物流车辆路径问题的混合快速蚂蚁算法

通过分析快速蚂蚁算法的原理和易陷入局部最优的缺点,提出了将贪婪算法和快速蚂蚁算法相结合的混合算法求解物流车辆路径问题.混合算法在最优值未改进次数超过限定次数时,自动调用贪婪算法来寻找一个局部最优解,并调整相应路径上信息素的量.为保证解的多样性,对贪婪算法本身使用随机选择第一个客户的方法进行了调整.用计算实例比较并分析了快速蚂蚁算法、混合算法及其他算法应用到车辆路径问题上的结果,说明了贪婪算法使混合算法跳出局部最优的过程以及混合算法的不足之处.     

改进的蚂蚁算法在几何约束求解中的应用

将几何约束问题转化为数值优化问题。把蚂蚁算法引入几何约束求解中。在所有的操作中,由于没有涉及到在 Newton-Raphson 中遇到的矩阵求逆操作,因此蚂蚁算法具有很强的鲁棒性。笔者在基本蚂蚁算中混入局部优化算法,对每代的最优解进行改进,进一步加快蚂蚁算法的收敛速度。为了避免蚂蚁一开始就失去解的多样性,笔者改进了选择策略。为了克服蚂蚁算法计算时间较长的缺陷,这里引入遗传算法中的变异算子,经过局部优化后,整个群体的性能会有明显改善,使得算法保持更好的多样性。由于该算法对方程的个数和变量的个数没有什么特殊的要求,因此可以处理欠约束问题。     

蚁群算法在纯数据库中的应用

介绍纯数据库的含义,分析蚂蚁算法的数学模型,对蚂蚁算法在纯数据库存储粒度,查询处理和查询优化等方面的应用做较为详尽的论述。为研究纯数据和蚂蚁算法的专家学者提供一个解决问题的思路。     

粒子群算法的理论分析与研究

粒子群算法是上世纪90年代兴起的群体智能算法,其特点是模拟自然界生物群体行为来构造随机优化算法,它对函数性态要求较弱、寻优结果和初值无关,并具有一定的并行性,因而成为优化算法领域研究的一个热点。介绍粒子群算法的研究现状,重点论述标准粒子群算法以及几种主流的改进型粒子群算法,并提出未来可能的研究方向。     

基于微粒群算法的系统可靠性优化

微粒群算法是近来发展起来的一种新的优化计算方法,在简要说明微粒群算法的基础上,将该算法用于系统可靠性优化计算,分别对串联系统的可靠性分配、桥联系统的冗余可靠性优化设计问题进行分析计算,探讨了微粒群算法在系统的可靠性优化计算中应用的可行性,计算机仿真结果表明了微粒群算法求解该问题的可靠性和有效性。     

基于混合粒子群算法的物流配送路径优化问题研究

针对物流配送路径优化问题,提出了一种融合Powell局部寻优算法和模拟退火算法的混合粒子群算法,以克服单用粒子群算法求解问题早熟收敛的不足,增加算法的开发能力,提高算法的全局搜索能力,并进行了实验计算.计算结果表明,用混合粒子群算法求解物流配送路径优化问题,可以在一定程度上提高粒子群算法在局部搜索能力和搜索全局最优解概率,从而得到质量较高的解.     

纸盒模切版钻孔路径的优化

为提高纸盒模切版数控钻孔的加工效率,以TSP问题作为数学模型,采用较新的蚂蚁算法解决了模切版钻孔路径的优化问题,并获得了满意的结果.     

基于随机无网格伽辽金法和蚂蚁算法的结构可靠性分析

 用摄动随机无网格伽辽金法(PSEFGM)求解随机结构的响应,然后采用蚂蚁算法对结构可靠性进行了分析。摄动随机无网格伽辽金法具有不需要划分单元和精度高等特点。蚂蚁算法是一种智能型随机搜素优化算法,对目标函数没有任何可微甚至连续的要求,可有效克服经典算法易于陷入局部最优解的常见弊病。数值实例表明,在随机结构可靠性分析方面,随机无网格迦辽金法与蚂蚁算法比经典算法具有明显的优势。     

一种含最优变异的多微粒群优化算法

针对微粒群优化算法中的固有缺点，提出了带有最优变异算子的多微粒群优化算法，采用多个微粒群对目标函数进行寻优，并在寻优过程中对子群中最优微粒引入了最优变异算子。通过这样的处理，算法可以预防早熟收敛并具有更快的收敛速度和更好的局部开发能力。对一组测试函数的模拟实验结果表明，带最优变异的多微粒群优化算法可以摆脱局部最优解时微粒的吸引，在较少的代数内就能够获得好的优化结果。     

基于粒子群优化算法的结构模型修改

结构模型修改已经演化为一个多学科的研究课题．在最优化框架内，应用了国际上最近提出的粒子群优化算法，该算法具有全局搜索能力并且不需要目标函数的解析表达式。对于一实际钢结构，利用部分和全部测量得到的模态数据进行了模型修改的实验研究．并与基于灵敏度分析、神经网络和遗传算法的模型修改方法进行了对比．以修改后模型计算出的模态数据与实验测得的模态数据的相似度来衡量模型修改的准确性。结果表明，在多数情况下，所提出的模型修改方法得到了最好的修改结果，因此，应用粒子群优化算法进行结构模型修改是可行的。     

