基于蚁群算法在交通领域的应用综述

蚁群算法是受现实蚂蚁群体行为启发而得出的一类仿生算法。从蚁群算法与实际交通问题的求解有很强直接对应特性出发,对蚁群算法在交通领域的应用进行全面综述。蚁群算法也可应用于交通过程建模、交通过程优化及导航、交通运输规划等交通领域。     

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。     

基于蚁群算法的停车场车位引导问题研究

根据停车场实际情况建立了停车场结构模型,引入了节点繁忙因子的概念,提出了带约束的最优路径数学模型,将车位引导问题转化为对网络中最优路径的求解,并对基本蚁群算法的启发函数、信息素更新规则进行改进,将改进后的算法用于停车场车位引导问题中最优路径的求解。最后通过仿真实验找出了最优车位及存取车路线,为进出停车场的车辆提供引导,提高了停车场的使用效率。     

蚁群算法在求解车辆路径安排问题中的应用

蚁群算法是求解诸如车辆路径安排问题等组合优化问题的有效工具.本文在简要介绍蚁群算法和车辆路径安排问题的基础上,探讨了应用蚁群算法求解车辆路径安排问题时需要解决的问题,讨论了相应的解决方法和提高算法求解性能的方法.     

智能交通系统中车辆路径优化问题的研究

针对智能交通系统中的车辆路径优化问题,运用蚁群算法进行求解,并对状态转移概率公式的选择做出了调整,进一步对信息素挥发因子进行改进,从而改进了基本蚁群算法到一定阶段后容易陷入局部最优的缺点,提高了算法的运算速度.实例求解表明,改进蚁群算法在车辆路径优化问题中,可以快速有效地得到近似最优解.     

带时间窗车辆路径问题的混合蚁群算法

为解决有时间窗的车辆路径问题,提出了一种基于进化规划和最大-最小蚁群算法相融合的混合蚁群算法,并与最大-最小蚁群算法作了比较.实验结果表明,混合蚁群算法可以快速有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案.     

求解带软时间窗多车场多车型车辆路径问题的一种改进蚁群算法(英文)

考虑实际生活中带多种扩展特征(如多车场、多车型、客户服务优先级、时间窗等)的车辆路径问题应用广泛,建立带软时间窗多车场多车型车辆路径问题的数学模型,并提出一种改进的蚁群优化算法(IACO)求解该模型.首先,根据就近原则将客户分组,并通过扫描算法构造初始路径;其次,通过引入遗传算子并自适应地调整交叉概率和变异概率来提高算法的全局收敛能力,且采用平滑机制来提高蚁群优化算法的性能;最后,采用3-opt策略来提高算法的局部搜索能力.将提出的算法应用在3个随机产生的实例中,仿真表明提出的IACO在收敛速度和解质量两方面都优于现有的3种算法,证明提出的算法是有效可行的,且提出的模型具有一定的实际意义.     

基于超声计数的智能交通灯控制系统

基于超声测距原理,以MSP430单片机为控制核心,设计了根据道路实时车流量来动态调节各路口通行时间的智能交通灯控制系统。通过相关算法将超声测距模块的输出回响信号转换成车辆信号,计算出某时刻车道在一段固定距离内的车辆数,并动态分配车道车辆的通行时间,从而提高了交通路口通行效率,有效缓解交通拥堵。系统引入手动遥控模块,可以应对严重交通堵塞。     

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。     

物流配送车辆路径优化问题的仿真研究

随着物流行业的发展。物流配送成本成为人们关注的问题。为了进一步降低日益复杂的物流配送成本．该文将一种改进的蚁群算法应用于物流配送车辆路径优化问题中,设计了求解物流配送路径优化问题的改进蚁群算法,并应用实例加以仿真计算,实验仿真证明了该改进蚁带算法的有效性。     

