自适应蚁群算法在TSP问题中的应用

针对传统的蚂蚁算法容易出现早熟和停滞现象,提出了一种自适应蚂蚁算法(Self-Adaptive Ant Colony Algorithm,SAACA)并选择典型TSP问题进行实验.结果表明:改进的蚁群算法具有更好的搜索全局最优解的能力以及更好的稳定性和收敛性.     

自适应蚁群算法在CDMA多用户检测中的应用

提出一种基于自适应蚁群算法（adaptive ant colony algorithm）的CDMA多用户检测（MUD）方法．该方法利用匹配滤波器的输出作为初始值，采用自适应选择和动态调节的进化策略，以及搜索过程中最优解的筛选方法来解决多用户检测问题．仿真结果表明，该方法能快速找到全局最优解，并且能得到很好的误码率性能．     

滑动环索连接节点在弦支穹顶结构中的应用

提出了弦支穹顶结构滑动环索节点的连接方式 ,应用冷冻升温结构分析方法研究其受力性能 ,并与非滑动环索连接节点的计算结果进行对比 .计算结果表明 ,当结构承受半 (偏 )跨荷载时 ,滑动环索的连接方式对上部网壳结构的受力性能几乎没有影响 ,但却可以大大降低环索、斜索和撑杆的内力幅值 ,使其均衡 ,极大地改善弦支穹顶结构的受力性能     

自适应蚁群算法在TSP问题中的应用与研究

传统算法在构造解的过程中,利用随机选择策略,这种选择策略使得进化速度较慢,正反馈原理旨在强化性能较好的解,却容易出现停滞现象。这是造成蚁群算法的不足之处的根本原因.因而我们从选择策略方面进行修改,我们采用确定性选择和随机选择相结合的选择策略,并且在搜索过程中动态地调整作确定性选择的概率当进化到一定代数后,进化方向已经基本确定,这时对路径上信息量作动态凋整。缩小最好和最差路径上的信息量的差距,并且适当加大随机选择的概率,以小于l对解空间的更完全搜索,从而可有效地克服基本蚁群算法的不足,此算法属于自适应算法。     

自适应蚁群算法在线性系统参数辨识中的应用研究

介绍了自适应蚁群算法在线性系统参数辨识中的应用算法.该方法能够根据辨识偏差变化大小动态改变信息启发因子α和期望启发因子β的配置,引导搜索朝着全局最优方向运动,避免陷入局部最优同时减少搜索算量.通过仿真运行,该辨识方法能够较快缩小辨识区间,辨识结果接近真值,具有较好的辨识效果.     

动态自适应蚁群算法在二次分配问题中的应用

采用一种新算法--动态自适应蚁群算法解决二次 分配问题, 并引入3-opt方法对问题求解进行局部优化, 通过对二次分配问题的不同实例进 行实验, 结果表明, 该算法在求解二次分配问题上具有较好的能力, 可以很好地解决较大规 模的二次分配问题, 而以往的算法只适合于处理较小规模的二次分配问题.     

混合自适应蚁群算法及其应用研究

针对已有蚁群算法在复杂问题应用中寻优前期信息素匮乏、收敛速度慢的不足，通过引入信息权重因子和信息量均衡算子对蚁群的选择概率和信息素浓度进行自适应调节，提出了混合自适应蚁群算法。算例结果表明，该算法具有较快的寻优速度和更好的全局搜索能力，同时增加了解的多样性，减小了陷入局部极值的几率。     

索穹顶结构多目标形状优化设计

为了得到指定结构跨度下的索穹顶结构形状最优设计方案,对设内拉环的Geiger型索穹顶进行单目标和多目标形状优化设计.以最小单位面积用钢量和最大结构刚度为目标函数,得到满足约束条件的整体预应力系数、拉索和压杆截面面积及结构形状参数的最优值.通过基于遗传算法的单目标形状优化设计以最小单位面积用钢量为目标的可行形状优化设计方案;多目标形状优化设计采用改进的带精英策略的快速非支配排序遗传算法(NSGA-Ⅱ),可得到同时考虑结构用钢量和刚度的Pareto最优解.决策者可根据不同控制目标的偏好要求,选择设计方案.     

蚁群算法在桁架结构离散变量优化设计中的应用

文章进行了离散变量结构优化设计问题的分析;论述了蚁群算法原理;进行了该算法在桁架结构优化设计中的应用研究;进行了拓展该算法应用领域的尝试;建立了桁架结构的优化设计模型;通过例题来验证该算法应用的可行性和有效性。     

蚁群优化算法在发电机励磁控制中的应用研究

针对现有发电机励磁控制器参数优化中存在的寻优时间长、易陷入局部最优的问题,提出了一种引入杂交及变异算子的蚁群算法。该算法利用蚁群算法良好的全局寻优能力,避免搜索陷入局部最优,同时借鉴遗传算法的思想,利用杂交及变异算子来进行局部寻优,使其能快速搜索到全局最优点。MATLAB仿真结果表明,该算法可行且有效。     

