双目标旅行商问题及其蚂蚁算法实验研究

对双目标旅行商问题设计了基于Pareto概念的多目标蚂蚁算法.借助于算法的全局搜索能力,在整个解空间内快速搜索多目标组合的Pareto有效解,并利用多目标蚂蚁算法维持解集多样性的特点,使搜索到的Pareto解在前沿均匀分布.经大量算例求解验证了其有效性,该算法具有较好的通用性.     

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     

基于蚁群算法的敏捷供应链伙伴选择

伙伴选择是在组建敏捷供应链过程中的关键问题。引入蚁群优化来解决这一问题,提出了一种基于蚁群算法的敏捷供应链伙伴选择优化算法。在求解过程中蚂蚁倾向于选择曾经合作过并且合作效果比较好的企业作为伙伴并组成供应链,体现了熟人机制;“自适应扰动机制”可以避免算法的早熟。最后以一个典型算例说明了该算法的有效性。     

基于信息素评价的卫星数传调度蚁群算法

针对具有严格时间窗口和资源限制的复杂约束卫星数传调度问题,建立了基于蚁群算法的解构造图模型,提出了基于信息素局部评价方法、求和评价方法,相对评价方法的概率决策模型,设计了具有信息素全局更新策略的算法流程.仿真表明,基于不同信息素评价方法的蚁群算法能够取得较好效果,信息素相对评价方法在收敛速度和解寻优能力上都好于其他两种方法,而信息素求和评价方法相对较差.     

基于遗传和蚁群算法融合的聚类新方法

遗传算法具有快速良好的全局搜索能力,而蚁群聚类算法具有良好的分布式并行性和正反馈能力。将两种算法进行融合,充分利用算法各自的优势和特点,能更有效地进行聚类分析。实验证明这种新组合算法在优化能力和时间性能上比常用的聚类算法有比较明显的优势。     

Bionomics of the myrmecophilous oribatid mite Protoribates myrmecophilus (Acari: Oribatida) in the Oriental tropics

Behavioural interactions between the myrmecophilous oribatid mite Protoribates myrmecophilus and the host ant Myrmecina spp. are described and compared to those of Aribates javensis which shows a very specialized myrmecophily. The behaviour of P. myrmecophilous is similar to free-living oribatids: they can walk by themselves and can survive without ant attendance. In the ant nests, the mites are sometimes cared for by ants and they are brought by ants into a new nest site. Protoribates myrmecophilus is eaten by non-host species of Myrmecina. Protoribates myrmecophilus is a less specialized myrmecophilous oribatid species.     

基于蚁群算法的能量均衡传感网地理信息路由

提出了一种基于蚁群算法的能量均衡传感网地理信息路由算法,用来保证具有生存周期的无线传感器网络能够在不损失其传感能力的情况下,生存更长的时间.实验证明,此算法能够均衡网络中的能量消耗,延长网络生存时间,并能有效提高报文发送成功率,避免拥塞.     

基于信息素递减的蚁群算法

通过对蚂蚁巡游路径的分析,发现经典蚁群算法在解决旅行商问题(TravelingSalesmanProblem,TSP)时的缺陷,在此基础上给出了新的信息素更新公式,提出了基于信息素递减的蚁群算法。新算法避免了蚂蚁在寻找最优解的过程中,由于禁忌表元素的逐渐增加而限制蚂蚁巡游路径选择的缺点,减少了巡游后期信息素对于后继蚂蚁的影响,提高了后继蚂蚁的巡游质量。通过具体的算例分析,表明此算法比传统的蚁群优化算法(AntColonyOptimization,ACO)算法有更快的收敛速度和非常好的稳定性。     

蚁群算法求解离散最小约束去除问题

摘要： 引入蚁群算法解决最小约束去除运动规划问题,在求解过程中对蚁群算法的启发函数以及信息素更新策略进行改进,使其不再易于陷入局部极值并适合求解该问题.仿真实验结果表明,该算法在解的质量和收敛速度上优于精确搜索与贪心算法.     

考虑客流量差异的区域公交车辆调度

考虑到公交客流时间分布非均衡以及公交区域调度的多条线路客流高峰时间、空间分布集中会导致总体客流的高低峰客流量差异进一步加大,提出在低平峰期允许部分公交车辆停运的抽停策略,从"部分车次被某辆车完成"的集合划分角度研究区域公交车辆调度问题,建立改进的区域公交车辆调度优化模型,并设计了最大最小蚁群算法进行求解.算例结果显示:与常规调度方案相比,车辆等待时间减少4034 min,等待时间在总工作时间中占比减少10%,驾驶员减少14个,证明了文中模型的有效性和实用性.