基于多代理蚁群算法的电子商务物流配送优化研究

利用多Agent技术,描述了电子商务物流配送优化路径模型,并分析了此模型的工作原理。针对电子商务物流配送优化路径问题,对蚁群算法进行改进,提高其搜索能力和加快收敛速度。通过仿真,验证了此方法在电子商务物流配送优化路径求解中具有很好的可行性与有效性。     

蚁群算法及其在多段图中的应用

介绍了蚁群算法的原理及蚁群算法在多段图中的应用,给出了实现程序,并进行了性能分析。     

基于混合蚁群算法的“多日游”路线优化问题

针对＂多日游＂路线优化问题,提出了一种新的混合蚁群算法,并建立了＂多日游＂旅游交通路线的数学模型。通过多次实验和计算,证明将混合蚁群算法运用于＂多日游＂旅游交通线路,可以有效求得问题的最优解或近似最优解,并以秦皇岛地区各旅游景点为例进行了分析。     

基于蚁群粒子群混合算法的多目标优化在供水管网优化设计中的应用

在城市供水系统中,管网的铺设费用占很大比重。如何最大限度降低建设成本而又保证供水的可靠性,是供水管网设计的重点和难点。基于供水管网的固有特性,结合蚁群、粒子群算法的优点,将蚁群粒子群混合算法应用到供水管网设计的多目标优化中。将蚁群中的信息素、启发因子、信息素挥发度参数映射到粒子群算法中粒子的位置坐标,通过粒子迭代寻找最优位置,并将蚁群算法通过特定信息素更新方式并限制迭代次数来进行优化,再将粒子最优位置反馈到优化后的蚁群算法中,寻找最优解。通过此算法,优化了供水管网中管径的选择,在保证供水管网可靠性的前提下,尽量缩减建设费用,为决策者提供更加经济实用的决策参考。     

基于改进蚁群算法的物流配送优化研究

物流配送是物流管理的重要环节,物流配送关系到物流活动的正常开展,因此,物流配送优化成为学术界和企业界的研究热点。而传统蚁群算法由于存在着缺点,所以采用一种改进蚁群算法以改善传统算法的不足。基于改进蚁群算法,构建物流配送模型,求解最优解。通过算例,求得最优解,实现目标函数最小化。结论表明：改进蚁群算法是求解物流配送优化问题的有效方法。     

基于蚁群优化的协作学习模式研究

蚁群算法是一种求解复杂组合优化问题的启发式算法,但收敛速度慢且搜索时盲目性大.在协作学习模式中为了进行合理分组和提升学生的协作学习能力,提出了一种在外加信息素的干扰下改进型的蚁群算法,并实现两者的有效融合.实验结果表明,蚁群优化在学生的协作学习中表现出较强的优越性,能较好地求解非线问题,并能达到全局最优的解.     

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．     

蚁群算法的参数优化

分析了蚁群算法及其参数,找到了算法中蚂蚁个数与节点个数的关系,提出了两项参数改进方案--使用自适应调整q0参数和使用精英策略局部更新信息素,对蚁群算法进行优化.通过Matlab仿真试验分析,找出了参数的最佳取值范围,使得新的蚁群算法能以较快的速度找到较优的路径,提高了蚁群算法的效率.     

基于蚁群优化算法的虚拟火灾逃生路径优化

为了解决在火灾逃生路径优化问题中一般传统优化算法不考虑优化对象本身特征,不能动态更新算法策略,导致路径优化有效性低的问题,通过Pyrosim软件动态模拟火灾情况并输出环境参数,选用智能优化算法中的蚁群优化算法。通过改进当量长度代替算法中的几何长度,改进目标函数,对信息素挥发系数R按火场环境进行动态更新。模拟仿真了火灾发展3个时期的路径优化,验证了该算法程序的有效性和收敛性,提高了路径优化的有效性。     

基于蚁群算法的城市各区域垃圾回收优化

就垃圾回收优化建立模型,利用Dijkstra算法预处理位置数据,再以蚁群算法实现,使模拟结果最短距离为回收真实距离,所得最优回收次序对确定回收路线有参考意义.设计的2个解决方案中,方案一证明了蚁群算法解决城市小区垃圾回收的可行性,方案二实现城市各区域垃圾回收分区回收.     

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     

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…     

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.     

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。     

Multi-group ant colony algorithm based on simulated annealing method

To overcome the default of single search tendency, the ants in the colony are divided into several sub-groups. The ants in different subgroups have different trail information and expectation coefficients. The simulated annealing method is introduced to the algorithm. Through setting the temperature changing with the iterations, after each turn of tours, the solution set obtained by the ants is taken as the candidate set. The update set is obtained by adding the solutions in the candidate set to the previous update set with the probability determined by the temperature. The solutions in the candidate set are used to update the trail information. In each turn of updating, the current best solution is also used to enhance the trail information on the current best route. The trail information is reset when the algorithm is in stagnation state. The computer experiments demonstrate that the proposed algorithm has higher stability and convergence speed.     

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．