用量子蚁群算法求解大规模旅行商问题

针对旅行商问题(TSP),提出了一种新的混合量子优化算法——量子蚁群算法.量子蚁群算法采用量子比特的概率幅表示蚂蚁的当前位置,采用量子旋转门更新蚂蚁的位置,选取国际通用的TSP实例库中多个实例进行测试.仿真实验表明,该算法具有很好的精确度和鲁棒性,可使搜索空间加倍,比传统的蚁群算法具有更好的种群多样性.     

一种新的量子蚁群优化算法

 针对蚁群算法在求解连续空间优化问题时易于陷入局部最优和收敛速度慢的问题,提出了一种新的基于量子进化的蚁群优化算法。 该算法采用量子比特的概率幅表示蚂蚁当前位置信息;设计了一种新的量子旋转门更新蚂蚁位置, 完成蚂蚁的移动;最后采用量子 非门实现蚂蚁所在位置的变异, 增加位置的多样性。不仅从理论上证明了所提出算法的收敛性,而且通过仿真实验表明该算法可使 搜索空间加倍,比传统的蚁群算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。     

基于量子蚁群算法的虚拟现实碰撞检测方法

为了解决虚拟现实包围盒碰撞初级检测性能不高的问题,采用量子蚁群算法(QACA)来实现增强检测,以提高检测精度。根据虚拟现实中待检测对象的空间形状及紧密率选择合适的包围盒类别。运用交叉空间实现碰撞初级检测,并判定碰撞的物体是否处于无交叉空间。在初级检测的基础上对处于交叉空间的物体特征进行蚁群算法(ACA)增强检测,并构建满足交叉空间特征差异最小值的适应度函数。为了提高对象特征位置的精确性,对交叉空间对象位置采用量子比特化。最后,采用蚁群迭代优化获得特征差异距离最小值,将最小值与碰撞阈值对比,完成虚拟现实的碰撞增强检测。实验结果证明,合理设置ACA的启发系数和蒸发因子后,与其他3种算法对比,基于包围盒初级检测和量子蚁群增强检测的双重检测方法获得了更高的碰撞检测准确率,且稳定性较强。     

改进蚁群算法在车间作业调度中的应用研究

研究了基于机器最短加工时间的一类车间作业调度问题,建立了多约束的数学模型,为解决蚁群算法收敛性差和易陷入局部最优的问题,提出了一种基于插入移动的领域搜索方法,并使用该领域搜索方法嵌入蚁群算法.采用国际著名的benchmark测试集FT06进行了实例验证,计算结果表明,该算法可收敛到最优值55,且最优值、平均值和标准差都优于蚁群算法,标准差远远小于蚁群算法.     

一种优化的量子蚁群算法在旅行商问题上的应用

【目的】量子蚁群算法是一种常见的智能仿生算法,广泛的应用在数学优化、工程技术等领域。该算法在求解旅行商问题时也表现出良好的效果,但当城市规模变大时求解该问题就会出现算法收敛速度慢、早熟、全局寻优能力较弱等问题,为了解决这方面的问题,提出了一种优化的量子蚁群算法。【方法】将部分量子蚁群算法中信息素更新机制与量子旋转角更新机制结合,改进量子选择策略,并将轮盘赌法应用在状态转移规则模型中。【结果】分别使用标准库中的样本和自定义样本,利用Python平台进行实验仿真,通过与其他算法进行比较,并在给出了详细的对比过程。在求解旅行商问题时,提出的算法在最优值差别不大的情况下,减少了早熟,大幅度提高了算法的收敛速度。【结论】提出的算法是有效的,具有一定的实践意义。     

蚁群算法的改进及其应用

为对上海市的内河航道提供科学合理的规划，解决集装箱集散问题，同时，也为推广蚁群算法的应用，在介绍蚁群算法解决旅行商（TSP）问题的模型上，对蚁群算法做了相应的改进，配合随机分布技术，以上海市整个内河航道和集装箱运输为研究对象，对内河航道进行规划，得出上海市内河集装箱集散系统合理的分配方案，并提出为满足该合理系统所须进行的相应的河道改造。     

蚁群算法在车间调度问题中的应用

提出用蚁群算法求解车间调度问题.车间调度问题是典型的非确定性多项式时间难问题,蚁群算法是一种分布式进化计算方法,具有鲁棒性,正反馈,并行性等特点,而且算法简单.给出了用蚁群算法求解车间调度问题的流程,并且用经典的JSP的样例对算法进行了测试,实验结果表明用蚁群算法可以求解得到车间调度问题的最优解或近似最优解.     

遗传算法和蚁群算法在水库优化调动中的联合应用

为了更好地解决水库优化调度问题,将遗传算法和蚁群算法融合应用于水库调度,指出遗传蚁群混合算法的收敛率更高,具有更好的全局收敛性能,遗传蚁群混合算法在更少的迭代次数迭到全局最优解,具有更高的收敛速度.     

多车次同时送取货物车辆路径问题的量子蚁群算法

研究了配送车辆载重量和工作时间有限,考虑货物装卸时间的多车次同时送货和取货的车辆路径问题(multi-trip vehicle routing problem with simultaneous deliveries and pickups,MTVRPSDP),建立了以配送车辆启动成本和车辆行驶成本之和最小为目标的线性整数规划模型.将量子计算和基本蚁群算法相结合提出了求解MTVRPSDP的量子蚁群算法,该算法应用量子比特启发式因子改进了人工蚂蚁的转移概率,从而提高了算法的全局搜索能力和稳定性,有效改进了算法陷入局部最优的缺陷.算例分析表明:MTVRPSDP的线性整数规划模型在实际应用中是可行和有效的,而且相比于基本蚁群算法和文献中所给其他算法的计算结果,利用量子蚁群算法和MTVRPSDP的线性整数规划模型能够得到较好的满意解,安排的车辆配送路线更加经济合理.     

