一种解决TSP问题的自适应协同演化计算方法

针对遗传算法和蚁群算法存在运行时都会出现停滞、早熟等现象,且容易陷入局部最小的特点,提出了一种将两者结合协同演化运行的方法,通过建立对这两种算法状态的评估函数来动态判断其运行状态是否正常,进而动态调整运行的算法,从而最大程度地避免了这两种算法运行时的缺点.对TSP问题进行了实验测试,结果表明：此方法在收敛速度、寻优结果上都较上述两种算法单独运行有着明显的优势.     

一种改进的基于云环境的蚁群优化算法

在研究标准蚁群优化算法的基础上,提出一种旨在改善网络路由的蚁群优化算法以应用于云环境下多元化复杂的网络结构环境.新算法在原有蚁群算法智能寻优的基础上,加入网络节点在网审查机制,实时判断网络节点是否在网,选择最优解路径.仿真实验表明,改进算法能有效地改善因为网络节点在网情况的多变性而造成的部分路径失效的情况,进而缓解网络拥塞.     

企业货运铁路取送车作业智能优化方法

针对综合布局(同时具有放射状和树枝状)的企业货运铁路专用线的特点,提出了一种智能优化方法.该方法在建立取送作业模型的基础上,对问题进行分解,提出了两级优化策略,即先并行求解各车间内树枝状取送作业的子优化问题、再综合求解车间之间放射状取送作业优化问题.依据该优化策略,设计了一种融合遗传算法和蚁群算法的遗传精英蚁群优化算法(GAASelite)求解取送车作业优化问题.实验仿真结果证明,该方法能有效地优化铁路取送车作业问题.     

基于蚁群-免疫算法的组团弹性物流配送优化

为有效降低烟草配送成本,从配送与补货角度,提出组团式新型物流配送模式.结合位置、需求与补货周期等信息,将需求点按小组划分,建立了组团弹性配送优化模型.以配送路径最短为目标,设计了组团弹性模式下的蚁群-免疫算法,实现了对配送路径的优化和仿真.通过实验例证和对比分析,验证了模型可行性与算法的有效性.     

一种求解背包问题的正态分布蚁群算法

背包问题是一类经典的NP完全问题,蚁群算法在解决此类问题时表现出良好的性能。为解决蚁群算法鲁棒性不强的问题,提出一种新颖的基于正态分布的改进蚁群算法。将物品的选择概率排序后以标准正态分布密度函数重新赋值,使其最大最小值保持在一定范围内,避免了因参数选择不当引起的选择概率过于悬殊而失去解的多样性。同时只允许成绩好于平均值的蚂蚁分泌信息素,并将每次迭代的最佳选择遗传到下一代,提高了算法的收敛性。同时还采用了一种快速的概率算法,大大提高了寻优速度。实验表明,这种改进的算法在鲁棒性能和时间性能上都明显优于现有算法。     

基于ACO的横向供应策略两级备件库存研究

对装备可维修备件库存配置进行科学的优化决策,寻求装备可维修备件保障费用与装备战备完好性之间的最佳平衡在装备维修保障中是十分重要的.在此背景下进行多级可维修备件的库存研究,建立可维修备件多级库存模型,对模型中的重要参数和库存指标进行了评估,设计蚁群优化算法,将可维修备件以恰当的数量配置在恰当的多级库存系统中,以达到备件平均延误时间允许下的最低备件保障费用.算例结果表明:引入横向供应策略节省了41.37％的可维修备件的保障总费用.     

利用改进蚁群算法的可规避威胁源最优航线规划

针对复杂环境中飞行器航线规划问题,在基本蚁群算法的基础上,提出一种可规避威胁源的航线规划方法。通过综合分析飞行器飞行环境中的地形信息和威胁信息,考虑航线距离、时耗、能耗、全程费用和威胁规避等因素,重构航线规划目标函数,加强了对飞行器实际飞行环境的描述,从而提高了航线规划的有效性;通过增加目标节点对下一节点的影响来改进状态转移概率,促使蚂蚁向目标方向前进,以节省计算时间,提高优化效率。仿真结果显示,与基本蚁群算法相比,改进算法可以节省10%的优化时间且缩短10多次迭代次数。     

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。     

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。