容量制约下交通分配模型的组合同伦方法

针对带容量制约的交通分配模型进行分析变形,对简化后的模型提出了一种新方法:基于预估-校正的组合同伦方法,给出了算法的实现过程,分析了算法的收敛性,并通过实际交通分配的算例说明了算法的可行性,为解决带容量制约的交通分配模型提出了一个有效方法.     

多路径交通分配模型的改进及节点分配算法

本文对动态多路径交通分配模型进行了改进，提出了该模型的快速算法－节点分配算法，并详细阐述了节点分配法中的网络处理、分配节点排序及参数确定等问题。节点分配算法的采用，大大提高了多路径交通分配方法的速度及容量，使之能在超大规模网络的交通规划、交通控制及交通诱导系统中应用。     

用蚂蚁算法处理固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性，章采用一种新型随机搜索思想——人工蚂蚁算法求解固定需求交通平衡分配问题。算法设计中利用蚂蚁王国中增强型学习系统功能和并行计算的特点，使得交通分配系统朝着用户优化的方向发展，降低了分配的复杂性，为交通分配问题开创了一条新的途径，同时显示了蚂蚁算法在交通规划中的使用前景。     

对称平衡交通分配问题的模型与算法

认为平衡交通分配中路阻函数不仅与自身的流量有关,还与其他路段的流量有关,针对路阻函数的雅克比矩阵对称正定的情形,提出了对称平衡交通分配的新模型,并对模型设计了新的算法,通过计算实例表明算法是有效可行的.     

用蚂蚁算法处理固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性 ,文章采用一种新型随机搜索思想———人工蚂蚁算法求解固定需求交通平衡分配问题。算法设计中利用蚂蚁王国中增强型学习系统功能和并行计算的特点 ,使得交通分配系统朝着用户优化的方向发展,降低了分配的复杂性 ,为交通分配问题开创了一条新的途径 ,同时显示了蚂蚁算法在交通规划中的使用前景     

求解路网最短路的快速算法

探讨了最短路算法在交通分配中的重要地位。在此基础上．比较了现有最短路算法的优缺点,同时提出了一种改进的矩阵迭代算法．并利用该算法对一简单路网进行了验证。     

非对称网络容量约束用户均衡交通分配仿真算法

针对非对称网络路段容量约束交通均衡分配模型计算困难,设计了一种带路段容量约束的用户均衡交通分配仿真算法。在算法迭代过程中,将按全有全无法在当前最短路上分配流量与前一轮迭代所得到的流量加权组合,各O-D对的组合系数依Logit模型来确定;并不断自适应调节路段排队延误因子和误差因子来模拟实际路段行驶时间,使路段流量逐步低于路段容量,从而达到广义用户均衡,克服了容量约束均衡分配计算量大及Logit随机分配法要求枚举所有路径的困难。随后证明了算法的收敛性,并对一个小型路网进行了数值试验。     

非平衡交通分配的离散网络平衡设计的遗传算法

针对离散网络平衡设计二层规划模型,提出了一种新的求解算法.二层规划模型中上层问题对它采用遗传算法,下层问题是平衡交通分配模型,对它采用非平衡交通分配方法的拟FrankWolfe算法,并给出了算例,数值试验结果表明本文提出的算法是有效的且计算量小、收敛较快.     

双准则交通分配和方式划分相结合的网络均衡

分析了综合交通体系下不同时间价值的出行者路径和方式的时间、费用交易选择行为.运用了交通方式路径虚拟和对路径费用重新排序的方法,给出了双准则交通分配和方式划分的综合模型、有效路径算法和用户均衡算法.通过计算机模拟的方法,举例分析了交通改进措施和交通政策对交通分配和方式划分的灵敏度.模型可以更加真实地反映出行者在权衡时间价值和费用下的路径和方式选择,并可定量研究交通方式服务水平提高和交通政策对交通方式引导和缓解路段拥挤的作用.     

改进蚁群算法在动态交通分配中的应用研究

将蚁群算法用于交通分配中最优路径求解,考虑到实际路网中路段的通行时间受到交通量的影响,提出了一种改进的蚁群算法.算法对基本蚁群算法的信息素更新方程和启发信息进行适当改进,即用车辆在路段的行驶时间代替路段长度对信息素进行更新,并在启发信息中引入新的参数以加强搜索方向性.将改进后的蚁群算法结合增量分配法进行应用.用一个算例对算法的有效性进行验证.     

面向车辆路径问题的改进蚁群算法研究

为解决基础蚁群算法在求解车辆路径问题时出现收敛速度慢、易陷入局部最优解等问题,提出了一种改进蚁群算法.首先,引入节约矩阵更新选择概率公式引导蚂蚁搜索;其次,运用分段函数改进挥发因子,调整算法的收敛速度;再次,使用2-opt法,提高算法的局部搜索能力;最后,选取车辆路径问题国际通用数据集进行仿真,运用控制变量法找到信息素...     

