基于改进遗传算法的配送路径优化方案

为了很好地解决物流车辆的线路优化问题（简称VRP）,借鉴DNA算法局部寻优能力强的优点,提出新编码方法,以及车辆的行使路线的新的测序方式,很好地解决遗传算法的早熟、局部寻优能力差的问题。通过测试,发现交替使用遗传算法和DNA算法进行全局寻优和局部寻优可以相对较准确、快速的实现车辆线路的寻优。     

基于 VRP 平台的重型机床展示设计

虚拟现实技术是近年来发展起来的新技术,它是在计算机上面利用人工智能、传感器等设备模拟出一个新的人工环境,能让人沉浸于该环境中.本文介绍了 VRP 的技术特点以及设计流程,并借助该平台实现重型机床的展示设计.     

基于VRP平台的重型机床展示设计

虚拟现实技术是近年来发展起来的新技术,它是在计算机上面利用人工智能、传感器等设备模拟出一个新的人工环境,能让人沉浸于该环境中。本文介绍了VRP的技术特点以及设计流程,并借助该平台实现重型机床的展示设计。     

一种求解Ramsey数的DNA计算机算法

Ramsey数是整个组合数学中最有魅力、最具难度的研究课题。Ramsey的理论知识广泛存在组合数学领域,在锻炼人们逻辑思维和数学思维方面起着重要作用。求解Ramsey数极其困难,到目前为止求解出的Ramsey数只有9个准确值。由于Ramsey数的搜索范围比较广,如果按照以前的传统算法,会导致计算机无法求解。使用DNA计算机算法求解Ramsey数的问题比电子计算机要完善很多。对一种用于求解Ramsey数值的DNA计算模型与算法进行了研究。     

基于智能优化算法的车辆路径问题的研究与应用

在电子商务蓬勃发展的大环境下,物流行业已经成为推动我国经济发展的重要力量,人们对物流配送的要求也越来越高,如何科学合理地规划配送车辆的路线,实现高效率、低成本是当前学者们研究的重点。物流配送遍及生产生活的方方面面,面对日益复杂的道路环境,随着信息化水平的提升,这使得用智能计算推动物流配送模式革新有着重要意义。本文通过科学合理的方法对复杂的车辆路径问题(VRP)的衍生问题,即带时间窗的车辆路径问题和同时取送货的车辆路径问题(VRPSPDTW)进行求解,主要通过对现有的鲸鱼优化算法进行研究,针对鲸鱼算法求解问题后期种群多样性缺失的问题,引入新的收敛因子、自适应权重和Metropolis准则对其进行补足,将其应用至实际问题中,验证其可行性。     

车辆路径优化及算法综述

阐述了VRP的主要求解算法,在参阅大量文献基础之上以禁忌搜索算法、遗传算法、蚂蚁算法三种主要的算法为划分总结了VRP的研究现状以及三种算法的改良与应用情况,最后对车辆调度问题进行了展望,提出了进一步发展动向。     

有关地图四着色问题的DNA算法研究

地图四着色的DNA算法,是基于基因生物芯片技术,通过现在比较完善的荧光标记软件来分析模拟着色问题,从而得到问题解的一种算法。本文先把四色图的问题转换为无向图的问题,并根据一般DNA算法的模型提出解决无向图的四色图着色问题的解决方案,同时通过一个实例阐述了用DNA算法模拟着色问题的具体步骤,证明了该算法的可行性,最后和混沌神经网络四着色算法进行了比较。     

基于VRP虚拟现实技术的浙江省三维村镇规划信息化平台设计与开发

当前,全国各地经济建设发展迅速,城镇化水平也不断提升,村镇的规划科学化问题已经明显地暴露出来,很多村镇规划得跟城市相同,完全不适应现代村镇科学、有序地发展,浙江省村镇面临的规划科学化问题也日益严峻。规划信息化水平的提高是规划科学化进程的一个重要标志。项目通过制作基于VRP虚拟现实技术的浙江省三维村镇规划信息化平台,在研究经济、高效地制作三维村镇模型的方法与步骤方面取得了初步成果,极大提升了浙江省村镇规划信息化水平。     

基于蚁群算法的TSP问题求解

人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法、蚁群算汝在求解一系列困难的组合优化问题上取得成效,成为解决TSP,VRP,QAP,JSP等典型问题的一种新型的强有力算法.本文对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法以及应用等进行了系统的论述.     