CVRP物流配送路径优化及应用研究

车辆行驶路径优化问题是智能安全交通网络的重要组成部分。针对传统车辆路径求解搜索时间过长、得不到最优解、求解质量不高的现况,在研究一般物流配送路径问题处理方法和数学模型的基础上,提出了一种改进的蚁群算法求解问题以提高构建路径的速度和质量,在限量车辆路径问题（CapacitatedVehicleRoutingProblem,CVRP）中用改进的蚁群算法来优化求解车物流的配送路径。通过MATLAB仿真结果表明,蚁群算法搜索速度相对较快,具有良好的全局求优能力,收敛结果表明可以准确求出最优路径,相比传统方案,优化后解的质量得到了提高,速度提高了80%左右,是一种可行性较高的求解物流配送路径优化问题的有效算法。     

基于蚁群算法的道路交叉口模糊控制研究

交通问题的研究在世界上是一个热点,同时也是一个难点。究其原因,主要是由于交通流的随机性和不确定性所决定的。模糊控制能够方便地结合人的思维和经验,适合应用在在交通信号控制系统上。本文采用蚁群算法对传统交通模糊控制器进行改进,使道路信号交叉口交通控制方案更具有自适应性,以减少车辆延误、提高通行能力。     

考虑车辆与行人的单交叉口信号灯配时优化

针对路口交通信号灯配时优化问题,建立了路口车辆与行人平均等待时间数学模型。充分考虑路口的实际交通情况,合理设定模型约束,通过判断车辆与行人实际已等待时间,分类计算车辆与行人的预期等待时间;采用状态空间进化算法对模型进行优化求解,分别得到车辆与行人的绿灯分配时间,比较东西方向（南北）车辆与东西方向（南北）人行横道绿灯分配时间,取大者作为该相位车辆与人行横道绿灯时间。与固时控制相比大幅度减少了车辆与行人的平均等待时间,并且车辆与人行横道的绿灯分配时间更为合理,能更好地满足实时控制要求。     

基于混合算法的智能立体停车库研究

受到停车压力的影响,立体车库因占地面积少、可容纳车辆多等优点愈来愈被相关领域人员关注。立体车库主要问题是如何优化载车板在存取车时的运动路线,提高调度效率。文中利用结合了蚁群算法和遗传算法的混合算法,获得了车库载车板运动的最优路径,达到了节省存取车辆所用时间的目的。仿真实验结果表明,此方法可使立体车库的调度更加方便、智能、快捷。     

深圳二线关潮汐车道设置的方案论证——以梅林关和布吉关为例

通过对深圳市二线关梅林和布吉段的车辆交通量方向分布系数、通行能力等实际情况的分析,同时根据设置潮汐车道的相关要求,论证了深圳在梅林和布吉关口路段设置潮汐车道以改善交通拥堵的可行性,并提出了相关设置预案.     

一类带时间窗动态车辆路径优化

基于事件驱动,采用快照记录车辆即时信息,建立物流配送动态车辆路径问题的数学模型。通过改进信息素的更新策略来改进蚁群算法,并采用改进蚁群算法对建立的模型进行仿真求解。结果表明,所建立的模型和改进的算法,对物流配送动态车辆路径有较好的优化。     

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。     

浅谈蚁群算法在蛋白质折叠问题上的应用

文章通过对蚁群算法的基本原理和工作机制的介绍,蛋白质结构折叠问题的重要性分析,蚁群算法如何运用在蛋白质折叠问题中三个方面阐述蚁群算法的功效。从而进一步探讨蚁群算法作为一种优化算法的实际应用。     

基于混合算法的汽车零部件物流配送路径优化

针对汽车零部件供应物流,建立循环取货配送路径优化模型,将遗传算法与Max-Min蚁群算法融合,采用遗传算法生成初始信息素分布,利用Max-Min蚁群算法求精确解,并通过实例验证。结果表明,混合算法对于解决供应商数量多、带时间窗限制与碳排放限制的配送路径优化问题,可有效降低车辆取货频次和提高车辆装载率。     

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。