融合蚁群算法和遗传算法的矩形件排样问题研究

提出融合蚁群算法和遗传算法来求解矩形件排样问题.考虑到蚁群算法和遗传算法各自的优缺点,该融合算法前阶段采用遗传算法获得排样问题的部分优化解,把它作为蚁群算法的初始信息素分布,后阶段利用蚁群算法求得最优排样序列,最后求得最优排样图.计算实例表明:与单一遗传算法相比较,该融合算法可达到更好的排样效果.     

生物信息学中基于启发式的多序列比对算法

序列比对是生物信息学中一项重要的基础性研究课程,其基本任务之一就是进行多重序列比对,但是如何优化多重序列比对算法目前生物信息学面临的一个核心课题,本文介绍了多重序列比对研究所涉及的基本问题,对当前多重序列比对启发式算法的几种经典算法进行描述,并对多重序列比对算法的前景进行了展望。     

基于遗传算法的序列比对方法

为有效解决大尺度基因组序列的比对分析,提出了一种基于遗传算法的序列比对方法。该算法通过对序列比对问题进行编码,将其转换成了搜索空间中的一个优化问题。实验结果表明,这种新的比对算法是有效的,它在占用少量内存的情况下可以获得近似于Need lem an-W unsch算法结果的最优解。     

侧向跑道机场滑行路径优化

为了缓解机场场面交通拥挤状况,提高侧向跑道机场场面运行效率,构建了侧向跑道机场航空器滑行路径优化模型.该模型以航空器加权滑行时间和延误等待时间最小为目标,提出了动态优化航班的优先级的优化方案.将航空器的运行规则转化为相应的数学约束条件,根据侧向跑道机场的滑行道调度问题进行算法设计,运用改进的遗传算法对模型进行求解,以航空器的优先级滑行序列和航空器滑行路径为染色体,基于MATLAB对双链染色体进行编码,并对4种滑行冲突与解脱进行分析.以成都天府国际机场为例进行算例分析,与先到先服务序列进行对比,采用优化方案的序列可以节省42 s,并与蚁群算法进行比对,验证了改进的遗传算法的有效性,可以为繁忙机场的滑行调度提供决策支持.     

基于混合蚁群遗传算法的SAT问题求解

根据SAT问题的特点,通过分析传统蚁群算法和遗传算法在求解SAT问题上的不足,提出一种基于混合蚁群遗传算法的SAT问题求解方法。给出一种新的初始解的生成方式;在迭代过程中,根据较优解的累积信息提出进化算子;利用当前得到的最优解,通过改变不满足子句中文字的取值,增加变异算子。最后选取标准测试集中的20个实例对算法进行测试,实验结果表明:改进后的算法通常仅通过较少次数的迭代就能找到解,能够有效避免蚁群算法和遗传算法过早收敛的缺点,具有较强的寻优能力。     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

双目标冷链物流车辆路径问题及其遗传蚁群求解

针对带容量和软时间窗约束的双目标生鲜农产品冷链物流车辆路径问题,建立了以最小化总成本和最大化客户满意度为目标的双目标优化模型。为了求解问题,运用ε约束法处理双目标模型,以蚁群算法为基础,加入交叉与变异算子,设计了遗传蚁群算法。算法求解过程中,蚂蚁个体在进行状态转移时按照确定性选择和伪随机比例选择相结合的方式,信息素总量采用分段函数进行优化。为验证模型与算法的有效性,对实际算例进行求解,并与遗传算法、蚁群算法求得结果进行对比。结果表明所建模型符合实际需求,所设计的遗传蚁群算法收敛速度和求解结果均优于遗传算法和蚁群算法。     

基于蚁群算法的混合优化算法在TSP中的应用

针对蚁群算法收敛慢，易陷入局部最优的问题，提出了基于蚁群算法混合优化算法。该方法将传统蚁群算法中的启发式因子α，β作为每只蚂蚁的属性，利用遗传算法对蚂蚁的种群进行自然选择，优胜劣汰，优秀蚂蚁被保留并产生后代，蚂蚁的启发式因子在求解问题的动态过程中收敛到合理的范围内。将改进的算法应用于旅行商问题，实验结果表明，利用这一方法可使解的性能有所改进，并有效地减少了计算时间。     

基于智能蚁群算法的双序列比对方法

序列比对是生物信息学中一项重要的基础性研究课题。提出了一种基于全新的信息素改变策略的智能蚁群算法,该算法利用历史最优信息来更新信息素,避免出现早熟现象,加速算法的后期收敛。实验表明该方法是有效的和可行的。     

