群算法的网络路由优化

通过优化网络路由,提高网络的拓扑性能,实现网络的能量平衡。传统的网络路由算法采用能量平衡环形路由算法,出现网络能耗不均衡。提出一种基于反馈约束改进蚁群算法的网络路由优化方法。采用区域分割处理办法,得到分簇路由任务概率随机分布模式下的置信概率,通过蚁群反馈约束,提高信息正确传输的概率,根据贝叶斯定理,得到路由现成路由子节点定位和扑救路径方位置信度的递归计算式,实现网络路由优化。仿真实验表明,算法能有效提高网络信息正确传输的概率,可靠性较高,几乎能达到无失真传输,随着路由跳数的增加,设计的路由算法的优势愈发明显,提高了信息传输的通信质量。     

基于PCA-LDA与蚁群优化BP神经网络的人脸识别算法

针对人脸识别问题,提出了一种新的算法。该算法利用融合的PCA和LDA算法进行特征提取,并使用蚁群优化的BP神经网络进行人脸识别。使用融合的PCA和LDA算法对特征向量进行提取压缩,为了提高BP神经网络对人脸的分类精度和减少训练时间,使用蚁群算法优化BP神经网络的初始参数,并使用优化后的BP神经网络进行训练和人脸识别。在ORL人脸数据库的仿真结果表明,该算法能有效提高人脸识别性能,具有较高识别率。     

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。