改进蚂蚁算法在组合优化中的应用-置换FlowShop问题求解

置换FlowShop问题是生产调度问题中的一种，具有广泛的工程应用背景．有效的调度能够提高企业的生产效率和设备利用率，增强企业竞争能力．然而多机器的置换FlowShop问题属于NP-hard问题，很难得到问题的最优解．文章简单介绍了蚂蚁算法，并提出退火蚂蚁算法一将max-min ant system与模拟退火算法相结合．通过与max-min ant system运算结果进行比较最后得出结论：退火蚂蚁算法性能得到显著提高．     

基于蚂蚁算法的混合方法求解旅行商问题

通过介绍蚂蚁觅食过程中最短路径的搜索策略,给出蚂蚁算法在旅行商问题中的应用,并加入3-opt方法和去交叉策略对问题求解进行局部优化.实验结果证明了其有效性.     

一种求解TSP问题的改进蚂蚁群算法

通过用混合型蚂蚁群算法求解TSP问题的方法和步骤 ,并以att5 32 (美国 5 32个城市 )为例给出计算实验结果 ,说明混合型蚂蚁群算法改进了标准蚂蚁群算法的效率和计算结果的质量     

蚂蚁算法求解TSP问题的性能分析及改进

在介绍蚂蚁算法的基础上,针对一个实例,对蚂蚁算法求解TSP问题中五个参数Q,C,α,β,ρ(其中C为信息素浓度初值,Q为信息素的调整策略参数,α和β为下一步路径选择概率大小的参数,ρ为信息素浓度的残留因子参数)的设置进行了探讨,分析了单一参数变化时对算法性能的影响,并进一步指出了算法改进的思路和方向.     

蚂蚁算法在TSP问题求解的应用

蚂蚁算法是目前解决大规模复杂问题比较有效的算法。同时TSP问题是经典的NP-C问题,已被广泛应用于在VLSI芯片设计、网络路由和车辆选路等领域,对TSP问题的求解的突破意味着大量NPC问题的求解可以迎刃而解,因而有着重要的实际价值和理论意义。文章系统地介绍了TSP问题,并在此基础上对蚂蚁算法求解TSP问题做了相关探讨。实验结果表明,蚂蚁算法对参数的初始值也具有敏感性,对于一个好的初始值的确定,需要建立在大量试验的基础上。     

求解全局优化问题的改进灰狼算法

灰狼算法是一种高效的优化技术,但其在一些问题上存在求解精度不高、收敛速度较慢和易于陷入局部最优的缺点。因此,提出了一种改进的灰狼优化算法（MGWO）。该算法引入了3种改进策略：平衡算法全局搜索性和局部开发性的指数规律收敛因子调整策略、提高算法求解精度的自适应位置更新策略和修订动态权重策略。通过两组在10个基准测试函数上...     

任务分配问题的瞬态沸混沌神经网络解法

采用具有瞬态混沌特性的神经网络（TCNN）解任务分配问题,该方法利用神经元的自反馈产生混沌动态,由于混沌动态特性具有很强的搜索全局最优妥的能力,有效地避免了传统Hopfield神经网络（HNN）极易陶入局部极小的缺陷,同时利用时变参数控制混沌行为,使网络在经过一个矩暂的混沌倒分岔后逐渐于一般的Hopfield神经网络,保证网络收敛到一个最优或近似最优的稳定平衡点。仿真结果表明,TCNN解任务分配问题时,总能收敛到全局最优或几乎接近全局最优,同时具有更高的搜索效率,另外,还用此方法求解了属于NP－完全问题的实时分布处理系统的任务分配问题。     

交叉口信号配时的人工蚂蚁优化

针对我国城市道路交叉口的实际情况，在改进信号配时模型的基础上，采用一种新型随机搜索思想——人工蚂蚁优化算法来解决交叉口的信号配时问题．仿真试验表明，所得结果优于经典方法，在相同的信号周期内，降低了交叉口的总延误时间和停车次数，提高了通行能力．     