基于蚁群算法的既有铁路整正优化设计

为了提高既有线路整正维修效率以及满足铁路快速发展对线路高平顺性的要求,结合蚁群算法在空间组合优化的优良性能,研究了基于蚁群算法的既有线平面多曲线整体整正优化设计方法.首先利用空间曲线拟合算法,结合平面线形的曲率变化特征,采用概略分段与迭代精确分段相结合的方式,确定初始交点坐标及曲线参数信息.以既有线所有初始交点坐标为基准,进行交点坐标网格划分,运用蚁群算法全局寻优的方式得到最优的交点组合.逐步缩小网格进行蚁群寻优,最终得到满足各类约束的线形参数组合及最优拨道量值,实现线路平面整正的整体优化算法设计.并结合实测数据进行相关计算分析,计算结果显示蚁群优化算法较传统的优化设计方法在获取最优线路参数,实现整体拨道量最小方面可以获取满意效果.     

一种复合算法的装配序列规划方法

针对复杂产品装配规划的组合爆炸和盲目搜索难题,提出一种复合算法解决装配序列规划问题的方法。复合算法首先采取多色集合形式化推理获取足够数量的可行装配序列,并将可行装配序列作为遗传算法的初始种群;然后,通过遗传算法和蚁群算法将人的模糊知识融入规划过程中求精确解;最后,通过实例验证了复合算法的可行性。     

一种基于流形的蚁群聚类算法

在介绍了基于信息熵的蚁群聚类算法以及流形学习的方法的基础上,将基于动态切空间排列的流形学习方法与该蚁群聚类算法相结合,给出了一种聚类算法的新思路,并在城市规划布局问题中做了仿真实验,提高了算法的收敛速度。     

一种基于混合模型的数据网格副本选择机制

在基于遗传算法和蚂蚁算法的副本选择策略研究的基础上,针对两种算法的优缺点,提出了基于融合算法的副本选择策略,利用遗传算法中的适应度函数初始化蚂蚁算法中的信息素分布,利用蚂蚁算法选择最优副本,即解决了遗传算法求解效率低的问题,又解决了蚂蚁算法初期信息素匮乏问题。通过对仿真结果进行分析比较,基于融合算法的副本选择策略在整个网格环境下和在单个站点都能有效减少作业运行时间,提高副本选择的速度,提高了整体性能。     

基于多种群蚁群算法的变压器故障检测次序寻优方法研究

针对传统变压器故障检测次序的不足,在研究变压器故障树分析方法的基础上,提出了一种基于多种群蚁群算法的变压器故障检测次序寻优方法.首先给出了多种群蚁群算法的原理和模型;然后利用蚁群算法的全局优化和启发式寻优的特点,对变压器故障检测次序进行优化;最后,以分接开关故障树为例验证了多种群蚁群算法在变压器故障检测次序寻优中的可行性和有效性.     

基于A*算法的启发式算法求解多序列比对问题

通过分析动态规划算法及A^*算法的特点，针对多序列比对问题提出一种基于A^*算法的启发式算法。该算法采用了多个优化搜索机制。通过对此算法的理论分析，证明了它能够在有效地减小搜索的空间、节约搜索的时间的同时，保证得到比较好的比对结果。此算法不仅能够在多序列比对问题中得到应用，还能够用于其他有向无环图的最短路径问题的求解。     

基于遗传算法的公路自动选线与安全评价方法

针对公路自动选线交点搜索区域有限、评价方法不足等问题,基于遗传算法,通过构建公路线形约束模型、公路自动选线优化模型及运行速度预测模型,实现了公路三维空间选线方案自动寻优与安全性评价。结果表明：基于遗传算法的公路自动选线与安全评价方法,可以在给定的设计区域、拟定的技术、经济和安全条件下,克服路线交点只能在给定断面寻优的不足,实现设计方案的自动收敛和优化。在考虑路线安全性条件下,可以保证路线交点在拟定的选线区域全局进行自动搜索,验证了基于遗传算法的公路自动选线方法的可行性,并提升了选线工作的效率。该方法可以实现以速度一致性为指标的道路线形安全性评价,提高了选线方案的安全性设计水平。研究结果可为完善公路自动选线的理论基础,继续开展公路选线自动寻优方法的研究提供借鉴。