基于蚁群算法的军用物资车辆调度优化配置问题研究

为提高复杂军用物资军用物质优化配置问题,而军用物质配送的核心是车辆调度问题。为此,在合理分析军用物质车辆调度问题的特性和模型基础上,将蚁群算法引入到其中解决该问题。实验表明,在带有时间窗的车辆路径问题上,该算法能够有效地提高解决收敛速度与精确度,更好地实现车辆调度的使用性。     

一种改进蚁群算法求解VRP问题

车辆路径问题(VRP)是一个NP难题,蚁群算法是求解诸如车辆路径安排问题等组合优化问题的有效工具.在了解VRP问题及蚁群算法的基础上,分析了蚁群算法在VRP中的应用,针对蚁群系统(ACS)的不足之处,借鉴MMAS思想,引入动态负反馈机制及适当增大能见度机制对蚁群算法进行改进优化,结合节约函数求解VRP问题.仿真结果表明,本文提出的算法无论是在最优值还是在收敛速度上都优于基本蚁群算法,实用性强,能较好的解决VRP问题.     

基于组件式蚁群算法的车辆路径问题研究

现有方法仅从蚁群算法的基本结构出发设计软件,缺少软件设计模型的有效指导,很难用来求解不同种类的优化问题.鉴于此,应用组件软件设计方法,提出了一种组件武蚁群算法.该方法力求在结构上直接反映蚁群的本质思想和关键概念;最大程度降低与问题的相关性;强调以接口为中心的设计理念.大量车辆路径问题的验证结果表明,组件式蚁群算法性能优良,能够有效地求解车辆路径问题.该方法易于理解和使用,具有很强的可重用性和可扩展性,为求解各类优化问题提供了很好的起点和可持续发展的框架.     

对数据结构的最短路径算法的研究

文章主要研究蚁群算法实现对数据结构的最短路径优化。蚁群算法是群智能理论研究领域的一种主要算法,在求解复杂的离散优化问题方面有一定优势,这种优势在求解最短路径问题方面体现得非常明显。     

一种车辆路径规划的新型蚁群算法研究

通过引入变异机制和3种不同策略对蚁群算法进行了改进来提高收敛速度和寻找更优解,以满足对车辆路径规划的求解,其目标是实现车辆的路径规划,使得汽车总的行驶路程最短和所需汽车的数量最少。仿真实验表明,引入变异机制的蚁群算法能够有效地解决带有容量限制的车辆路径规划问题,提高了物流配送效率。     

灾区军用车辆优化调度方法研究与仿真

在军用车辆调度过程中,由于军用物资运送的目的地有时会比较偏僻,而且运输路径中会存在堵塞情况,造成传统的军用车辆调度方法无法选取最优路径,使军用物资不能及时运输到目的地,从而无法满足军队战备需要.因此,提出了一种基于改进蚁群算法的车辆优化调度方法.建立军用车辆调度数学模型,描述运输车辆之间的联系.利用改进蚁群算法,对军用车辆调度模型进行优化处理.实验结果表明,这种算法能够有效提高军用车辆运输效率,取得了令人满意的结果.     

求解带用户满意度的多目标实时车辆路径问题的改进伊藤算法

基于对标准车辆路径问题的分析,本文构建了一种包括交通因素、客户需求动态改变、用户满意度的多目标动态车辆路径问题模型.针对伊藤算法在求解离散组合优化问题时效率较低、收敛性较差等缺陷,本文以具有通用性的伊藤算法为框架,参考蚁群算法,设计了伊藤-蚂蚁优化算法,并采用正交实验的方法,分析了改进算法参数的设置问题.为了验证改进算法的有效性,文章对标准测试数据集中的数据进行了测试.最后,将标准测试数据改编成符合带用户满意度的多目标实时车辆路径问题模型的测试数据,并用改进算法进行求解.实验结果表明,本文提出的问题模型和改进算法是可行的、有效的.     

蚁群优化算法在图书配送路径规划中的应用研究

针对图书物流配送中的多目标优化问题,提出一种基于蚁群优化算法的图书配送路径规划模型,使配送成本最小化。首先对图书物流配送路径规划模型进行分析,并选择作业成本法对成本目标进行优化;然后采用单亲遗传混合蚁群算法对建立的模型进行求解,解决全局优化问题和求解效率问题。以某图书配送中心为例进行优化仿真测试,验证了模型的有效性。相比传统的人工方案,采用的图书物流配送路径规划模型及单亲遗传混合蚁群算法的配送方案有效降低了物流配送作业的成本。     

基于遗传-蚁群混合算法的农产品物流信息平台的研究

本文设计的农产品物流信息服务平台既是一个政务平台，同时也是一个国际化和区域化相结合的农产品物流信息服务平台，实现了农产品流通全程跟踪和质量安全可追溯，建立了农产品准入和备案管理制度，并且提出了利用遗传算法与蚁群算法结合的有效配送车辆调度优化方法。     

基于蚁群算法的网络层析故障链路诊断

为了解决网络层析成像中链路故障诊断的NP难问题,提出一种基于蚁群算法的故障链路诊断方法。首先将问题建模成一个组合优化问题,利用蚁群算法在解决组合优化问题中独特的优势进行求解。不同于传统的蚁群算法,求解故障链路时蚁群在初始放置点和可行路径上都受约束。为了加快算法的收敛速度,对蚁群算法的初始信息素浓度进行优化。仿真结果表明,所提出的算法在故障链路检测中具有较好的精度和召回率。     

