改进蚁群算法求解多目标优化问题

针对传统蚁群算法在多目标优化问题中容易陷入局部最优的缺点,提出一种采用直接学习机制的改进蚁群算法。该算法通过采用模拟蚂蚁用触角交流信息过程的直接通信学习机制,用以改进信息素的更新规则,从而维持群体的多样性。通过两组多目标基准函数验证算法性能,仿真结果表明该算法所获得的Pareto解具有多样性以及均匀分布性,有效地提高了蚁群算法全局寻优的能力。     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

改进蚁群算法及在电力线路优化问题中的应用

电力线路优化在整个电力规划方案中占有很大比重。为节约投资,采用改进蚁群算法对电力线路优化问题进行求解,得到电力规划的最短路径。在改进算法中提出将启发因子 随着进化代数的增加而逐渐增至某一常值的方式,提高了算法的收敛速度。首先通过旅行商问题验证了该算法的有效性,然后应用到具体的电力线路优化问题中证实了该算法是优于基本蚁群算法的。     

改进蚁群算法及在电力线路优化问题中的应用

电力线路优化在整个电力规划方案中占有很大比重.为节约投资,采用改进蚁群算法对电力线路优化问题进行求解,得到电力规划的最短路径.在改进算法中提出将启发因子α随着进化代数的增加而逐渐增至某一常值的方式,提高了算法的收敛速度.首先通过旅行商问题验证了该算法的有效性,然后应用到具体的电力线路优化问题中证实了该算法是优于基本蚁群算法的.     

多种群蚁群算法在多目标优化中的研究

本文针对多目标优化问题提出了一种多种群蚁群算法,按照目标函数的个数建立蚁群种群数,在各个种群搜索过程中,创新性的引入了种群间的全局信息素更新和局部信息素更新,既提高算法对pareto解的搜索效率又避免了陷入局部最优,并针对多目标优化问题进行了仿真,证明了算法的可行性。     

基于改进蚁群算法的钻进参数优化

在钻井过程中,为了使钻进过程达到最优的技术和经济指标,需要选择合理的钻进参数。针对单目标钻进参数优化的局限性和不足,通过分析钻进参数之间的相互关系,综合考虑多个目标(如机械钻速最大、钻头寿命最长及钻头比能最小)建立一定约束条件下的多目标优化模型,实现最优的钻压-转速配合。采用改进的蚁群算法进行钻进参数优化,在具体的钻井实例中进行仿真,并将仿真结果与其他经典优化算法的结果进行对比分析。实验结果进一步证明了该模型和算法的有效性和实用性,为蚁群算法在钻进参数优化研究中的应用提供了理论依据。     

一种基于分解的改进的多目标蚁群算法及其应用

提出一种基于分解的、改进的多目标蚁群算法。该算法首先利用Tchebycheff聚合方法将整个Pareto最优前沿的逼近问题分解为一定数量的单目标优化子问题,然后利用蚁群算法同时求解这些子问题。为使解集均匀分布在Pareto前沿,采用基于试探的聚类方法对解集聚类;依据解集的分布重置分解策略中的权重向量集,使其适配于特定的Pareto前沿;蚂蚁按照对应的权重距离被分组,同一组蚂蚁共享一个信息素矩阵,该矩阵容纳学习到Pareto前沿子区域的位置信息;每个蚂蚁求解一个子问题,每个蚂蚁拥有自己的启发式信息矩阵;每个蚂蚁拥有多个邻居,蚂蚁选取邻居中的最优解来更新当前解;蚂蚁依据小组信息素,当前解和启发式信息构建新的解。引入自适应变异算子,动态调整蚂蚁邻居的个数,提高算法的收敛速度和解的质量。将该算法与其他相关算法在标准的双旅行商问题进行性能对比,证明该算法有效。     

浅谈电力线路检修

科学地安排电力线路检修工作,对保证电力线路的健康运行,提高电力系统的可靠性,安全性有着重要作用.文中介绍了线路状态检修系统,并且对电力线路检修的安全问题做了详尽的阐述.     

基于蚁群算法的桥梁维修管理系统的优化

桥梁管理系统中维修加固计划的制定受到经济因素、社会因素、环境因素等条件的约束,其中最乖要的就是经济因素以及目标桥梁经过维修加固后的品质状况问题.选用耐荷性和耐久性作为桥梁的指标,建立费用最小化和品质最大化的优化模型,采用蚁群算法对维修加固计划进行优化,并根据维修管理部门的预算和施工条件,给出最佳的桥梁维修管理方案.     