基于改进智能算法的非线性转子系统的参数辨识

为了有效的识别非线性转子系统的若干参数,提出了基于遗传算法、蚁群算法和邻域搜索算法的混合方法（Ne-GAAC）,该算法利用遗传算法的快速随机搜索能力的优点,形成了蚁群算法的初始信息素分布和寻优区间,同时利用了蚁群算法正反馈以及具有分布式并行全局搜索能力的优点,最终在解收敛后采用局部邻域搜索算法得到精确解,算例结果表明,该方法可以有效的识别非线性转子系统的参数。     

Design of high-performing hybrid meta-heuristics for unrelated parallel machine scheduling with machine eligibility and precedence constraints

This study involves an unrelated parallel machine scheduling problem in which sequence-dependent set-up times, different release dates, machine eligibility and precedence constraints are considered to minimize total late works. A new mixed-integer programming model is presented and two efficient hybrid meta-heuristics, genetic algorithm and ant colony optimization, combined with the acceptance strategy of the simulated annealing algorithm (Metropolis acceptance rule), are proposed to solve this problem. Manifestly, the precedence constraints greatly increase the complexity of the scheduling problem to generate feasible solutions, especially in a parallel machine environment. In this research, a new corrective algorithm is proposed to obtain the feasibility in all stages of the algorithms. The performance of the proposed algorithms is evaluated in numerical examples. The results indicate that the suggested hybrid ant colony optimization statistically outperformed the proposed hybrid genetic algorithm in solving large-size test problems.     

钛合金立铣表面粗糙度预测新方法

为实现加工前对表面粗糙度的预测,建立高精度的表面粗糙度预测模型至关重要.针对钛合金立铣表面粗糙度的特点及传统预测方法的不足,提出了表面粗糙度预测新方法.分别用递推最小二乘算法、基本蚁群算法与混合蚁群算法训练模糊系统,混合蚁群算法的收敛效果优于递推最小二乘算法和基本蚁群算法.通过回归分析建立了表面粗糙度的两种经验公式.对各方法所得模型进行测试,结果表明混合蚁群算法训练模糊系统的预测效果优于其他方法,用混合蚁群算法训练的模糊系统进行表面粗糙度预测是可行的.     

基于有限缓存区的多任务并行分拣调度研究

通过对某物流车间的实际调研,将自动化立体仓库出货台空间限制作为优化问题的约束条件,建立订单并行分拣模式下堆垛机调度问题的模型,并采用蚁群算法进行求解。在求解过程中,根据问题假设设定了算法相关的状态转移概率公式,并采用动态更新信息素浓度的改进型方式避免传统蚁群算法早熟的情况。最后根据工厂的实际订单信息给出了算例,并通过两种不同算法和不同参数设置的比较,说明通过蚁群算法求解该优化问题的有效性。数值试验显示该蚁群算法相比传统优化算法效率提升了10.5%。     

基于Dijkstra-蚁群算法的泊车系统路径规划研究

针对智能停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于Dijkstra-蚁群算法(Dijkstra-ACO)的泊车系统路径规划方法.首先利用链接可视图法建立环境模型,并在此环境模型下,采用Dijkstra算法规划出AGV的初始路径;其次,通过引入节点随机选择机制、调整信息素更新方式和限定信息素阈值策略等对基本蚁群算法进行优化改进;最后,选用改进的蚁群算法对初始路径进行优化.结果显示:Dijkstra算法和混合算法均能使AGV有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与Dijkstra算法相比,混合算法能有效提高路径搜索效率,缩短搜索路径长度,改善搜索路径质量,表明该算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划的要求.     

资源约束项目排序问题的一种修正蚁群算法

根据蚁群算法的性质与资源约束项目排序问题(CPSP:Resource-Constrained Project Schedul- ing Problem)的特征,本文给出了蚁群算法中信息素的表示及更新方案、启发信息的计算方法等,由此提出了一种求解RCPSP的修正蚁群算法。最后,通过对项目排序问题库中的标准问题集进行计算,结果表明本文提出的修正蚁群算法是可行优良的。     

仿生群智能算法在生产调度中的应用综述

群智能算法是在观察和研究群居生物群体行为的基础上,提出的人工智能模拟模式,通过模拟群体中多个个体之间的简单协作实现问题的求解。在介绍群智能算法原理的基础上,综述并讨论了其在生产调度中的应用,为未来的研究提供了有意义的借鉴和参考。     

改进的蚁群算法及其在卫星网络路由计算中的应用

介绍了蚁群算法的原理，然后对现有蚁群算法进行了一些改进，使它能够快速地收敛以满足高速变化的卫星网络拓扑结构．采用改进的虚拟拓扑策略解决了卫星网络拓扑高速变换的问题．将改进的蚁群算法应用于其上，并给出了相应的性能评估．所提出的改进的虚拟拓扑策略，能够大大减少一个系统周期内卫星网的时间片个数．应用于此基础上的改进的蚁群算法也体现了较好的性能．     

蚁群算法的研究现状及其展望

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化系统，该算法采用分布式并行计算和正反馈机制，易于与其他方法结合，目前已经在众多组合优化领域中得到广泛应用。在介绍基本蚁群算法数学模型的基础上，列举了进入21世纪以来部分具有代表性的蚁群算法改进模型及其应用情况，然后重点从算法的模型改进、理论分析、并行实现、应用领域、硬件实现、智能融合等角度对蚁群算法在今后的研究方向作了系统分析与展望。     

基于遗传蚁群算法的测试用例集约简

为提高软件测试效率,节省回归测试成本,本文提出了一种新的约简测试用例集的算法.该算法是遗传算法和蚁群算法两种算法的结合,首先利用遗传算法的快速随机全局搜索能力,生成蚁群算法的初始信息素,然后利用蚁群算法的正反馈性,快速得到约简测试用例集的近似最优解.最后通过仿真实验验证了该算法的有效性.