基于蚁群算法的随机Petri网最优路径序列寻找

根据蚁群算法对SPN进行了一定的扩展,为SPN网络中的变迁增加了过滤和保留信息功能,为库所增加了过滤信息的功能,得出了一种带有记忆性的连续时间随机Petri网(MESPN).当MESPN运行时,利用充足量的托肯在网络中行走并且在行走过程中留下信息素来调整托肯路径的选择,使大量蚂蚁的行走路线不断逼近SPN网中时间延迟更短的变迁序列,最终在最短变迁序列上形成清晰的蚁路,从而在一定程度上解决了复杂SPN网的最优路径寻找问题.该算法充分考虑了每个变迁真正实施时间的概率特性,可以计算任意网型的变迁延迟时间概率分布.仿真结果表明,托肯可以有效地在最短延时路径上形成蚁路并且能够求得从初始库所到网络中任意库所的最短路径.     

时间Petri网与遗传-蚁群算法相结合的并行测试研究

自动测试系统中并行测试任务调度方案一直是尚未解决的难题.在基于Petri网理论的基础上,建立了并行测试的时间Petrl网模型,并且首次将遗传-蚁群算法引入到时间Petri网的变迁序列的寻找过程中,快速地求得了最优调度方案.仿真结果表明,该算法能够以较大的收敛概率快速地收敛,最终得到最优变迁序列.     

基于变迁可靠性的随机Petri网最优路径序列寻找

为了解决随机Petri网的路径寻优问题,在变迁中引进了可靠性的特性,并假设变迁的寿命服从威布尔分布模型,然后根据蚁群算法和时间Petri网的特点提出了一种网络元素可以记录少量信息的带可靠性的记忆时间随机Petri网。在网络运行时,大量托肯在网络中行走并且在行走过程中留下信息素,以此来调整托肯的路径选择。在满足一定可靠性的前提下,在延迟越短的路径上蚂蚁将留下越多的信息素,最终在延迟最短的路径上形成清晰的蚁路。因为变迁的可靠性随时间的增加而不断减小,当一段时间过后路径的可靠性不能满足要求时,需要重新选择一条满足可靠性要求且相对延迟最短的新路径。仿真结果表明,托肯可以有效地在最优路径上形成清晰的蚁路,并且能随着可靠性的不断变化寻找新的最优路径。     

基于混合Petri网的图形建模仿真系统

将VC＋＋的面向对象思想引入混合Petri网建模、仿真技术的研究和开发，给出了面向对象的混合Petri网软件结构，研究了Petri网的创建方法，讨论了Petri网的系统维护以及Petrl网的存储结构等关键问题。在此基础上，设计了基于图形界面的混合Petri网建模仿真软件。对于具体实例，给出了该软件以人机交互方式建立、编辑、分析混合Petri网模型的过程。     

计算一类递归方程的增广Petri网模型

递归方程的计算一直是一个较为复杂的问题,为更好的解决这一问题,建立各种模型是十分必要的.斐波那契数列是一个著名的递归方程,在这个方程的基础上,针对同类的递归方程建立了增广Petri网模型,并对模型的运行进行了分析.     

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.     

车辆可重复利用VRPTW问题的模型和改进蚁群算法

提出车辆可重复利用的VRPTW问题,建立多目标整数规划模型;基于蚁群系统（ACS）,按优先访问服务开始时间较早、服务时间较短和关窗时间较早的原则,设计启发式因子和蚂蚁状态转移规则;借鉴MMAS和ASrank的优点设计信息素更新策略,既加强对每次迭代最好解的利用,又避免陷入局优;根据客户服务结束时间较早优先原则构造初始解.实验结果表明,可以大幅度减少所需车辆数并节省车辆的总运行时间,具有较快的收敛速度,本文的模型和算法是有效的.     

基于Petri网的多Agent系统建模的研究

多Agent系统正成为分布式自治系统研究的一个热点,并被大量应用在商业和工业软件系统的开发中.这些系统的复杂性表明急需一种系统建模技术来构造多Agent系统,从而支持可靠的、可维护的和可扩展的系统设计.文中分析了Petri网技术在多Agent系统建模领域的应用背景,对基于Petri网的多Agent系统建模方法进行了分类、分析、比较和评估,指出了目前使用Petri网技术对多Agent系统进行建模存在的问题,并给出了今后的研究方向.     