索穹顶结构非线性分析的曲线索单元有限元法

针对目前在国内外引起广泛关注的大跨度索穹顶结构建议的了一种五节点曲线索单元有限元法，利用四次多项式作为位移插值函数，由应变的定义建立了可以考虑任意高阶位移影响的非线性应几何关系，从非线性弹性理论出发并基于Ｌａｇｒａｎｇｉａｎ坐标推导了胡限元基本方程，进行了实例计算。     

混合型索穹顶结构参数化构形研究

提出一种具有普适性的索穹顶参数化构形方法．通过分析混合型索穹顶的几何拓扑对结构动力特性的影响,指出混合型索穹顶的设计应遵循“加强短板”的原则,构形参数C中的元素2应尽量布置在靠后位置,并据此对结构的拓扑进行优化．对跨度为71.2 m的实际工程进行了案例模拟分析,结果显示：设计的混合型索穹顶结构在1 kN/m²的均布荷载作用下,最大节点位移小于结构跨度的1/250,结构的前15阶自振频率明显大于对应的Geiger型索穹顶．研究表明：所提出的索穹顶参数化构形方法能够有效得到可行的索穹顶结构,所提出的混合型索穹顶结构具有较好的经济性和良好的力学性能,能够应用在工程实际中．     

蚁群算法在方程求根中的应用

列举了传统方程求根方法的不足，介绍了当前若干人工仿生优化算法在方程求根领域的应用。模拟蚂蚁的群体智能，即选择最短路径觅食，提出了一种基于网格划分的连续域改进蚁群算法，用来求解超越方程和复系数高次代数方程的根。通过仿真计算，算法可以找到两类方程的所有根，对于两类方程的差异性而言，算法较稳定。算法给出的复系数高次代数方程的根的误差分布不太均匀，个别根精度太高或者太低。     

蚁群算法在智能交通系统中的应用

蚁群算法是一种可以应用于各个领域的仿生智能优化算法。我们在研究算法时,要根据具体问题去找到相应的解决方法。因各个城市道路都具有其各自的独有特点,必须结合实际情况,选择合适的算法。蚁群算法一经提出,就成为研究的热点,应用于各个领域。蚁群算法不仅具有智能搜索,而且在全局的优化过程中具有较强的鲁棒性和分布式计算的优点。     

蚁群算法在网络路由中的应用

以前对QoS路由的研究大多采用的是平面网络,即所有路由器都在同一级内,一般称之为平面QoS路由;与之相对应的还有分级QoS路由,其基本思想是将路由器分成多个逻辑组,每个组又可包含更小的组.文章对基于蚁群算法的分级QoS路由问题进行了研究.     

一种自适应蚁群分类算法

将分类学习看作是一个找出最优分类规则的优化问题,提出一种自适应蚁群分类算法——AdaptiveL_AMP,以得到一组可理解的分类规则.在基于规则的分类方法中,规则评价函数的选取至关重要,本文提出的算法能够针对不同数据集自动选取与之相适应的规则评价函数以提高分类准确性.此外,为进一步提高算法的分类准确率,设计了一种局部搜索策略并将其融入到AdaptiveL_AMP算法中.最后对算法进行了分析,并在多个公用的真实数据集上与相关算法进行了比较,结果表明AdaptiveL_AMP算法能够更加有效地解决分类问题.     

基于蚁群算法改进聚类算法的RBF-NN在PID控制中的应用

针对非线性系统,采用了径向基函数(RBF)网络的PID整定。由于传统RBF网络的聚类算法聚类质量不高,参数的初始值直接影响收敛速度。该文通过运用蚁群算法和k-均值算法对聚类算法进行改进提高聚类质量并且优化初始值。仿真结果表明,经过对聚类法改进的RBF网络收敛速度快速、精确,PID整定效果优于未使用该方法的整定效果。     

基于自适应蚁群算法的研究

蚁群算法是一种具有许多优良特性的新型算法,该算法具有较强的发现较好解的能力,但同时也存在容易出现停滞现象,收敛速度慢等缺点。在介绍基本蚁群算法的基础上,针对蚁群算法的不足,提出了一种自适应蚁群算法。该算法对蚁群算法中的信息素在更新过程中进行自适应调整。实验结果表明,该算法比传统的蚁群算法具有更好的搜索全局最优解的能力,并具有更好的收敛性。     

混沌蚁群算法在PMSM直接转矩控制 系统优化设计中的应用

在永磁同步电机(PMSM)的直接转矩控制策略中,PI控制器参数的优劣直接影响到系统的性能.将蚁群中每个蚂蚁的混沌动力学机制与所有蚂蚁的自组织优化机制进行巧妙结合,从而给出混沌蚁群算法,用混沌蚁群算法来优化直接转矩控制系统中PI控制器的参数.通过仿真实验得出:混沌蚁群算法应用于永磁同步电机直接转矩控制系统中PI参数优化时,相比遗传算法和蚁群算法,在收敛速度、全局优化性能以及控制精度等方面都有较大的提高,从而有效地降低了电机的磁链脉动,提高了系统的响应速度.