蜂群激发抑制与刺激响应相结合的群机器人区域覆盖算法

在区域覆盖问题中需要协调控制个体的行为以及群机器人的分布,结合激发抑制原理与刺激响应原理,提出一种蜂群激发抑制与刺激响应相结合的算法(AISRA)。AISRA通过激发抑制原理实现个体之间的紧密协作;通过个体与个体之间的交互,调整机器人在未知区域中的分布,充分发挥每个机器人的作用。仿真实验结果与讨论分析表明,AISRA能够实现个体之间的协作、调整机器人的位置分布,从而提升区域覆盖率、降低重复覆盖次数,提升群机器人的区域覆盖效率。     

一种面向空间分配问题的群智能劳动分工新方法

以装填问题为例,将群智能劳动分工的应用范围由任务分配推广到空间分配,提出一种群智能劳动分工新方法.首先分析了装填问题的空间分配特性,探讨了装填问题的空间分配与群智能劳动分工的任务分配之间的相似性.接着在此基础上引入群智能劳动分工响应阈值模型,根据装填问题的空间分配特点重新设计环境刺激、响应阈值、更新规则等模块,提出了基于响应阈值模型的劳动分工算法(response threshold model based labor division algorithm,RTMLDA).最后,选取装填问题的典型代表--等圆装填问题和不等圆装填问题进行仿真实验,对3组共54个代表性算例的计算结果及与其他算法的比较表明RTMLDA有效可行.     

基于能力评价与利益驱动的扩展蚁群劳动分工模型及在动态任务分配中的应用

蚁群劳动分工模型是一种重要的群集智能表现形式,已广泛应用于现实生活中的任务分配、物流配送等问题. 本文针 对基本劳动分工模型的不足之处,从个体能力评价与利益驱动两个方面对其进行有效扩展,并通过三个不同的仿真实例,对其性能进行分析,实验结果表明：扩展的蚁群劳动分工模型具有更好的稳健性与柔性,比较适合目前动态的任务分配环境.     

少控制参数的分层式骨干粒子群优化算法

针对传统粒子群优化易于早熟的缺点,提出一种少控制参数的改进骨干粒子群优化算法.该算法利用关于粒子全局和个体极值点的高斯分布更新粒子的位置,无需设置惯性权重和学习因子等控制参数;利用混沌扰动策略产生粒子的全局极值点,提高了粒子群的多样性;为改善算法的全局探索能力,依据收敛速度动态分配每个粒子的变异概率,设计了一种自适应跳离算子;为均衡算法的局部开发和全局探索能力,给出了一种分层式粒子更新公式.最后,将所提算法用于多个典型测试问题,并与三种典型算法进行对比,实验结果证明了它的有效性.     

基于复数编码的多策略人工蜂群算法

人工蜂群算法是解决不同类型优化问题的优秀算法之一,但该算法在处理复杂优化问题时仍存在收敛速度慢、易早熟和局部搜索能力弱等缺陷.为克服这些问题,从基本人工蜂群算法出发,提出基于复数编码的多策略人工蜂群算法.该算法针对人工蜂群算法的特点,设计搜索策略知识库,由种群个体在搜索过程中自适应选择最佳搜索方式,并引入复数编码方法构造双倍体种群个体,改善种群个体的多样性,进一步提高解的质量.应用15个测试函数对算法性能进行仿真实验,并将实验结果与其他算法进行比较,结果表明本文提出的算法在收敛速度和计算精度上明显优于对比方法,能够有效地解决全局优化问题.     

多元优化算法可达性分析

提出了一种多元化群智能优化算法-多元优化算法。多元优化算法充分利用了现代计算机多核处理器,大内存的特点,通过多元化的搜索个体(元)对优化问题解空间进行搜索,并对历史信息进行选择记忆。该算法因搜索群具有分工不同的多元化特点而得名。搜索元按照职责不同而分为全局元和局部元,全局元负责在整个搜索空间进行全局搜索并找到潜在解区域,局部元负责在各个潜在解区间进行局部搜索以期望找到该区域更好的解。本文从理论上证明了该算法的可达性。基于标准函数的对比实验也验证了该方法在可达性方面优于其他几个参与比较的算法。     

求解0-1背包问题的二进制狼群算法

狼群算法(wolf pack algorithm, WPA)源于狼群在捕食及其猎物分配中所体现的群体智能,已被成功应用于复杂函数求解。在此基础上,通过定义运动算子,对人工狼位置、步长和智能行为重新进行二进制编码设计,提出了一种解决离散空间组合优化问题的二进制狼群算法（binary wolf pack algorithm, BWPA）。该算法保留了狼群算法基于职责分工的协作式搜索特性,选取离散空间的经典问题--0-1背包问题进行仿真实验,具体通过10组经典的背包问题算例和BWPA算法与经典的二进制粒子群算法、贪婪遗传算法、量子遗传算法在求解3组高维背包问题时的对比计算,例证了算法具有相对更好的稳定性和全局寻优能力。     