基于改进蚁群算法的物流车辆调度优化问题的研究

蚁群算法是人工智能领域的一种模拟进化算法,在求解调度问题方面具有一定的优势,是一种很有发展前景的智能优化算法.文章首先分析了蚁群算法的基本原理,接着提出了改进型蚁群算法,并阐述了其在物流车辆调度中的应用,进行了仿真实验,验证了改进型蚁群算法的可行性.     

量子算法及其在图像处理中的应用

量子计算与量子信息是涉及物理学、计算机科学、数学以及信息科学等多个学科的新兴综合性交叉研究领域,是量子力学理论和经典计算理论完美结合的产物.由于其强大的计算能力及广阔的应用前景,使得其在国际学术界以及政府科研机构中引起巨大的兴趣.在量子计算的研究中,计算性能的优越性主要体现在算法的有效性上.目前为止,被公认的最具代表性的量子算法有Shor的大数质因子分解算法以及Grover提出的数据库搜索量子算法.集合运算是科学技术很多领域的基础,如数据库操作、信号处理、图像压缩等等都可最终归结为对集合的操作.但是对于包含了高维无序向量的集合,要对其进行有效快速的集合运算,在经典电子计算机上是困难的.因此,需要新的原理和新的算法来有效操作集合.量子图像处理(QIP)就是利用量子计算机来处理图像信息从而希望获得比电子计算机更好的处理效果.量子图像处理研究才刚刚起步,在不久的将来可能会成为一个受关注的研究热点.对目前的量子算法研究进展、量子集合运算、量子图像处理以及量子Hopfield神经网络研究作一个综述性论述.     

一种改进的蚁群聚类算法在客户细分中的应用

分析了输入参数对算法聚类效果的影响,针对传统的蚁群聚类算法中参数设置依赖于经验的指导以及蚂蚁移动随机性大等问题,提出了一种改进的自适应蚁群聚类算法,算法中引入了自适应策略函数,通过设置相似度阈值,动态调整蚂蚁的运动状态,降低蚂蚁移动的随机性.将改进算法应用于客户细分,并将结果与K均值聚类算法进行了比较,实验结果表明:改进后的算法在迭代次数上更少,算法的收敛速度更快,识别客户的正确率更高.     

基于改进蚁群算法的TSP问题研究

由于基本蚁群系统算法没有考虑节点位置,对所有的解采用相同信息素蒸发准则,使算法收敛速度慢,易于停滞,且易收敛于局部最优,为了克服这一缺点,提出了基于距离导引函数构建解,同时采用分级蒸发参数控制蒸发信息素,对蚁群系统算法进行改进,通过仿真实验得到本文算法比基本蚁群系统算法更好的解,且解的性能更好.     

基于改进蚁群算法的化工批处理生产调度研究

首先介绍了化工企业生产的特点,然后给出了蚁群算法的基本模型和化工批处理生产调度的描述,指出了其调度过程要考虑到的约束条件——半成品的放置时间不能太长,把半成品的放置时间作为信息因子放入到概率选择公式中,使用改进的蚁群算法对该生产调度进行了求解,最后对化工间歇作业调度发展趋势做了探讨。     

基于改进蚁群算法的城市公共自行车动态调度模型

针对公共自行车系统运营中的借车难、还车难等问题,提出一种公共自行车分区动态调度方法.通过计算机仿真模拟站点间自行车调度,分析不合理、不及时等因素对调度产生的影响.以调度成本最小、转运量最大为目标,建立城市公共自行车分区调度模型,基于改进蚁群算法求解该模型最优调度路径.以丹阳市公共自行车站点数据为例,对模型进行验证,结果表明该算法可以求解得出最优调度回路,且准确性高、求解效率高.     

蚁群算法在邮路规划中应用研究

基于蚁群算法的思想,提出一种较优的邮路规划模型-ACO模型,并给出了相应的算法;算法的提出有利于实现邮路的优化,并且对实现市内邮路规划的计算机决策支持系统有重要的实际意义.     

蚁群算法理论及其应用研究

蚁群算法是一种模拟昆虫王国中蚂蚁群体觅食行为的仿生优化算法,该算法采用了正反馈并行自催化机制,具有较强的鲁棒性、优良的分布式计算机制、易与其它方法结合等优点,在解决许多复杂优化问题方面已经展现出其优异的性能和巨大的发展潜力。本文介绍了基本蚁群算法的原理、数学模型,总结近年来蚁群算法在一些新领域中的发展应用,分析了蚁群算法未来的研究方向和主要研究内容。     

蚁群聚类算法在物流网络优化中的应用

为了解决物流配送中的路径优化问题,运用改进的蚁群算法来建立配送车辆路径的数学模型,通过减少蚁群的选路次数、更新信息素等策略,提高了算法的收敛速度和全局搜索能力。经过实验分析和计算,证明了应用蚁群算法可以优化物流配送线路,可以有效地解决多回路运输问题。该成果对物流企业控制成本、增强市场竞争力有一定参考价值。     

改进蚁群算法在港口集装箱装载中的应用

为了提高港口集装箱装载的效率,以最大化集装箱空间利用率为目标建立了集装箱装载优化模型,基于MATLAB利用改进蚁群算法进行了优化求解,结果显示,空间利用率提高了9.13%。证明了改进蚁群算法在集装箱装载问题上提高了空间利用率,可以容纳更多的货物,降低了装载成本。