双层PCB布线的混合蚂蚁优化方法

蚂蚁算法是一种新型的进化算法,已证明其对TSP问题有很好的解决能力.笔者将一种混合蚂蚁算法应用于PCB布线问题,以路径最短为目标,辅以分布布线、避障规则等手段求出最短路径,在线网的拓扑结构已确定之后,运用元胞自动机的元胞演化机理,以通孔最小化为目标,对线网进行层分配.最后在计算机上用Delphi实现.通过对一个实际布线问题的测试,得出比Protel更好的布线结果.     

非线性规划的元胞蚂蚁算法

将元胞自动机思想引入到蚂蚁算法中,提出一种新的进化算法——元胞蚂蚁算法。通过算法的元胞演化机制对信息素的二次分配,有效扩大了对解空间的搜索,避免陷入局部最优,并提高了寻找到所有全局最优解的能力。通过对一系列典型多极值优化问题的求解,均找到了所有全局最优解,显示了其在寻找多峰函数极值点方面的优越性。     

离散元胞蚂蚁算法及其收敛性

提出一种利用元胞演化规律和蚂蚁寻优特点的离散元胞蚂蚁算法.首先对离散元胞蚂蚁算法的原理进行了描述,然后运用随机不动点理论对算法的收敛性进行了分析,证明算法的求解的迭代过程是一个随机压缩影射,并收敛到唯一的不动点,最后给出了数值仿真,效果良好.     

蚁群算法元胞自动机模型应用

提出一种基于元胞自动机理论的蚁群算法模型.将元胞自动机和蚁群算法结合用于解决基于离散数学的移动机器人路径规划问题.试验结果显示,采用基于元胞蚂蚁的算法进行路径规划求取的状态解构型和数值解收敛都能符合应用要求,用蚁群算法元胞自动机模型求解路径规划问题是可行的.     

受时间、空间约束VRP问题蚁群优化模型及算法的研究

蚁群算法求解组合优化问题是当今智能优化算法的发展方向之一.通过对M.Dorigo提出的传统蚁群优化元启发模型改进,提出了多参数约束蚁群优化元启发式模型.该模型将所有优化约束条件映射为影响人工蚂蚁搜索行为的诱导素;模型中的人工蚂蚁智能行为简单,只根据信息素和诱导素在求解空间中进行搜索,而不进行复杂的运算;该模型减少了人工蚂蚁的求解搜索空间.并通过受时间、空间约束问题VRP(Vehicle Routing Problem)验证了本文提出模型算法较传统蚁群算法简单、收敛性快.     

城市交通优化中基于对偶算法的元胞自动机

对基于换乘时间的城市交通优化问题进行了数学模型分析,根据模型的对偶原理得到了问题的对偶算法,设计了元胞自动机.在元胞自动机中,以每一个站点作为一个元胞,根据是否获得最佳乘车线路将元胞分为2种状态,将中心元胞的下一个站点作为其邻居,演化规则只作用于未获得最佳乘车线路的元胞,并只需通过对演化时间与元胞的相应权值的比较来确定状态的改变.基于对偶算法元胞自动机具有元胞状态少、邻居关系简单、演化规则简便和计算量少的特点.仿真实验说明了基于对偶算法元胞自动机的有效性和可行性.     

混合蚁群遗传算法在车间作业调度的应用研究

提出了一种解决车间调度最短完成时间的有效的混合算法.将遗传算法与蚂蚁算法的融合,采用遗传算法生成信息素分布,利用蚂蚁算法求精确解,优势互补.应用该算法对Job-Shop车间作业调度问题的解进行编译,通过实例表明该算法是可行有效的.     

蚂蚁算法及其在机械优化设计中的应用

在蚂蚁算法基本原理的基础上,通过引入蚁群更新、沿途搜索等策略,对算法进行了改进. 用C语言设计了蚂蚁算法程序,通过典型优化设计问题进行了验证,并给出了机械优化设计实例. 实例表明,改进后的蚂蚁算法全局收敛能力强,程序运行可靠.     

基于元胞自动机的单源点最短路求解算法

针对图的单源点最短路问题,提出一种改进的基于元胞自动机模型的求解算法并分析了其算法复杂度.该算法定义了一个元胞自动机模型,通过元胞空间上元胞状态的变化,能够获得某设定结点到其他结点的最短路.在实验阶段,分别用经典Dijkstra算法和提出的算法对随机生成的不完全无向图进行分析.结果表明,相比于经典的Dijkstra算法,该算法不但能够获得与之相同的仿真结果,并且具有规则简单、易于实现、效率高等特点,具有明显的优越性.     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向.任务调度问题的解决是网格得以充分发展的基本前提.提出了一种基于改进蚂蚁算法的网格任务调度策略.不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能.任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务.改进蚂蚁算法以及任务调度策略的有效性已被OP-NET上的仿真结果所验证.     

