上海港集装箱内河集疏运网络优化

对上海的内河网络做了比较全面深入的分析研究.首先,把上海内河航运网简化成网络结构图,把比较关键的航道交汇点抽象成结点并分配相应的集装箱数;其次,结合“一环十射”规划综合分析航道运输能力,力图与实际情况相符合;最后,采用Dijkstra算法计算出各节点到目的港区的最短途径,分析计算结果与各河段的运输能力,修正运输途径以得出航运系统比较满意的内河运输集疏运网络方案.     

基于蚁群算法的港口集装箱运输网络径流优化

针对区域性港口集装箱海上运输网络系统的最小费用流问题,引入新兴的智能仿生蚁群优化算法,用蚁群在搜索食物源的过程中所体现出来的寻优能力来解决集装箱海上运输网络系统的非线性NP-C问题;构建蚁群优化模型对某外贸经济区域内的集装箱运输网络系统进行优化计算,结果表明,所提出的优化模型可以使网络费用流在较短时间内收敛到最优状态,为下一步合理进行集装箱运输网络的航线配置提供了一个参考依据.     

一种基于蚁群算法的多机器人协作方法

设计了一种基于蚁群算法的多机器人协作策略,由此解决多机器人系统在未知环境工作中的自主协作规划问题.针对多机器人系统在未知环境中可能存在任务死锁的问题,对基本的蚁群算法进行了相应改进,通过仿真验证了该改进方法的可行性.     

改进蚁群算法在全局路径规划中的应用

本文利用一种改进的蚁群算法来解决全局路径规划问题。采用栅格法对移动机器人的工作环境进行建模,通过改进蚁群算法完成全局路径规划的目的。这种改进蚁群算法主要是对蚁群算法中的参数进行改进。其针对信息强度因子和信息素挥发因子的不同作用进行相应的函数设计,来达到全局路径规划的目的。通过实验与基本蚁群算法的算法性能比较,得出该改进策略的优越性。     

蚁群算法在排课问题中的应用研究

首先对蚁群算法和排课问题进行了简要概述，同时针对基本蚁群算法在解决排课问题中存在的弊端，提出了一种新的改进型蚁群算法——优劣蚁群算法，并对该算法的优越性进行了阐述。最后通过真实的排课数据对该算法与基本蚁群算法及其相应的改进算法的性能分析比较，应用该算法排课系统运行效率得到了提高，冲突现象明显减少，大大提高了教务管理人员的工作效率。     

基于改进蚁群算法的集装箱装卸顺序优化研究

为缩短船舶在港时间,提高码头的作业效率,应用改进蚁群算法对集装箱装卸顺序的组合优化问题进行求解。首先结合柔性作业车间调度理论与集装箱装卸过程中船舶和岸桥的实际情形,建立集装箱装卸顺序调度模型;然后针对基本蚁群算法易出现早熟现象和收敛速度慢等问题,通过动态的改变信息素的挥发度与信息素强度,同时按照改进的信息素更新策略更新各路径的信息素,从而跳出局部最优;最后运用C#.NET语言对基于改进蚁群算法的集装箱装卸顺序问题进行仿真与步骤分析,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,能够对集装箱装卸顺序优化,缩短作业时间。     

基于遗传规划方法的集装箱吞吐量预测

在对现有各种预测方法进行简要回顾的基础上，对遗传规划方法进行了研究，提出了应用于集装箱吞吐量预测的计算模型和相关参数的确定方法，并完成了算法设计和编程工作。在此基础上，以宁波港集装箱吞吐量的历史数据为样本，开展了预测计算试验，找到了能够反映宁波港目前集装箱吞吐量发展规律的样本集，并对宁波港未来九年的集装箱吞吐量进行了预报。结果表明，本算法合理、改良自动化程度高，为解决集装箱吞吐量等非线性系统预测提供了一条新的途径。     

内河航道三维动态监控系统架构

为提升内河航道管理水平,结合内河航道场景以及航道维护业务特点,运用虚拟现实技术,提出一种基于三维的内河航道动态监控系统架构,并研究一种4D数据与动态3D航道业务模型数据相结合的三维航道场景更新维护机制,在确保三维场景稳定前提下实时立体展现航道中船舶、航标动态以及水位变化对航道、河床的影响.实践证明,该架构以及相应的更新维护机制确实可行.     

