基于Floyd方法的最短路径算法优化算法

最短路径算法在各领域广泛应用,传统研究方法主要集中在算法应用及单一优化,将两种优化方法集于一体的算法很少.以兰州—北京的铁路运输系统实例,利用Floyd与Dijkstra算法结合、代码优化的方法优化传统Floyd算法.结果表明:优化后的算法在很大程度上减少了运算次数和时间,提高了算法的时间及空间复杂度,算法效率较高.     

基于改进Floyd算法的物流运输路径规划

当站点较多时,物流运输路径规划存在困难,传统Floyd算法路径规划的时间复杂度过高．鉴于传统Floyd算法规划时间复杂度高是因节点数量过大导致,提出一种结合改进K-means聚类算法的Floyd算法,该算法在节点数量较大情况下,运用改进K-means聚类算法分割物流区域,降低规划所需考虑节点数量,从而降低Floyd算法的时间复杂度．在复杂环境下进行传统Floyd算法和改进算法的对比实验,仿真分析结果表明,改进算法可以在更少的时间内找到一条较优的路径．     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

蚁群算法求解函数优化的算法设计

为了求解一般的函数优化,文章在对标准蚁群算法的基础上,引入遗传算法的编码方式,并对蚁群算法的信息素更新进行改进.通过对几个经典测试函数的求解,证明了算法的有效性.     

高速公路危险气体化学品事故处置

高速公路以方便、快捷、运量大、成本低等诸多优点在社会经济生活中发挥着愈来愈重要的作用。截至2009年年底,我国高速公路通车总里程已达6.5万公里,居世界第2位,仅次于美国。然而,伴随着高速公路的迅猛发展,运输过程中的危险气体     

基于蚁群优化算法的QoS多播路由算法改进及实证

多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,但大多算法仍属于集中式算法.该文提出了一种基于蚁群优化的分布式QoS多播路由算法,并结合多播路由问题的特点对算法进行了改进.通过仿真实验讨论了该方法的性能,并与传统的蚁群算法对比,证实了其的有效性.     

一种改进的蚁群算法在垃圾运输问题中的应用

针对基本蚁群算法收敛速度慢、易陷于局部最优解等缺陷,将量子算法中的态矢量和量子旋转门引入到蚁群算法中,并分别表示和更新信息素,提出一种改进的蚁群算法--量子蚁群算法(QACA),使算法具有更好的种群多样性和全局寻优能力.结合垃圾运输问题,从数值计算上探索了改进的蚁群算法的优化能力,并与遗传算法和基本蚁群算法进行了对比,测试结果表明,改进算法获得的结果比遗传算法和基本蚁群算法更优,表明该算法是求解垃圾运输问题的一种有效算法.     

基于蚁群算法的地震物资车辆调度研究

为了将便于解决复杂优化问题的蚁群算法与地震灾害发生后的救援物资配送优化问题结合起来,建立了优化的地震救援物资车辆调度数学模型。首先确立了运输时间最短和配送物资满意度最大的双目标模型,其次进行单目标模型转换,再运用蚁群算法求解,最后通过Matlab进行模拟运算,验证了车辆调度模型的可行性和有效性。     

危险化学品生产加工及流通过程的环境风险评价研究

有毒有害、易燃易爆是危险化学品的基本属性。并且,危险化学品极易在生产、使用过程中发生重大事故,给人身带来意外的伤害和财产极大的损失。结合危险源理论,基于AHP分析法应用模糊数学评价法进行实证研究,不仅能够给安全管理人员等提供具体的理论指导,也能够在一定程度上增强企业职工的安全意识,减少事故的发生。     

基于VMI的随机需求库存-运输整合优化模型与算法

首先给出了一个供应商和多个零售商有共同订货补充期、需求服从泊松过程的库存-运输整合优化模型,其次给出了模型的相应算法.最后,用数值例子验证了模型与算法的有效性.     

