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.     

一种改进的求解TSP的粒子群算法

针对粒子群算法解决离散问题时效率较低的问题,提出一种改进算法,通过置换序列实现粒子位置和速度的更新.用TSP问题库内的基准问题进行仿真实验,证明了该算法是有效的.     

面向TSP问题的免疫遗传算法研究

本文利用免疫遗传算法中抗原识别、保持抗体的多样性和免疫记忆等特性来求解TSP问题,提高TSP问题的总体搜索能力,也证明了该算法的有效性和优越性。     

一机两流的连铸生产计划模型与算法

编制高效的连铸生产计划是现代钢铁企业提高生产率和降低能耗的有效手段,在此基础上,讨论了某大型钢铁企业一机两流的连铸生产计划编制问题,建立了基于目标规划的数学模型,目标是在满足生产规程的同时取得最大的效益·为解决该问题,提出了一种将遗传算法和禁忌搜索算法进行结合的智能搜索算法以加强遗传算法局部搜索能力·同时,在遗传算法中采用动态变异概率以防止出现早熟现象,在禁忌算法中采用自适应惩罚系数调整策略来满足模型中的约束,实际的计算结果证实了模型的可行性和算法的有效性     

均匀设计在求解TSP问题中的应用

本文利用均匀设计抽样的理论和方法,针对遗传算法解决旅行商问题,将遗传算法基本模型的参数设定问题描述成均匀设计中多因素多水平的试验设计,确定参数后再运用均匀设计产生初始种群,用TSP问题库内的基准问题进行仿真实验,证明了该方法是有效的。     

网联环境下基于可选相位优化框架的公交信号优先

提出了面向公交信号优先（TSP）的可选相位优化框架，并开发了实时公交信号优先算法。对双环相位结构进行改进，通过加入数个可选公交相位组成多种相位配置场景，可融合相位的重现、调换和插入等多种调整功能，实现绿灯时间、周期和相序同时优化。建立混合整数线性规划模型，设计基础配时偏差线性化表征社会车效益，降低计算复杂度。案例研究显示，提出的算法与主动优先相比，公交的延误和停车次数分别降低33.1%和15.1%，社会车方面分别降低17.7%和12.6%。     

一种求解TSP问题的混合算法

结合粒子群算法、蚁群算法、重力搜索算法提出了一种新的混合算法——TSP-GPAA.该算法将粒子群算法和重力搜索算法加入到蚁群算法中,利用粒子群算法的全局搜索能力解决了蚁群算法的初始信息素匮乏的问题,并且重力搜索算法将粒子群算法和蚁群算法参数进行优化,明显提高了蚁群算法的优化性能.实验表明新算法对于解决TSP问题是有效的...     

基于个体的双机械手离散随机合作任务规划算法研究

对于基于个体的双机械手离散、随机合作任务规划问题,先以各任务间的最短移动距离(时间)为优化函数,将其简化为一个具有三角属性的双TSP问题的组合来研究,用统计方法进行单机械手任务划分,再用解决TSP问题的近似算法求解得到两个机械手任务规划的哈密尔顿回路.然后针对任务规划回路中的交叉网络采用动态规划的方法进行合理优化,从而得到双机械手一个较优的任务规划序列.该算法的时间效率为O(n2),其任务规划的最短距离(时间)代价比近似算法平均优化15%.     

TSP技术在引水隧洞超前预报中的应用

TSP技术是隧道施工中一项常用的超前地质探测技术。在隧道工程中,为了能够高效且安全地进行施工,采用TSP超前预报技术探测隧道周边及掌子面前方未开挖的岩体及其状态,为隧道施工提供更多的信息和依据,确保施工安全顺利地进行。以新疆某输水隧道工程为依托,针对TSP技术在隧道围岩地质预报中的应用进行分析,并且进行数据采集及成果编译,最后在实际开挖中揭露真实的围岩情况,验证TSP技术的准确性和可靠性,为TSP技术在实际隧道中的应用提供借鉴作用。     

混沌优化在TSP问题中的应用研究

分析了混沌的基本概念、研究现状、相应的参数选取方法、Lyapunov指数的计算方法等内容,并提出了一种改进的混沌神经网络模型用于解决旅行商问题(TSP),仿真结果较好。