基于蚁群-免疫原理的混合算法及其在TSP中的应用

通过分析蚁群算法和免疫算法的原理,在蚁群算法的禁忌表中得到局部较优解,并将该局部较优解作为疫苗注射到免疫算法的初始抗体中,然后应用免疫算法的相关操作,求得最优解.基于此提出了蚁群-免疫原理的混合算法.将该算法应用到TSP中,仿真表明能够有效地提高算法的全局及局部搜索能力,克服早熟现象.并与基本蚁群算法比较证明该算法是行之有效的.     

基于改进蚁群算法的优化设计

为研究结构优化设计问题,以二进制为基础,基于图解的蚁群系统,提出伪并行蚁群算法,以改善蚁群算法性能,并将其应用于结构优化设计中参数的求解.算例表明,改进的蚁群算法可求解连续优化问题,收敛速度快,计算精度高,并具有满意的优化效果,可用于工程优化设计.     

基于改进蚁群算法的优化设计

为研究结构优化设计问题,以二进制为基础,基于图解的蚁群系统,提出伪并行蚁群算法,以改善蚁群算法性能,并将其应用于结构优化设计中参数的求解。算例表明,改进的蚁群算法可求解连续优化问题,收敛速度快,计算精度高,并具有满意的优化效果,可用于工程优化设计。     

变异蚁群神经网络及其对DTC转速的辨识

将变异机制引入基本蚁群算法中，然后利用这种变异蚁群算法去优化神经网络的权值，有效地解决了神经网络容易陷入极小点的缺点，同时又远比只采用单一的基本蚁群算法提高了收敛速度，从而得到一种时间效率和求解效率都比较好的启发式方法，即变异蚁群神经网络．通过对直接转矩控制中电机转速进行辨识的仿真实验，结果表明：这种变异蚁群神经网络兼具了神经网络和蚁群算法两方面的优点，不仅具有广泛的映射能力，还明显提高了运算效率，用变异蚁群神经网络构造的转速辨识器能够准确地跟踪电机转速的变化，使系统具有良好的动态性能．     

基于势场导向的对数蚁群算法的移动机器人路径规划

针对蚁群算法存在收敛速度慢,易陷入局部最优的问题,提出了一种将人工势场和对数蚁群算法相融合的新算法.该算法是在蚁群算法的基础上,将势场的影响因素引入到蚁群算法的状态转移概率函数和启发函数中,并通过对数函数模型对蚁群算法的信息素更新策略进行改进,使得路径算法搜索不再具有盲目性,并加快算法的收敛速度.为了验证改进算法的有效性,分别在不同环境的2维栅格地图中进行仿真.仿真结果表明,相比改进前的蚁群算法,改进后的蚁群算法在路径规划中收敛速度更快,规划效率更高.将基于势场导向的对数蚁群算法应用于Hokuyo激光建图的实际机器人上进行路径规划实验.实验结果表明,改进后的蚁群算法路径搜索效率较改进前提高了约52％.     

基于PR算法的自适应ACO算法求解旅行商问题

以著名的旅行商问题为研究对象,研究了基于线路重连(PR)算法的自适应蚁群算法(ACO)的应用。根据蚁群算法构解过程中的选择策略与信息素更新机制,提出了自适应的蚁群优化方法,即通过阈值接收算法(TA)中的阈值控制参数改变蚁群的确定选择与随机选择机会,从而控制了搜索方向。采用这种自适应的蚁群优化算法,避免蚁群算法陷入局部最优,使对解空间的更好地进行搜索。同时,在蚁群优化算法(ACO)中,嵌入路径重连算法(PR)来改进解的质量。实验结果证明了基于线路重连算法(PR)的自适应蚁群算法(ACO)在求解该问题时的有效性。     

蚂蚁算法及其在机械优化设计中的应用

在蚂蚁算法基本原理的基础上,通过引入蚁群更新、沿途搜索等策略,对算法进行了改进. 用C语言设计了蚂蚁算法程序,通过典型优化设计问题进行了验证,并给出了机械优化设计实例. 实例表明,改进后的蚂蚁算法全局收敛能力强,程序运行可靠.     

基于免疫的蚁群优化算法

蚁群算法在寻优过程中很容易出现早熟现象而陷入局部最优,同时蚁群算法在构造问题的可行解时,计算复杂度较大.为解决以上问题,将免疫算法和蚁群算法相结合,构成了一种结合免疫机制的蚁群优化算法,并将其用于解决WTA(武器目标分配)问题.通过仿真及与其它多种优化算法对比发现:基于免疫的蚁群优化算法在搜索效率上要高于其它优化算法.     

室内服务机器人路径导航系统设计及算法

随着各行业智能化的快速发展,室内服务机器人逐渐地走进了人们的日常生活中。针对日益复杂的室内环境以及对机器人路径规划技术要求的不断提高,本文采用激光雷达、底盘驱动、人机交互等功能模块相结合,设计了一种室内服务机器人路径导航系统。同时对传统蚁群算法进行改进,提出了自适应信息素浓度和动态信息素挥发因子,使改进后的蚁群算法具有较高的全局搜索能力,避免了传统蚁群算法前期易陷入局部最优的问题,最后将改进后的蚁群算法应用到移动机器人路径规划上。为了验证改进蚁群算法的有效性,用MATLAB软件进行仿真分析,仿真结果证明了改进蚁群算法在移动机器人路径规划时具有较强的全局寻优能力,同时提高了收敛速度。