铁路编组站配流协同优化模型与算法

编组站配流问题是研究车站作业计划优化编制的主线, 是站调阶段计划的核心. 为了实现配流的协同优化, 综合考虑解体调机、编组调机、到发线运用、取送车作业、配流等约束, 对总车流量、出发列车满轴列数、车辆在站停留时间等目标函数进行层次划分, 建立了编组站配流优化模型, 并以ECGACO算法为基础, 设计了针对配流问题的遗传-蚁群协同求解算法. 以郑州北站的实际数据进行测试证明了算法的有效性, 为编组站阶段计划的优化编制及配流智能化的实现提供了较好的解决途径.     

无人蜂群电磁作战行动建模与仿真

针对自主、协同、智能的无人蜂群电磁作战行动难以描述、刻画、建模与仿真的问题,首先以联合作战为背景,分析了无人蜂群电磁作战行动的层次化特征,并基于BNF (Backus-Naur form)描述了作战行动链。随后,分析了无人蜂群个体自主作战与群体协同作战的行为特征,并以此为基础提出了基于RRA (rule, respond and algorithm)的无人蜂群电磁作战行为模型建模方法,给出建模具体流程与行为规则的形式化描述。再次,构建了个体电磁辐射源目标自主识别行为模型,以及群体电磁攻击协同目标分配行为模型,完成了RRA方法的具体实现。最后,通过作战仿真实验与算法验证实验,证明了本文建模思路与建模方法的合理性、有效性。     

一种求解连续空间优化问题的改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少。在介绍基本蚁群算法机制原理和数学模型的基础上,提出了一种用于求解连续空间优化问题的改进蚁群算法。将连续空间优化问题的解向量分解成有限个网格,同时构造了一个与蚁群转移概率相关的评价函数,并借助相遇搜索策略对蚁群算法进行了改进,将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能。仿真实验表明,提出的改进蚁群算法较文献[11]所提出的自适应蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径。     

优化差异工件单机批调度问题的改进蚁群算法

研究了单机环境下工件尺寸有差异的批调度问题,设计了一种改进蚁群算法对问题的制造跨度进行优化.首先引入了Metropolis准则的概率选择机制作为路径激励策略,避免蚁群算法过早收敛的问题;然后采用了Batch First Fit算法对蚁群的路径进行解码,以产生可行的分批方案.最后选取了问题的所有24类算例,将改进的蚁群算法和遗传算法及模拟退火算法进行了全面的对比实验,结果验证了改进的蚁群算法的有效性.     

基于蜂群-粒子群算法的天然林空间结构优化

天然林空间结构包含林木的空间位置信息,影响着林木的生长、竞争、林分的稳定及森林的发展,其优化是个多目标规划问题。提出一种蜂群-粒子群(ABC-PSO)混合算法,该算法在初始粒子产生机制、随蜂数量及循环机制上对蜂群算法做了改进,并将其应用到天然林空间结构多目标优化中,最终建立能够兼顾林木分布格局、林木大小分割、林木竞争的优化模型。仿真实验表明,蜂群-粒子群算法提升了森林健康等级,解决了森林空间结构多目标优化问题。     

非线性0-1规划的元胞蚁群算法

基于元胞自动机原理和蚁群优化算法,提出一种求解非线性0-1规划问题的元胞蚁群优化算法。该算法将元胞的演化规则和蚁群的信息素更新规则相结合,利用元胞及其邻居增强搜索过程的多样性,提高蚁群的全局优化能力。经实验和与其他算法比较,表明该算法可行有效,有良好的全局优化能力。     

基于单车场多车型车辆路径问题的混合求解算法

为降低华北石油局大牛地气田采气过程中的车辆运输成本和车辆碳排放量,建立了单车场多车型车辆路径问题(SHVRP)数学模型,将扫描法、插入法、邻近法、两阶段法、遗传算法和蚁群算法等启发式算法作为求解SHVRP模型的基本算法,在分析算法原理、性能和适用环境等差异的基础上,提出了3种混合算法:混合启发式算法HHA(两阶段法+最远插入法+2-OPT)、混合遗传算法HGA(最邻近法+2-OPT+遗传算法)以及混合蚁群算法HACO(遗传算法+蚁群算法)。进而,列出了HA、HHA、GA、HGA、ACO、HACO等6种算法求解同一算例的10次运行结果的平均值,混合后算法的运行结果对比混合前算法的优势说明了混合算法的优越性。综合总配送成本、总碳排放量、配送车辆数和首次搜索到最优解的迭代数及计算时间等对3种混合算法进行比较,得出HACO最优,HGA次之,HHA最差。最后,将基于混合算法的智能运输方案与大牛地气田现有的基于经验法则的运输模式作对比,进一步说明了所提混合算法的可行性和有效性。     

