蚁群算法研究进展

人工蚁群算法是受到蚂蚁在觅食过程中能发现蚁巢到食物的最短路径这种搜索机制的启发而发展起来的一种群体智能算法、蚁群算法在求解一系列困难的组合优化问题上取得成效，成为解决TSP，VRP，QAP，JSP等典型问题的一种新型的强有力算法．对蚁群算法的起源和发展历史、算法理论研究的主要内容和方法、基于算法的改进以及应用范畴等，进行了系统的总结与综述，并对这一新型现代启发式算法的发展方向进行了展望．     

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。     

蚁群算法在求解TSP问题中的应用

介绍了蚁群算法的原理,论述了利用蚁群算法求解TSP问题的具体步骤,最后通过仿真实验说明了其优越性。     

蚁群算法及其连续优化算法初析

通过对TSP问题的蚁群算法介绍,初步分析了构造一个通用的、应用于连续空间的蚁群算法的几个关键问题,并提出了构造该算法的基本框架。     

融合粒子群优化算法与蚁群算法的随机搜索算法

针对PSO算法与蚁群算法的优缺点,提出一种融合PSO算法与蚁群算法的混合随机搜索算法.该算法充分利用PSO算法的快速、全局收敛性和蚁群算法的信息素正反馈机制,达到优势互补,将这种优化方法拓展到求解连续空间问题,并通过实例来验证该算法对于单峰、多峰函数都能取得较好的优化效果.     

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.     

蚁群算法及其应用

蚁群算法是近几年来迅速发展起来的、并得到广泛应用的一种新型模拟进化优化算法。研究表明该算法具有并行性,鲁棒性等优良性质。对蚁群算法理论及其进展情况做了简要的综述,介绍了该算法在理论和实际问题中的应用,并对其前景进行了展望。     

蚁群算法及其应用

蚁群算法是近几年来迅速发展起来的、并得到广泛应用的一种新型模拟进化优化算法.研究表明该算法具有并行性,鲁棒性等优良性质.对蚁群算法理论及其进展情况做了简要的综述,介绍了该算法在理论和实际问题中的应用,并对其前景进行了展望.     

混沌蚁群算法及其在智能交通中的应用

在传统蚁群算法的基础上,结合混沌的遍历性、随机性和规律性,提出一种混沌蚁群算法,阐述该算法在智能交通系统中应用的可行性,解决了智能交通中常见的最优路径问题,并通过实验数据说明本算法的有效性.     

混沌蚁群算法及其在相位差优化中应用

城市交通主干道及网路上的交通信号通常以协调的方式运作,而相位差是主要的协调参数。然而相位差的优化中经常存在局部最优和收敛速度慢的问题,为解决相位差优化的问题,本文建立了混沌蚁群算法,然后利用该算法来优化相位差。一个9交叉口的仿真实验结果表明,明显地改进了优化效果,有效地减少了交通网络的车辆平均延误和平均停车率,提高了收敛速度。     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

PCB布线的元胞蚂蚁算法研究

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,有效地扩大了对解空间的覆盖率.将元胞蚂蚁算法应用于PCB布线问题,以路径最短和通孔数量最少化为目标,辅以分布布线、避障规则等手段,最后用Delphi实现.通过对一个实际布线问题的测试,得出了比Protel更好的布线结果.     

基于群智能的计算与仿真方法研究

随着人类认知范围的拓宽,已有的一些智能计算方法在处理复杂问题时,如高维度、多极值等,往往不能取得令人满意的效果.人们从生命现象中受到启示,发明了模拟生命系统的某些行为、功能和特性的群智能方法.对群智能的主要领域群智能计算和群智能仿真进行了阐述,同时还介绍了其相关研究领域.     

基于群集智能算法的路径规划问题

在工业及服务系统行业,特别是物流及交通运输系统中经常遇到路径规划问题。该文针对自动化立体仓库单拣选台分层水平旋转货架系统,建立了数学模型,引入基于群集智能的蚁群优化算法解决货物拣选路径规划问题。该方法能够对旋转货架系统存储的货物进行快速拣选,并在全局内找到最优货物拣选路径,求解质量高,计算时间短。在货单条目为40的情况下,该文使用改进的蚁群算法求解最优拣选路径比模拟退火算法减小了1 367.17s,比混合遗传算法节省了533.4 s。实验表明该方法适合求解中小规模货物拣选路径规划问题。     

基于ACO的智能旅游景区路线规划系统设计

针对目前旅游景区路线系统因景点数量多、景点间差异度大而导致线路规划不合理等问题,对路线规划算法和实现方案进行研究,并提出了交互式智能旅游路线规划系统的解决方案。通过研究ACO蚁群优化算法(Ant Colony Optimization)、百度地图API接口、Bootsrap等技术,改进ACO算法模型,引入流式栅格布局,架构了基于B/S架构的系统平台。实验结果表明,基于改进的ACO和百度地图所架构的路线规划系统在国内大规模景点规划方面具有规划速度快、规划结果合理、信息显示全面等优点。     

蚁群算法中挥发系数与迭代次数和最优路径长度关系研究

蚁群算法中挥发系数ρ对算法的收敛速度和全局最优路径有很大的影响。以TSP(Traveling Salesman Problem)问题为例,深入探讨了挥发系数与收敛所需迭代次数、全局最优路径长度之间的关系。首先通过对相关文献提供的研究进行归纳和总结,提出了挥发系数与迭代次数、最优路径长度之间的关系假设。然后编程读取不同的挥发系数值对应的迭代次数与最优路径的长度,并对所读取的数据进行分析拟合。最后验证了所提出的关系假设的正确性。