基于改进蚁群算法的多目标路径规划研究

传统蚁群算法因在复杂环境中容易产生死锁,导致部分蚂蚁失效,造成效率低下,迭代次数增多。为此,提出了一种利用环境信息引入环境因子来调整启发函数的方法从而降低死锁情况的发生,增加了有效蚂蚁的数量,从整体上提高了蚁群的搜索速度,扩大了搜索范围。同时,传统蚁群算法在路径规划中仅在理想地域内寻求最短路径,而多因素环境中最短路径往往并非最优解。为解决此问题通过在不同环境中对转移概率进行加权优化在追求路径最短的基础上提出多目标路径规划,丰富了蚁群算法的实用性和现实意义。最后经仿真实验对优化算法进行验证,证明了上述优化的可行性。     

面向工艺分工规划的多目标蚁群算法

为解决计算机辅助工艺规划中工艺分工的优化问题,提出一种基于多目标蚁群算法的工艺分工路线优化算法.在引入逻辑加工路线、逻辑制造单元、物理制造单元、可执行加工路线等概念基础上建立工艺分工规划过程模型.在过程模型中,运用多目标蚁群算法对物理制造单元集合实现优化.在求解过程中,以加工时间和所耗成本为目标函数,在求解空间中对物理制造单元进行遍历,最终寻找到最优化的可执行加工路线.通过实例验证了该方法的可行性和有效性.     

基于改进蚁群算法的配电网优化规划

提出了一种基于改进蚁群算法的配电网优化规划算法．对于给定的配电网模型，该算法根据各配电网站点建立初始信息素矩阵，然后利用蚁群算法所特有的路径寻优功能来搜索配电网布局路径，并结合改进信息素刷新的方式和在蚁群搜索过程中引入曼哈顿距离以及弹性伸缩调节因子，使蚁群以较快的速度找到当前布局上的最优路径．通过具体的算例表明，该算法比一般蚁群优化规划算法具有更高的计算效率和优秀的全局搜索能力，同时有效地克服了在求解配电网规划问题时蚁群在局部最优解上的巡回而存在的效率不高以及未成熟收敛等现象．     

基于改进的蚁群算法的物流拣选路径优化

提出了一种改进的蚁群算法来解决物流拣选路径的优化问题。通过实验室模拟环境,用Matlab7.0进行了某次拣选作业仿真,取得了最优路径。与基本蚁群算法相比,所提出的方法能更快地找到最优解。     

蚁群优化图着色算法在智能小区中的运用

当智能小区的地图网格中的颜色数太多时,经蚁群算法处理的信息会出现杂乱无章的现象.对蚁群算法进行优化,增添褪色过程并加入参数Max,能减小并控制着色色数,实现四色着色,使得小区里的各种动态数据和信息在地图网格中更加清晰且直观地展现.     

采用序优化的改进蚁群算法

为了评价蚁群算法在有限时间内所得优解的质量,基于序优化方法提出了一种改进的蚁群算法:使用盲目挑选规则选择初始解,并对信息素进行相应的初始化;确定得到满足要求的优解所需要的迭代次数,将其作为算法的终止条件;为了更好地利用每次迭代中的优解,在算法开始阶段使用前l个迭代优解更新信息素,以增强探索能力;在算法结束阶段采用当前迭代最优解更新信息素,以加快收敛速度.改进算法在保证收敛的前提下,并没有增加算法的时间复杂度.对旅行商问题进行的仿真实验表明,改进算法在解的质量和收敛速度方面优于最大-最小蚂蚁系统.     

融合遗传算法改进的蚁群算法

针对蚁群算法存在停滞现象及收敛速度慢的缺点,提出了一种融合遗传算法改进的蚁群算法,在蚁群算法中引入路径遗传运算.对蚂蚁发现的路径进行染色体编码,通过适应度函数对蚂蚁的路径做适应度评价,进行路径交叉和路径变异运算,设计了新的信息素更新策略.以对称TSP测试集为对象,将改进算法与现有算法进行测试比较.实验结果表明,改进后的算法具有优良的全局优化能力,有效防止了停滞现象.     

连续优化问题的蚁群算法研究进展

介绍了蚁群算法用于连续优化问题的发展现状,对蚁群算法的特点进行了分析研究,并提出了进一步的研究方向.