人工蜂群优化算法在复数盲源分离中的应用

针对复值信号的源数估计和有序分离等关键技术,提出一种基于人工蜂群优化的源数未知的复值盲源分离方法,该方法首先利用交叉互验技术来估算复数源信号的个数,然后通过人工蜂群算法优化峰度的绝对值来获得最佳分离向量,并实现了逐次恢复源信号的目的.仿真实验结果表明,该方法不仅能依峰度绝对值的降序实现服从任何分布源信号的盲分离,同时比其他方法具有更优越的估计性能.另外,提出一种基于峰度的欠定复盲源分离算法,该算法根据信号的统计特性构造了用于欠定混合情况下盲抽取向量的代价函数,然后通过人工蜂群算法优化其函数来获得最佳分离向量,通过多次分离来实现欠定复盲源分离的目的.通过对混合分布类型的复值源信号欠定盲分离仿真实验验证了该算法的有效性.     

Morphology of oil-collecting pilosity of female Rediviva bees (Hymenoptera: Apoidea: Melittidae) reflects host plant use

The oil-collecting hair morphology and pilosity on female foretarsi for all 26 species of the southern African endemic bee genus Rediviva was studied and related to host plant use based on about 2700 flower visitation records. Four different types of tarsal pilosity and six principal hair types are identified. Rediviva bees collect floral oil from 12 plant genera representing the families Iridaceae, Orchidaceae, Scrophulariaceae and Stilbaceae, with Diascia being the most frequently used host. Differences in foretarsal pilosity reflect the availability of floral oil and elaiophore morphology of the principal host flowers. Rediviva species with short female forelegs exhibit a greater diversity of tarsal oil-collecting pilosity than long-legged species. This contradicts an earlier hypothesis that the pilosity of species with shorter legs might be less complex than in Rediviva with elongate forelegs.     

基于改进蚁群算法的钢铁企业合同计划方法

基于钢铁企业的合同计划管理要求,建立了以产能平衡和最小化拖期提前总惩罚为目标的多目标数学规划模型,综合考虑了工序的前序关系、工序的产能和库存的约束.将生产合同与生产工序转换为节点图,从而将合同计划问题抽象成一种改进的旅行商问题.根据模型和问题的特点设计了带交货期启发信息的蚁群算法,并以钢厂实际合同数据为例进行实验.结果表明,改进蚁群算法获得的最好解和计算成本都比较令人满意,模型和算法是有效的.     

基于蚁群优化的置换流水车间调度算法

针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法.该算法的要点是将NEH启发式算法和蚁群优化结合起来:首先,将蚁群优化中的能见度定义为NEH中所用的工作加工时间之和.其次,对于部分解采用了NEH中的步骤2和步骤3进行局部调整.最后,对构造出的解做插入型局部搜索.用所提算法对置换流水车间调度问题的基准问题进行了测试,测试结果表明提出算法的有效性.     

基于蚁群算法和禁忌搜索的部队机动路径选择

新形势下的部队作战规划对机动路径选择这个问题提出了新要求,需要同时达到机动时效和机动分散的双重指标.针对问题建立了数学模型,引入信息熵理论作为目标评价准则,借助改进的蚁群算法和禁忌搜索算法相结合的启发式方法对问题进行求解,给出了该方法的具体计算步骤.对仿真结果的分析表明,算法是切实有效的.     

一种机器人路径规划的蚁群算法

提出一种机器人路径规划的蚁群算法,该算法引入信息素限定和自适应信息素挥发系数的方法解决蚁群算法应用中的停滞现象和搜索能力的问题。算法仿真研究中发现了算法的收敛速度和环境地图建模的方式有密切关系,提出栅格地图模型的坐标变换法,提高了算法的运行效率。比较仿真实验结果证实了本算法的有效性和快速性。     

加强局部搜索能力的人工蜂群算法

针对人工蜂群算法在求解过程中存在收敛速度慢、易陷入局部最优解等缺点,提出了基于加强局部搜索策略的人工蜂群算法(ABC Based On Enhancing Local Search Ability,LSABC).一方面,在雇佣蜂搜索阶段,利用两种不同的搜索公式得到两组解,并将适应度最佳者作为候选解,增加解的多样性;同时...     

韧性交通枢纽中突发大客流疏散优化研究

提升交通枢纽的韧性以应对突发大客流给交通运输系统带来的压力至关重要。基于交通枢纽的内部设施布局，将客流在其内的疏散备选路径抽象为由节点和路段构成的网络图。从改变客流疏散路径角度出发，当发生突发大客流时，考虑开启平时不开放的应急通道用于疏散客流。在已知各起讫点之间的客流量以及客流疏散备选路径的条件下，以最小化客流疏散时间与开启应急通道的广义成本为优化目标，建立客流疏散优化模型，并设计混沌蚁群算法对模型进行求解，得到客流疏散的优化方案。最后以北京南站为案例验证模型与算法，结果显示，在发生突发大客流时，开启合适位置和数量的应急通道可以有效缩短客流疏散时间。该研究从交通枢纽内部的规划布局与客流疏散优化角度，为城市交通枢纽的韧性提升提供了理论支撑。     

运力受扰下的物流无人机干扰恢复模型

为了解决无人机（unmanned aerial vehicle，UAV）运力受扰对末端包裹交付造成的干扰问题，运用干扰管理思想，从客户服务和配送成本角度进行扰动度量，综合考虑无人机能耗、配送时效性、飞行可靠性、飞行安全性等因素建立干扰恢复模型；运用蚁群算法求解问题模型，最后用算例验证本文方案的有效性。结果表明：通过分析3组干扰场景发现，当干扰发生时刻早、受扰客户多时，所建立的恢复模型方案和原始方案对比，可以在短时间内产生新的配送路径，同时以较小的成本代价提高客户服务满意度，实用性更强。