蚁群动态调度算法在混流车间作业调度的应用

混流车间作业调度是实际生产环节中的一个重要问题,也是制造系统生产管理的核心,同时实际的生产系统是一个动态生产环境.文中提出蚁群动态调度算法,通过实例具体分析并且跟传统的启发式算法相比较,实验结果证明蚁群动态调度算法对混流车间作业调度问题有较优的加工路径.     

蚁群算法在多邮车调度中的应用

该文主要阐述了蚁群算法在邮政运输系统中的应用,为邮车调度提供了一个较好的方案.通过定义一个扫描函数,对需求服务的客户点进行扫描,并将扫描结果按照邮车的容量,顺序的分配给不同的邮车,保证每一辆车的满载,直至最后一辆车.各个邮车服务的需求点分别用蚁群算法寻求最优路径.并通过一个应用实例的验证其算法,不仅寻求的邮车路径较优而且运行的速度变快.     

自适应蚁群算法在流水车间调度问题上的应用

运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程.通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明该算法在解决Flow Shop方面的问题上能取得满意的效果.     

蚁群算法在作业调度中应用研究

合理配置车间作业调度中的各种资源可提高生产设备利用率与生产效率,降低生产成本。本文提出了一种求解混流装配线作业调度的蚁群算法,从信息素更新、状态转移概率论证该算法。通过计算目标函数与目标追随法、遗传算法、模拟退火算法比较,结果证明该算法对作业调度能够起到优化作用。     

云计算环境下基于蚁群优化算法的资源调度策略

云计算是当前国内外企业与研究机构研究的重点,是下一代网络应用的新兴与主流技术。资源调度作为云计算中的关键问题,研究怎样将用户提交的任务合理地分配给各个计算节点同时能够兼顾计算结节的动态扩展性。本文提出运用蚁群优化算法进行资源调度,综合考虑任务完成时间和计算成本优化问题,建立数学模型,是一种有效的资源调度算法。     

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。     

基于能量感知的实时并行任务蚁群调度算法

为提高异构平台实时任务的调度成功率、降低能量消耗,建立了实时directed acyclic graph(DAG)调度模型,提出了以降低能耗为目的的能耗模型,将蚁群算法运用于实时DAG任务调度。实验验证了蚁群算法可以高效解决能耗问题,提高调度成功率。     

物流配送路径中蚁群算法改进策略

蚁群算法是求解物流配送最佳路径的有效仿生模拟方法,但存在早熟、停滞、局部最优等缺陷。文章从蚁群算法的数学本质出发,提出将单纯蚁群算法与爬山算法、混沌理论、K-均值聚类算法相结合等几种有效的改进策略,使得改进后的蚁群算法具有更多优越性。     

JIT模式下的蚁群算法在模具加工排程中的应用

为解决多模具、多零件、工序复杂的车间的加工排程问题,结合及时生产(just in time,JIT)管理模式和蚁群算法,提出了及时蚁群算法(ant colony in time,ACIT)对车间排程进行最优化处理,明确考虑了同批次模具总加工时间的最短、完成时间与订单交货期的一致的问题。提出了排程目标函数,通过算法选取模具车间排程最优路径,为车间生产提供了有效的排程,通过实例示范了ACIT算法在模具车间排程过程中解决复杂问题的能力,并与JIT管理模式和蚁群算法的加工排程进行对比,发现ACIT算法能够更好地得到模具加工的最优路径,提高企业的加工效率。     

一种改进的小窗口蚁群算法

针对现有小窗口蚁群算法对优化问题规模的适应性较差、对设定可选城市范围的参数依赖大、易于陷入局部最优等缺点,提出了一种随机小窗口蚁群算法,将问题规模与随机性同时引入小窗口蚁群算法,增强了算法的鲁棒性,而且可以避免算法早熟,陷入局部最优。通过对200个城市的仿真结果表明,该算法效果良好。     

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     

蚁群算法在复杂地形下的路径规划应用

路径规划问题是计算机领域内的经典问题,可以描述为已知起始点以及环境信息,确定一条从起始点到目标点的线路。一般来说,所规划的路径必须满足距离最短或代价最小的目标。研究了存在障碍物的三维空间的最短路径规划,提出采用蚁群算法解决这一问题。     

蚁群算法的研究与展望

在介绍了蚁群算法的基本原理和特点之后,指出蚁群算法并不完善,重点分析了蚁群算法的改进机制和应用成果,并指出了改进算法的特点和优势,最后总结了蚁群算法的研究方向和发展趋势。     

基于物流车辆调度算法的研究

物流车辆优化调度问题是一个研究热点,学者们采用了各种优化方法来解决实际问题。本文简述了物流配送车辆调度问题的常见算法,对求解车辆优化调度问题的步骤作了说明,并在结论中提出了算法的不足之处,以使大家根据实际情况选择最佳的车辆调度算法,提高经济效益。     

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。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法进行机器人路径规划时存在搜索空间大、效率低、容易陷入局部最优解、易出现死锁现象等问题,提出了一种改进的蚁群算法。在蚁群算法基础上,只对较优蚂蚁路径进行信息素浓度更新|针对U型障碍物,提出了蚂蚁回退策略,以及一些仿真实验策略改进。仿真结果表明：改进后蚁群算法能快速搜索到最优路径,有效避免死锁现象,与其它算法相比,具有良好的路径寻优能力与避障性能。     

用模拟退火算法解决生产调度问题

介绍了Metropolis准则，给出了模拟退火算法解决生产调度问题的基本方法和步骤，并对算法的有效性进行了验证．     

蚁群算法在复杂地形下的路径规划应用

研究存在障碍物的三维空间的最短路径规划,并采用蚁群算法解决这一问题。路径规划问题是计算机领域内的经典问题。它可以描述为已知起始点、c以及环境信息,并确定一条从起始点到目标点的线路。一般来说,所规划的路径必须满足距离最短或代价最小的目标。路径规划技术有着广泛的应用,涉及我们的生活、工作、科研和娱乐等方面。     

蚁群算法在机器人路径规划中研究及发展趋势

移动机器人研究中的一个重要领域是机器人路径规划方法。本文对蚁群算法在机器人路径规划方法的研究现状进行了概括与总结,指出了各种改进方法的优点及不足,最后对其发展方向进行了展望。