混合系统的混合Petri网描述

混合Ｐｅｔｒｉ网可很好地描述由连续动态和离散动态相互混合相互作用而成的混合系统．本文重点讨论了用混合Ｐｅｔｒｉ网工具描述混合系统的方法,并对混合系统的运行协调性和最优控制问题进行了初步探讨．     

基于VHDL的时间离散随机Petri网仿真

时间离散随机Petri网是实时系统建模分析的一种重要工具,广泛应用在异步并发时间离散系统中,对时间离散随机Petri网模型进行模拟仿真分析是一个值得深入研究的课题.给出了一种运用硬件描述语言(VHDL)对时间离散随机Petri网进行描述和仿真的方法.首先介绍了时间离散随机Petri网的定义、特点,然后对其基本元素模块的硬件语言描述方法进行了讨论.最后以一个时间离散随机Petri网模型为例子,用VHDL语言对结构进行了描述,在Altera公司的集成开发工具QuartusII进行编译、仿真,仿真波形表明了这种方法的正确性.     

求解有时间窗的车辆路径问题的混合蚁群算法

针对目前蚁群算法在求解有时间窗的车辆路径问题上存在的缺陷,提出一种搜索效率较高的混合蚁群算法,阐述了混合蚁群算法的基本原理,给出了求解有时间窗的车辆路径问题的具体步骤.计算机实验结果表明,混合蚁群算法在求解有时间窗的车辆路径问题上是有效的.     

一种求解车辆路径问题的混合多蚁群算法

提出一种新的蚁群算法（Multiple Ant Colonies Algorithm based on Sweep Algorithm, SbMACA）用以求解车辆路径问题（Capacitated Vehicle Routing Problem, CVRP）。该方法同以往蚁群算法的不同之处主要体现在两个方面：第一,首次将扫描算法应用于蚁群算法,通过对蚂蚁所构造的初始解中的不同子回路之间的点进行交换优化,该算法可以有效地改进初始解的质量;第二,提出并采用了一种新的多蚁群技术,各个蚁群分别进行各自的搜索,在各个蚁群均停滞后,对蚁群之间的信息素进行交换与更新,以利于蚁群跳离局部最优值。实验结果表明,SbMACA算法具有很强的搜索能力,求取各CVRP的Benchmark问题所得解的质量同最好解相比较而言,平均仅有 0.28%的差距,是求解车辆路径问题的一种十分有效的方法。     

蚁群算法进行连续参数优化的新途径

提出用蚁群算法进行连续参数优化的一种方法 .该方法对解的每一个分量的可能的取值组成一个动态的候选组 ,并对候选组中的每一个值记录其信息量 .在蚁群算法的每一次迭代中 ,首先根据信息量选择解分量的初值 ,然后使用交叉、变异操作来确定解的值 .以非线性规划问题为例所进行的计算结果表明 ,该方法比使用遗传算法具有更好的收敛速度和稳定性 ,克服了蚁群算法不太适合求解连续参数优化问题的缺陷 .     

基于配队蚁群算法的QoS组播路由方法

QoS组播路由是网络信息传输的一项关键技术,提出了一种配队蚁群算法对该问题进行求解。算法以满足约束条件下的组播分解、策略控制下的组播树生成为基本思想;定义了扩展组播树,并改进了蚁群算法的信息素更新策略,使之更适合于组播问题的求解。仿真实验表明,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性。     

随机装卸工问题的新型变异蚁群算法

提出了随机装卸工问题及其求解策略.针对这一问题,在蚁群算法的基础上给出了引入内外变异的新型蚁群算法.通过数值算例对两种算法的求解结果进行了对比分析,验证了新型变异蚁群算法的有效性和可靠性.     

Flow shop问题的蚁群优化调度方法

提出了一种新颖的蚁群优化算法，用于解决流水作业（flowshop）的优化调度问题。算法中，流水作业调度问题以结点或弧模式有向图表示，人工蚁受有向图上信息素踪迹的指引，在图上搜索并一步步构造出问题的可行解。算法中的信息素踪迹更新过程作为蚁群间的间接通信机制，将引导整个蚁群收敛到问题的优化解。信息素踪迹更新过程中的停滞状态脱离机制以及信息素踪迹限制机制能帮助人工蚁跳出局部最优解。算法局部搜索过程中采用的基于关键路径的领域结构缩小问题的搜索空间。与其他算法在Taillard流水作业调度测试问题集上的比较试验表明，本算法性能更优，且具有更强的自适应和鲁棒性。     

一类集散货物路线问题的禁忌搜索算法设计

针对该类同时集散货物路线问题(VRPSDP)的特点,文章将配送中心车辆的固定费用和可变费用之和作为目标函数.然后,提出了一种SFC-TS算法:先应用分形理论中的空间填充曲线法(SpacefillingCurves,SFC)求解初始解,再用禁忌搜索法(Tabu Search Algorithm,TS)对初始解进行改进优化.最后,应用算例验证了SFC-TS算法的有效性,结果表明SFC-TS算法在求解小规模问题(20个点)时其性能总体优于已有的同类问题的算法.     

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.