基于并行蚁群算法的无人机协同任务/航迹规划应用研究

无人机协同任务/航迹规划问题具有多类复杂的约束条件,针对该问题本文提出并行蚁群算法的求解思路。首先采用蚁群算法构造无人机航迹的解空间,然后对解空间提出基于整数编码的遗传算法,对参与作战的无人机、目标任务、可选航迹进行编码,来提高解空间的求解效率。本文以无人机的SEAD任务为想定,对单任务进行了仿真实验。结果表明,并行蚁群算法可以有效地解决无人机协同任务/航迹规划问题,满足各类约束条件,提高问题解的可行性。     

基于改进蚁群算法的车辆路径优化模型

在分析基本蚁群算法的基础上,针对交通路径的特点,提出了适合于求解路径规划的改进型算法。在原有算法的基础上引入了启发式因子,提高了算法初期的收敛效率,减少了计算。详细分析了参数α,β对蚁群算法速度与结果准确性的影响,提出了参数自适应调整的方案,提高跳出局部优解的能力以及算法的全局收敛性。改善了解的质量。根据仿真结果,将改进蚁群算法与基本蚁群算法进行了比较,结果表明改进后的算法各方面均优于基本蚁群算法,验证了改进型算法可行性和高效性。     

基于连续空间优化的蚁群算法

通过对蚁群算法基本理论的研究,从经典的蚁群算法模型中,抽象出解决问题的一般方法,提出了在连续空间优化问题中蚁群算法的模型,在算法中加入了自适应策略用以提高算法的性能,并通过实例分析了连续空间优化问题中蚁群算法的性能,通过仿真实验证明了算法的可行性与实用性。     

基于基因表达式编程的混合蚁群算法简

蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。针对此问题,本文提出了一种先用基因表达式编程生成信息素分布,再利用蚁群算法求优化解的新的混合算法。并通过求解复杂TSP问题的仿真数据实验验证了这种基于基因表达式编程的混合蚁群算法的高效性。     

基于OPENMP求解旅行商问题的并行蚁群算法

蚁群算法具有自组织性、正反馈性、较强的鲁棒性和天生的并行性等优点,不足之处是需要较长的搜索时间.为了解决其搜索时间过长的问题,文中提出了一种并行实现策略,用OPENMP应用编程接口采用C++语言编程实现,能明显减少搜索所用的时间.给出了一种解决旅行商问题(TSP)的并行蚁群算法,并通过串并算法执行时间的比较,说明并行算法的优越性.     

基于分水岭变换和蚁群聚类的图像分割

针对传统分水岭分割算法对噪声敏感和易于产生过分割问题,提出一种新的基于分水岭和蚁群智能聚类的图像分割方法(CWAC,Combining watersheds and ant colony clustering).CWAC方法首先用分水岭变换对图像做初分割,然后用蚁群方法在区域之间进行聚类合并,获得最终的分割结果.CWAC不但成功地解决了分水岭存在的过分割问题,还大大提高了蚁群聚类算法的搜索效率;本文利用分水岭变换后的灰度信息和空间信息,定义了一种新的引导函数,可更准确有效引导蚁群聚类.实验结果表明CWAC可以快速准确地分割出目标,是一种有效的图像分割方法.     

基于改进蚁群算法的机房排课系统设计与实现

针对机房排课中存在利用率不高的问题,将蚁群算法应用到机房排课问题中,建立了机房排课问题的数学模型,研究蚁群算法对机房排课问题的具体解法.实践结果表明,这种改进的蚁群算法提高了排课质量和效率.     

An ant colony optimization algorithm for the redundancy allocation problem (RAP)

This paper uses an ant colony meta-heuristic optimization method to solve the redundancy allocation problem (RAP). The RAP is a well known NP-hard problem which has been the subject of much prior work, generally in a restricted form where each subsystem must consist of identical components in parallel to make computations tractable. Meta-heuristic methods overcome this limitation, and offer a practical way to solve large instances of the relaxed RAP where different components can be placed in parallel. The ant colony method has not yet been used in reliability design, yet it is a method that is expressly designed for combinatorial problems with a neighborhood structure, as in the case of the RAP. An ant colony optimization algorithm for the RAP is devised & tested on a well-known suite of problems from the literature. It is shown that the ant colony method performs with little variability over problem instance or random number seed. It is competitive with the best-known heuristics for redundancy allocation.     

基于遗传蚁群融合算法的混合链路中继卫星资源调度研究

针对遗传算法容易陷入局部最优和蚁群算法初始信息素匮乏的缺点, 提出将遗传和蚁群融合算法应用于中继卫星系统的资源调度问题。通过改进蚁群算法信息素的定义, 利用基于时间窗口序号编码思想, 给出中继卫星资源调度约束条件与目标函数并建立数学模型。仿真分析了融合算法、标准遗传算法和改进蚁群算法的优化特性, 结果表明融合算法是解决中继卫星调度问题的有效方法。     

基于遗传_蚁群算法的多QoS约束组播路由优化算法

提出了一种将遗传算法与蚁群算法融合的新算法,用以满足多QoS约束的组播路由优化。算法首先利用遗传算法生成若干组优化解,将其转换成蚁群算法的信息素初值,然后利用蚁群算法来求取满足QoS约束的最优解。仿真结果表明此算法是有效的,其性能优于文献[6]中算法。