基于改进蚁群算法的Web服务选择

提出一种改进的蚁群算法并将其应用于Web服务选择问题中.该算法使用非线性动态变化的伪随机比例选择参数及蚂蚁多重最优解随机加权路由选择算法控制蚁群的行为,使用5维Web服务质量向量和蚁群适应度函数评价蚂蚁构造的路径质量,蚂蚁根据其构造的路径质量进行信息素更新;该算法使蚁群在其解空间的进化能力得到很大的提高.实验证明,该算法在Web服务选择问题上比传统的蚁群算法效率更高.     

蚁群算法的研究现状和应用及蚂蚁智能体的硬件实现

概要地对近年来引起广泛兴趣的蚁群算法的研究现状进行了考察，简要地介绍了几种修正的蚁群算法，如蚁群系统（ACS）、最大最小蚁群系统（MMAS），具有变异特征的蚁群算法，与遗传算法相结合的蚁群算法等；大致介绍了几种蚂蚁智能体的硬件实现，并且以蚁群算法在电力系统中的几个应用为例，考察了它在实际应用问题相结合时的一些情况。     

基于AHP的蚁群算法在房地产投资组合中的应用

以房地产开发企业为背景,提出多项目投资过程中对地段的选择问题。为分散投资过程中的非系统风险,将层次分析法(AHP)与蚁群算法相结合建立了多项目地段选择优化数学模型,并进行求解,为房地产开发项目组合优化提供了新方法。通过实例验证了基于AHP的蚁群算法的有效性。     

非线性整数规划的蚁群算法

提出了一种新的蚁群算法来求解无约束的整数规划问题,蚂蚁在整数空间内运动,同时在路径上留下激素,以此引导搜索方向。对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则。数值试验计算结果表明:该方法比较有效,并具有通用性。     

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．     

一种新的K-Means蚁群聚类算法

针对蚁群聚类算法聚类质量不高的原因,使用K-Means算法改进蚁群聚类规则,提出一种新的K-Means蚁群聚类算法(KM-AntClust),并通过实验验证新算法的聚类效果.实验结果表明,新的算法可以明显提高聚类质量.     

用并行遗传/Powell/蚁群混合算法求解卫星舱布局问题

卫星舱布局优化设计问题数学上属NP-hard问题．较有效的求解途径之一是研究混合算法,为此构造了并行混合PGA-Powell-蚁群算法（简称PGPAHA）．该算法以并行遗传算法为基本框架,根据各子群体收敛速率的快慢来决定它们之间迁移的时机,在收敛后期加入Powell法作为并行遗传算法的算子来加快收敛速度,并利用蚁群优化算法提高计算的精度．最后应用该算法求解了简化的三维带性能约束的国际商用通讯卫星的卫星舱布局设计问题,数值实验结果表明,该算法与并行遗传算法（PGA）相比,在计算精度、计算效率及计算稳定性方面较优。     

热轧轧制计划的多目标优化模型及算法

针对热轧轧制计划优化问题,建立基于奖金收集车辆路径问题（PCVRP）的多目标优化模型,其中包含两个目标：目标1为最小化相邻板坯的宽度、厚度与硬度的跳跃惩罚;目标2为最大化收集的奖金,即使得尽可能多的板坯编入轧制计划。在此基础上,提出一种基于Pareto最优的多目标蚁群系统算法（MOACS）,避免了传统加权法需要确定目标权重系数的缺点,一次运行可产生多个Pareto最优解,给决策者带来了更大的决策自由度。现场数据测试表明该算法具有良好的优化性能和实用性。     

基于蚁群算法的生鲜农产品配送中心选址优化

根据生鲜农产品保鲜期短的特点,以节省企业各项运营成本和最小投资费用为目标,建立了时间约束的多个配送中心选址问题的数学模型。结合实例,采用连续函数优化问题的蚁群算法求解模型,运用VC编写相应的程序,从而提高中心选址决策的效率和精度。     

基于粒子群-蚁群融合算法的移动机器人路径优化规划

基于TSP问题,提出了一种基于粒子群-蚁群算法相互融合的综合优化算法对移动机器人路径规划问题进行研究。通过粒子群算法对全局路径实施粗略搜索,获得部分次优解,在获得次优解的路径上进行信息素分布,再采用蚁群算法进行精确搜索,得到路径规划的最优解。实验结果表明:粒子群-蚁群融合优化算法在路径寻优上优于蚁群算法及粒子群算法。