立体仓库固定货架拣选路径优化的蚁群算法研究

本文详细分析了各类蚁群算法及其参数,将这些算法结合立体仓库固定货架拣选路径问题,选取出适合实际情况的算法模块;根据算法特性提出了根据迭代次数自适应调整q0参数和使用精英策略更新信息素两项优化等策略并通过仿真试验证实其优化性。在分析基础之上提出新蚁群算法的数学模型,通过大量仿真试验,得证新算法可以在较短的时间内找到较优的拣选路径,应用到实际操作中极大提高了立体仓库的使用效率。     

蚁群优化的研究进展及应用

群体智能是一种新的人工智能形式,目前正在成为人工智能领域及其相关领域的一个研究热点。文章深入探讨了群体智能中的一个重要研究方向———蚁群算法,首先介绍了最初的蚁群算法———蚂蚁系统(Ant System),指出了蚂蚁系统存在的问题,并描述了目前解决方法的进展;然后总结了近年来蚁群算法在组合优化、数据挖掘等领域的应用进展;最后对蚁群算法的未来发展提出展望。     

基于元胞蚁群算法的僵尸网络传播特征研究

为了有效地研究僵尸网络传播过程中的特征变化,基于元胞蚁群算法提出了一种新的刻画方法BDCA(Botnet Detecting algorithm based on Cellular Ant).该方法首先定义了僵尸网络中普通节点、易感染节点和感染节点之间的转化关系,建立符合僵尸网络传播特征的数学模型,并利用元胞蚁群算法对上述模型进行求解,以此获得平衡条件下的最优解.最后,利用NS2进行仿真实验,深入分析了影响BDCA算法的关键因素.同时通过对比其他算法之间的性能状况,结果表明该算法具有较好的适应性.     

蚁群算法研究应用现状与展望

蚁群算法是工程优化领域中新出现的一种仿生进化算法.首先介绍基本蚁群算法的原理和模型,然后评述近年来对蚁群算法的若干改进以及在许多新领域中的发展应用,最后对蚁群算法未来的发展和研究方向进行展望.     

基于蚁群优化算法求解最大团问题的研究

蚁群算法是一种通过模拟自然界中蚂蚁觅食行为而发展而来的新型启发式仿生优化算法,提出至今被研究人员广泛应用于各种组合优化问题.最大团问题是图论中著名的NPC问题,本文对于基本蚁群算法进行了分析与讨论,针对基本蚁群算法的容易陷入局部最优解、收敛速度慢等问题进行了改进,提出了一种新型蚁群优化算法.本文提出的新型蚁群优化算法增加了结点度和历史选择次数表策略影响蚂蚁选点;另外提出了构造独立的局部信息素更新机制.最后通过对比实验验证,数据结果证明新提出的优化算法相对于基本蚁群算法的优越性和可行性.     

基于蚁群优化FEKF算法的汽车状态估计

针对汽车状态估计过程中观测噪声时变问题,提出一种双重迭代自适应滤波算法—蚁群优化模糊逻辑扩展卡尔曼滤波(FEKF)算法.建立考虑Fiala轮胎模型的汽车二自由度非线性动力学模型,利用模糊逻辑对扩展卡尔曼滤波(EKF)算法估计过程中的观测噪声水平进行在线修正,同时引入蚁群优化算法对模糊逻辑中的输入输出隶属度函数进行优化,得到的双重迭代算法对处理强时变观测噪声水平下滤波估计过程具有很强的自适应性.最后通过建立虚拟仿真试验来验证该蚁群优化FEKF新算法的估计精度,结果显示,蚁群优化FEKF算法相比较于FEKF算法估计精度更高,鲁棒性更强.     

制造企业动态联盟合作伙伴组合优化方法

将制造企业动态联盟合作伙伴的选择和组合抽象为多目标优化问题，提出改进的蚁群算法——“小生境蚁群算法”及“小生境信息差”的创新概念并对其进行优化求解，在正反馈环节中引人时变参数并利用经验信息和启发信息进行解算，从而有效地防止遗传算法中的“早熟”和基本蚂蚁算法中可能发生的“停滞”状态，获得选择合作伙伴多目标组合优化问题的最优解．     

蚁群算法在一般函数优化求解中的应用

蚁群算法是一种新型的模拟仿生算法.本文通过在一般函数优化求解中的应用,说明该算法与启发式因子相结合可有效地避开陷入局部最优的弊病.显示了蚁群算法在连续空间优化问题中的应用前景.     

基于改进的文化蚁群算法求解最优路径问题研究

针对传统方法不能够有效的求解GIS最优路径问题,在文化算法的基础上提出了一种基于实际路况求解两地之间最优距离的蚁群优化算法.引入了表示天气、路况、驾驶员个人偏好等诸多不确定因素,并将改进的蚁群算法融入到文化算法当中,使蚁群算法具有群体空间和信仰空间并行进化的机制.群体空间采用改进的最大最小蚁群算法,从而有效的提高算法最...