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。     

以DNA为介质的信息储存方法的发展

作为一种新兴储存方式,DNA储存系统以其极强的稳定性和极高的储存密度备受关注.尤其是近些年随着储存需求的快速上升,与之相关的研究也在增加,并取得了一些令人振奋的成果.本文从储存方法、汇编算法、未来发展等方面出发,简要汇总了一些科研成果,并提出可能的未来发展方向,以期为该领域的进一步研究提供帮助.     

云计算环境下基于遗传蚁群算法的任务调度

研究了云计算环境下的任务调度问题,通过构造云计算环境下的任务调度模型,提出了一种混合调度算法,该算法是蚁群算法与遗传算法的有机融合。其中的遗传算法采用间接编码方式,结合由遗传算法衍生出的优化解,对蚁群信息素的分布进行初始化处理,使遗传算法的快速搜索能力得到充分利用,并通过克服蚁群算法的起始信息素不足问题,加快了求解速度。云计算环境下的仿真实验结果表明,该混合算法是一种行之有效的任务调度算法。     

基于遗传算法的BP神经网络图像复原算法研究

本文在把BP神经网络算法应用于图像复原问题基础上,引入遗传算法对BP网络训练和调整,给出具体的GABP算法方案设计及具体实现步骤,并将改进后的算法应用于图像复原仿真,验证了混合算法相较传统BP网络在收敛速度及均方误差值方面的优越性能。     

基于路网配送路线优化教学软件开发

当前,国外对于VRP问题的研究已经应用于生产,生活等多个领域。但是,VRP问题的研究,尽管摆在了高校的课本中,但是在教学演示方面遇到很大的问题,无法向学生形象生动的演示算法过程。为了提高教学质量,解决教学演示的相关难题,本项目设计了教学软件系统,达到了对该问题的分步演示及可视化,改善了教学方法,并初步应用到了校内的教学演示,取得了良好的效果。     

基于求解TSP问题的ACA-GA-PSO算法

为了有效求解TSP问题,提出一种融合蚁群算法、遗传算法、粒子群优化算法思想的混合算法。该算法基于最大-最小蚁群系统框架,在选择下一个城市时采用局部搜索策略避免陷入局部最优,在每次循环结束时用演化交叉策略优化得到的全局最短路径,从而提高求解TSP问题的求解精度及收敛速度。TSPLIB中不同规模的TSP问题的仿真实验结果表明了该算法的有效性与可行性。     

基于改进微粒群算法的网格任务调度方法

任务调度是网格计算环境中影响性能的重要因素。提出了一种新的任务调度方法,该方法先对任务执行时间进行预测,然后运用改进微粒群算法进行任务调度,达到最小化任务执行时间的要求,最终实现网格资源的优化分配。通过仿真试验对算法的有效性和性能进行了验证,并比较了与遗传算法调度方案之间的性能差异。     

一种基于遗传免疫算法的种系树构建方法

系统发生树的柄建问题是一个NP完全问题,研究构造发生树的近似最优算法有着重要意义。将遗传算法和免疫算法结合起来,形成了一种利用抗体多样性保持策略的IGA,并将其用在最大简约法的构建中,结果表明方法是可行的。     

基于混合遗传算法的滑动 MTI 参差码优化设计

在滑动参差MTI滤波器设计中,通过选择适当的参差码改变雷达发射脉冲周期,使盲速大于目标可能的最大速度,并使第一零点尽可能浅,以确保不会丢失陷入其中的弱目标。参差码设计是一个组合优化问题,采用混合遗传算法对最优参差码进行搜索,该算法避免了遗传算法中的早熟问题,增强了算法的全局搜索能力,提高了算法收敛速度。仿真结果表明,该算法是可行且高效的。     

基于遗传退火算法的无线传感数据采集研究

随着科技的进步与社会的发展,无线传感网络进入高速发展阶段,越来越多的学者开始对无线传感网络数据采集进行研究。本文根据目前存在的研究方法,提出了一种基于无线传感网络数据采集的改进退火算法,该算法在传统模拟退火算法的基础上,引入遗传算法,改进种群的多样性,对收敛性进行优化,从而加强建筑结构监测的精确度。对比测试结果表明,基于改进退火算法的无线传感网络数据采集在实际过程中切实有效,可以对数据采集做到科学、精确的检测效果。