求解连续函数优化问题的改进蚁群算法及仿真

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化算法,该算法采用分布式并行计算和正反馈机制,易于与其它方法结合,目前虽然已经在离散空间优化领域中得到了广泛应用,但是在求解连续空间优化问题方面的研究相对较少.在介绍基本蚁群算法机制原理和数学模型的基础上,对信息素更新方式进行了改进,采用动态局部信息素更新方式和自适应调节信息素挥发的全局信息素更新方式相结合,并将各条寻优路径上可能的残留信息素数量限制在一个最大最小区间,以提高改进后蚁群算法的全局收敛性能.仿真实验表明,提出的改进蚁群算法能更快地找到连续空间优化问题更优良的全局解,从而为蚁群算法求解这类问题提供了一条可行有效的新途径.     

用于连续域优化的蚁群算法及其收敛性研究

蚁群算法作为一种新的智能计算模式,由于其离散性本质而在组合优化问题上取得巨大成功,但这也限制了它在连续问题求解中的应用.为此,提出一种用于连续域寻优的改进蚁群算法.算法的局部搜索基于解决离散问题的经典蚁群优化思想,全局搜索利用Ant Walk和Ant Diffusion技术, 且每代寻优结束后均采用"精英策略"把本代最优个体保留到下一代中.最后在理论上对其进行了收敛性分析,证明可较快地收敛到全局最优解,并用几个基准函数对算法做了仿真测试,均取得良好效果.     

一种新的SHEPWM三电平逆变系统的仿真和实验研究

针对中点钳位型三电平逆变系统SHEPWM开关角度的求解问题,提出了基于混沌蚁群算法的三电平中点钳位型逆变系统的SHEPWM优化方法.蚁群算法在求解SHEPWM非线性超越方程组时不需要求解方程特定的初值,而变尺度混沌算子融合到蚁群算法之中,可以有效防止算法陷入局部最优解,提高计算精度.仿真和实验结果证明了基于混沌蚁群算法的三电平NPC逆变系统消谐模型的有效性.     

基于热干扰的管路自动敷设算法

基于热干扰分析,提出一种管路自动敷设算法。该算法以预处理和优化搜索为基本框架。在预处理阶段,利用混沌理论和热分析原理,建立基于热干扰分析的预处理模型。三维管路敷设空间经过预处理模型处理,有效地降低管路自动敷设算法的求解复杂度并保障了管路敷设的热安全性。在优化搜索阶段,通过改进蚁群算法,给出了高效的管路自动敷设算法。通过对比实验表明改进蚁群算法有效地增加了种群的多样性。最后,实例验证表明该算法的有效性和实用性。     

基于量子空间的蚁群算法及应用

针对蚁群算法收敛速度慢,容易陷入局部极值的缺点,提出将量子进化算法与蚁群算法相融合的新算法。在该算法中,蚂蚁当前位置用量子比特的两个概率幅表示,与普通蚁群算法相比,个体数量相等时,新算法的搜索空间将加倍,同时用量子非门来实现变异操作,相比传统算法,在寻优过程中具有更好的种群多样性并有效克服了蚁群算法的早熟及停滞现象。将此算法用于图像分割,实验结果表明,该方法有效解决了蚁群算法收敛速度慢和容易陷入局部极值的问题,而且在分割速度和精度上得到了较大提高。     

基于蚁群算法的多目标跟踪方法

提出了一种新的基于蚁群算法的多目标跟踪方法.方法采用蚁群算法实现多目标跟踪中的数据关联,首先将多目标跟踪中的数据关联问题表示为具有约束条件的优化问题.用蚁群算法对该优化问题求解,得到的解即为最优关联.为验证该算法的有效性,在两种状态估计方法EKF(extended Kalman filter)和S1S(sequential importance sampling)的基础上进行了多目标跟踪实验,并且与传统的NN(nearest neighbor)方法进行了比较.在与SIS框架结合时,算法中采样粒子包括状态矢量和关联矢量,状态矢量通过序贯重要性重采样获得,关联矢量通过蚁群算法求得.实验结果表明,将蚁群算法融合进SIS算法进行多目标跟踪是有效的.