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．     

蚁群算法在TSP问题中的应用及其优化研究

蚁群算法是一种新型的模拟进化算法。分析了蚁群算法的基本模型和算法在TSP问题中的实现方式,针对其缺陷对基本的蚁群算法进行了一定的改进。     

基于改进蚁群算法的TSP问题研究

蚁群算法作为解决TSP中组合优化问题方案,其搜索路径能力较其它算法优异,但传统蚁群算法的选取策略较随机,导致进化速度慢。为了优化传统蚁群算法速度较慢、过早收敛以致停滞现象,针对概率选取公式随机搜索下一节点,以延缓其收敛速度。对信息素调节公式进行更新以提高蚁群的搜索能力。实验结果表明,改进算法在最短路径、平均路径和搜索最短路径时间上较蚁群算法提高很大,改进的蚁群算法能有效提高算法的收敛速度和搜索能力。     

几种解决TSP问题的蚁群算法的性能研究

文章对解决TSP问题的几种蚁群算法模型的性能进行了比较,得出了蚁群算法中参数如何对性能产生影响的分析报告．     

蚁群算法及其在TSP中的应用

根据蚂蚁生态学提出的蚁群算法是一种新颖的用于求解复杂组合优化问题的模拟进化算法,具有典型的群体智能特征,表现出较强的学习能力和适应能力。阐述了该算法的基本原理、算法模型和在旅行商问题中的具体应用过程,并对算法进行了总结和展望。     

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。     

用蚁群算法解决0／1背包问题

为了使用蚁群算法来解决经典有0/1背包问题，本文根据TSP问题的蚁群系统模型及转移概率的公式，修改了蚁群算法模型，TSP问题和0/1背包问题的不同之处，在原有的蚁群优化模型的基础上扩展了它的应用范围，用来解决0/1背包问题，通过实验测试改进的算法，结果表明，改进算法的收敛速度得到提高.     

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。     

改进蚁群算法在物流配送路径问题中的应用

将最大最小蚂蚁算法与变异操作相融合,改进物流配送路径问题的求解,其算法首先采用最大最小蚂蚁算法产生较优解,然后使用变异操作对较优解进行优化.测试结果表明：该改进算法可以避免蚁群算法在搜索过程中陷入局部最优,有效地提高算法的全局寻优能力.     

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。     

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.     

分区域聚类的蚁群算法

根据旅行商问题中城市分布的特点,提出了分区域聚类的蚁群算法.首先,对城市分布进行球形聚类,再分别对剩下的城市进行线形聚类和孤立点聚类.采用这样的分区域聚类的蚁群算法收敛速度快,寻求的解更优.实验表明,该算法比基本蚁群算法在求得解更优的同时,速度快3～13倍.     

蚁群算法研究综述

研究分析了基本的蚁群算法原理，主要介绍了蚁群算法的发展历史和特点，综合了近期关于蚁群算法研究。在阐述了蚁群算法的研究现状基础上，最后指出了它的优点和问题，对蚁群算法推广应用具有重要意义。     

求解最小费用流问题的蚁群算法

为了运用蚁群算法解决最小费用流问题,首先结合有向网络描述了最小费用流数学模型,运用从终点向始点反向计算的思想求解在最大可行流约束下的最小费用,然后给出了其具体过程.最后通过仿真实验,调整圈法和标号算法验证表明：该算法是有效可行的.     

蚁群优化算法在物流配送车辆路径问题中的应用研究

车辆路径问题(VRP)是一类物流配送领域具有广泛应用的组合优化问题,属于NP难题。一种改进的蚁群优化算法可以用于求解VRP。实验结果表明,采用蚁群优化算法能有效求解VRP问题。