考虑拥堵因素的自动化码头多AGV无冲突动态路径规划模型

针对自动化集装箱码头水平运输系统的调度优化,提出一种自动引导车(AGV)动态路径规划策略,即在多AGV系统路径生成的同时进行动态路径优化.从AGV运输作业时间角度,建立考虑拥堵的多AGV路径优化模型,优化AGV路径方案.为求解模型,设计了基于动态路径规划策略的多种群蚁群算法,并对模型与算法的有效性进行验证.结果表明:基于动态路径规划策略可以对路径规划过程进行动态控制与优化;同时,考虑拥堵因素可以有效地解决水平运输路网中的拥堵问题,提高运输作业效率.     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。     

The Study of Extracting River Nets Based on Intelligence Ant Colony Algorithm on MODIS Remote Sensing Images

How to extract river nets effectively is of great significance for water resources investigation,flood forecasting and enviromental monitoring,etc.In the paper,combining with ant colony algorithm,a new approach of extracting river nets on moderate-resolution imaging spectroradiometer(MODIS)remote sensing images was proposed through analyzing two general extraction methods of river nets.The expriment results show that river nets can be optimized by ant colony algorithm efficiently,and difference ratio between the experimental vectorgraph and the data of National Fundamental Geographic Information System is down to 8.7%.The proposed algorithm can work for extracting river nets on MODIS remote sensing images effectively.     

具有承载能力约束的装箱问题的蚁群算法

对空间划分和承载能力约束进行描述,并定义了货物承载能力的表现形式,同时在装箱问题的蚁群算法中加入了承载能力约束的计算方法和相关策略,在优化空间利用率的同时还保证了货物的稳定性。实验结果表明,该算法在处理具有承载能力约束的装箱问题方面具有实用性和有效性。     

基于蚁群算法的有线接入网络集中器拓朴设计

提出了一种基于蚁群算法的有线接入网络中集中器的拓朴设计．通过蚁群算法选择比较合理的集中器设置方案，即使蚂蚁的一次游程形成一棵生成树（即一个规划方案），重复执行这些过程，当达到一定循环次数时得到较优的连接方案．实验结果表明该算法可以得到较满意的连接，使连接距离接近最短，降低成本，优化集中器的拓朴结构．     

蚁群算法在医药物品配送路径优化中的应用

在分析医药物流特点的基础上,提出了医药物流数学模型的合理假设和约束条件,构建了医药物流配送路径优化的目标函数.鉴于蚁群算法具有较强的发现较好解的能力,运用蚁群算法对目标函数进行寻优.仿真实验结果验证了该算法的有效性.     

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...     

基于MCCAA的工期成本质量的多目标优化分析

工期、成本、质量是工程建设项目的三大控制目标,然而这“三大目标”既对立又统一,为了同时达到三个目标的优化,本文构建合理的目标模型,并且针对传统蚁群算法容易出现早熟和停滞现象的缺陷,提出了一种改进的协同进化蚁群算法,在必要路段使各目标的信息素信息进行杂交变异,优化路径上的信息素分布,并运用改进的多种群蚁群协同算法实现算例的多目标优化应用。     

移动机器人路径规划的一种改进蚁群算法

提出了一种复杂静态环境下的移动机器人避碰路径规划的改进蚁群算法。基于栅格法的工作空间模型,模拟蚂蚁觅食行为,并针对移动机器人的路径规划的需要,将一些特殊功能赋予常规的蚁群算法。为了避免移动机器人的路径死锁,在路径搜索过程中,当蚂蚁探索到一个死角时,建立了相应的死角表,同时用惩罚函数来更新轨迹强度。仿真研究表明:该算法能明显改善路径规划性能,并且算法简单有效。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于机器人路径规划存在的全局搜索能力差、初始化信息素少、收敛性差、寻优能力弱等问题,提出了一种多因素改进的蚁群算法。通过改变初始化信息素浓度分配、改变启发式函数、采取蚂蚁回退策略、引入蚂蚁优化排序等方法对蚁群算法进行优化。利用MATLAB软件对改进蚁群算法进行仿真和六足机器人实验。结果表明：改进后的算法在路径更优,迭代次数更少,提高了算法的鲁棒性和寻优能力。     

基本蚁群算法的A.S.收敛性研究

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，虽然该算法已经在众多组合优化领域中得到广泛应用，但是对其收敛性尤其是A．S．（AlmostSurely）收敛性问题的研究还存在很多空白．本文在介绍蚁群算法基本原理的基础上，以Markov链和离散鞅作为研究工具，对基本蚁群算法的A．S．收敛性问题进行了理论证明，把最优解集序列转变为下鞅序列来考察残留信息素轨迹向量的收敛性，随后提出了基本蚁群算法首达时间的定义，并对基本蚁群算法首次到达时间的期望值进行了理论分析．