对危险货物道路运输安全的探究

很多危险货物运输的安全事故都发生在道路运输环节,危险货物道路运输安全关系到人民生命财产安全,也关系到社会的和谐稳定。本文分析了当前我国危险货物道路运输安全的现状,探讨了强化危险货物道路运输安全监管的对策,以此提高道路运输监管部门对危险货物运输的安全监管水平。     

基于GPS浮动车的路径优化方法研究

由于城市路径具有大规模路网等特点,传统的路径优化算法难以解决具有实际情况的城市交通路网问题.考虑城市实际道路路网信息,结合动态GPS浮动车数据,将实际道路长度和道路拟合成虚拟路径,提出了一种基于粒子群蚁群算法的混合算法.研究表明,混合算法在时间和精度上优于蚁群算法和粒子群算法,在提高高效性和准确性上具有较好的效果,为城市道路优化和城市出行提供可靠依据.     

基于改进遗传算法的车辆路径问题研究

车辆路径问题是一个典型的组合优化类问题,而传统的算法无法满足顾客需求对物流运输提出的要求.遗传算法是求解此类问题的方法之一,针对遗传算法容易出现早熟收敛,以及车辆运送的时间限制,该文采用改进的遗传算法对有时间窗的车辆路径问题进行分析,实验验证了算法的有效性.     

基于蚁群优化算法和人工势场的无人机航迹规划

针对复杂环境下的无人机航迹规划问题,建立栅格化环境模型,提出了结合蚁群算法与人工势场的航迹规划方法. 在航迹搜索过程中,蚂蚁不仅受到信息素和启发信息作用,还受到势场力的影响. 根据节点位置的势场力分布,提出了确定性选择和概率性选择相结合的状态转移规则,并设计环境感知因子,动态调整确定性选择的比例. 将节点的势场方向、节点与目标间的距离构造蚂蚁的综合启发信息,以充分利用对已知环境的认知,指引蚂蚁搜索. 仿真结果表明所提方法能有效得到无人机的最优航迹,优化效果优于单一的蚁群算法和人工势场法,具有更好的收敛速度和优化精度.     

蚁群算法的现状与研究进展

介绍了蚁群算法的基本原理及其算法的模型，对几种改进的蚁群算法进行了评述，并对算法的研究现状做了概述，认为蚁群算法是一种较好的解决组合优化问题的新型模拟进化算法。     

体育联赛中基于GSO算法的赛程优化方法

针对体育联赛中各参赛队伍的赛程安排问题,提出一种基于群搜索优化(GSO)算法的赛程优化方案.首先,将赛程安排以赛程序列矩阵来表示,而赛程序列矩阵则由各队的转场序列矩阵产生.然后,将GSO算法中的个体根据转场矩阵形式进行编码,在赛制约束条件下,以最小化所有队伍的总转场次数为目标对其进行寻优,获得最优的转场矩阵.最后,根据最优转场矩阵获得赛程调度方案.在不同队伍规模的比赛场景中进行实验,结果表明该方案能够获得最优的赛程安排,有效降低了转场次数.     

解决作业车间调度问题的改进蚁群优化算法

针对作业车间调度问题,提出一种改进的蚁群优化算法.首先设计禁忌表以产生活动调度,然后对传统的蚁群优化算法进行简化,并提出一种新型优先规则作为启发式信息.为增强算法的收敛性和提高求解质量,引入基于作业车间调度问题邻域结构的局部搜索.实验表明该文算法有效.     

基于蚁群算法优化的配电网络仿真平台的设计与实现

针对配电网络规划中的难以快速寻优的特点,提出蚁群算法,并且通过GUI平台开发基于蚁群算法的仿真平台,并将其应用于配电网络规划问题中。研究结果表明,蚁群算法可以对参数进行自动寻优,快速得到更加精准的配电网络规划曲线及最优解。开发的仿真平台具有更快、更准确的特点。     

基于差分进化算法的时间最优路径规划

提出了一种利用差分进化算法进行机器人路径规划的方法,在极坐标系下采用路径点列的极角和极径作为参数进行个体成员的矢量合成,生成的初始路径点集经过提练处理极大提高机器人移动速度;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题.     

利用拟态物理学优化算法的中超赛程优化方法

针对体育联赛中各参赛队伍的赛程安排问题,提出一种基于拟态物理学优化(APO)算法的赛程编排优化方案.首先,根据地图信息设定每支球队主场之间的公路距离.然后,以最小化总行程距离为目标,通过设置一些相关约束条件,构建一个带有惩罚因子的目标函数.最后,通过APO算法迭代执行优化过程,最终获得一个最佳赛程编排方案.实验结果表明,提出的方法能够有效降低球队行程距离,大大节约了赛程成本.