模拟退火算法及其改进

介绍了模拟退火算法的背景、原理和具体实现方法，分析了它的不足之处，讨论了它的改进措施，并进行了仿真实验验证。     

有缺货限制的VRP蚂蚁算法研究

在经典VRP的基础上，结合实际背景提出一种缺货情况下的车辆路径问题，并给出基于蚂蚁系统寻优思想的求解方法。经大量数据测试，获得了较好的结果。     

分配问题的启发式算法求解

禁忌搜索算法和蚁群算法是近几年优化领域中出现的两种启发式算法.简单介绍了这两种启发式算法的基本原理,给出了应用这两种算法以及其混合算法解决分配问题的求解过程.仿真结果表明混合算法取得的结果较好.     

广义分配问题的一种小生境遗传蚁群优化算法

提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚁群优化算法用于求解NP难的广义分配问题,以避免经典求解算法存在的易陷于局部最优的缺陷.以典型的广义分配问题——火力分配为例,对该算法进行实验,并将实验结果与其它算法进行分析比较.结果表明:新复合算法优化效率高,运行时间短,对其它的NP问题同样适用.     

多传感器管理的目标分配问题蚁群算法研究

多传感器管理的目标分配问题中如何使探测和跟踪效益最佳，是非常重要又十分困难的问题。分析了传感器管理的目标分配问题各种解算方法的特点及存在的问题，结合蚁群算法思想，提出了一种新型的目标分配算法模型，并进行了算法仿真。仿真结果表明，基于蚁群算法思想的目标分配算法是有效的，特别是问题规模较大时更显示出其较快的收敛速度和较高的精度。     

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.     

求解无容量设施选址问题的混合蚁群算法

无容量设施选址(UFL)问题是经典的优化问题,属于NP难题,易于描述却难于求解.首先,介绍了UFL问题的数学模型,并对UFL问题的特点进行深入分析,得到其最优解所具有的基本特征;其次,针对UFL问题的最优解所具有的基本特征,设计了两种局部搜索策略,并将其与基本蚁群算法相结合,提出了一种用于求解UFL问题的混合蚁群搜索算法;最后,为了测试该算法的性能,分别利用混合蚁群算法和基本蚁群算法求解UFL问题基准问题库中的16个测试算例.计算结果表明,混合蚁群算法有效改进了基本蚁群算法求解UFL问题时易陷入局部最优、收敛速度慢等不足,该算法对求解UFL问题具有明显的可行性和有效性.     

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.     

改进蚁群算法求解单行设施布局问题

针对单行设施布局问题已有算法结构复杂、对算法参数有较大依赖性、求解效果欠佳的问题, 提出一种改进的蚁群算法。该算法采用基于目标函数值的自适应等级划分策略, 实现了信息素增量优胜劣汰、改进信息素的更新规则。通过简化状态转移概率函数, 降低计算量和算法对参数的依赖性, 引入精英候选集, 提高优良设备的选择概率。同时, 采用基于插入式邻域结构的爬山寻优算法作为局部搜索进行深度搜索。仿真结果表明, 求解28 个大规模的测试例子时, 该算法总的平均运行时间分别为混合遗传算法的14%, Lin-Kernighan 算法的5%, 分散搜索算法的50%, 说明该算法可在短时间内较稳定地得到高质量的近优解, 性能优越于其他算法。     

用蚂蚁算法处理固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性 ,文章采用一种新型随机搜索思想———人工蚂蚁算法求解固定需求交通平衡分配问题。算法设计中利用蚂蚁王国中增强型学习系统功能和并行计算的特点 ,使得交通分配系统朝着用户优化的方向发展,降低了分配的复杂性 ,为交通分配问题开创了一条新的途径 ,同时显示了蚂蚁算法在交通规划中的使用前景     

改进的DNA遗传算法在指派问题中的应用

提出了一种基于优秀基因片段思想的DNA遗传算法,将这段基因片段提取出来并将它遗传到后代中,可以加快收敛速度.给出了DNA遗传算法的结构,讨论了选择、交叉和变异算子的具体操作,并将其运用到指派问题最优解的求解中,给出了具体的实现方法.仿真实验验证了算法的有效性和实用性.     

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。