基于混合人工鱼群算法车辆拥堵调度方案

研究交通拥堵的有效调度问题,提高调度的效率。针对传统的车辆调度算法在进行车辆调度路径选择时,需要建立一定的预估性约束条件,一旦建立一个的约束条件受阻,会影响其它约束条件的生效,造成算法收敛速度慢、易陷于局部最优、车辆拥堵时调度效率较低的问题。为了解决上述问题,提出使用优先适合启发式算法与人工鱼群算法相结合的混合人工鱼群算法求解拥堵时车辆的高效调度问题,运用鱼群中的觅食、群聚等数学模型,解决约束冲突弊端,进行最优调度路径的准确定位仿真。实验结果表明,混合人工鱼群算法能快速有效的求解车辆拥堵问题,解决了最优调度路径的选择,为求解车辆高效调度提供了参考,具有广阔的应用前景。     

基于人工鱼群算法的混杂FMS优化调度

针对已有的调度方法难以找到混杂柔性制造系统调度全局最优解的问题,根据一阶混杂Petri网模型提出了一种基于人工鱼群算法的混杂柔性制造系统调度方法.利用混杂Petri网不变行为状态序列与时间序列的对应关系把寻找最优解转换成寻找最优时间序列.首先给出了合法时间序列的定义及其基于人工鱼群算法的判定方法;然后给出了最优时间序列求解的人工鱼群算法,同时提出基于最优解视野变异的人工鱼群算法以解决多次优化过程中只会得到某个局部最优解的问题.最后基于这些算法给出混杂柔性制造系统的最优调度求解方法.实验结果表明所提出方法正确有效.     

求解TSP问题的人工鱼群算法

人工鱼群算法在函数优化问题中取得了较好的应用,但在组合优化问题中的应用相对较少。因此,文中用人工鱼群算法来求解TSP问题,并与标准粒子群算法和基本遗传算法进行了比较分析。通过仿真实验对公认的TSP测试数据中算例Oliver30进行测试并与目前已知最优解进行了对比,结果表明,人工鱼群算法解决TSP问题时可以收敛到已知最优解,并且解的质量要优于标准粒子群算法和基本遗传算法。     

求解TSP问题的人工鱼群算法

人工鱼群算法在函数优化问题中取得了较好的应用,但在组合优化问题中的应用相对较少。因此,文中用人工鱼群算法来求解TSP问题,并与标准粒子群算法和基本遗传算法进行了比较分析。通过仿真实验对公认的TSP测试数据中算例Oliver30进行测试并与目前已知最优解进行了对比,结果表明,人工鱼群算法解决TSP问题时可以收敛到已知最优解,并且解的质量要优于标准粒子群算法和基本遗传算法。     

云计算环境下鱼群算法的研究

人工鱼群算法(AFSA)是一新型仿生优化算法,已成功地应用于求解很多组合优化难题。但人工鱼群算法对这些问题的求解主要是在集中式串行的环境下,而云计算环境下应用人工鱼群算法分布式并行对问题进行求解的研究很少。该文应用云计算技术将人工鱼群算法并行化,将人工鱼群算法和遗传算法融合,显著提高了算法求得全局最优解的能力。仿真实验取得了较好的结果。     

大型物流车辆配送线路自适应调度方法

为了有效提高物流配送车辆的利用率,降低配送车辆的空载率及物流运输成本,需要对大型物流车辆配送线路自适应调度方法进行研究。当前方法多是采用通过对物流车辆配送过程中的调度与路径选择进行分析,建立多类型的物流配送车辆调度模型,并构建改进后的遗传算法,对物流调度模型的算法效率以及计算时间和复杂度进行优化,以获取物流车辆配送调度问题的最优解,但该方法存在过程较为繁琐的问题。为此,提出一种大型物流车辆配送线路自适应调度方法。该方法首先建立物流车辆配送线路调度问题的数学模型,为实现自适应调度方法对数学模型进行优化求出最优解,利用蚁群算法对物流车辆配送调度数学模型的最优解进行优化,获取最优路径的适应度初始化蚁群算法的各客户点之间的信息素,从而得出了优化的最优路径;以优化的最优路径完成对大型物流车辆配送线路自适应调度。仿真实验表明,利用蚁群算法不仅加快了物流配送路线调度优化问题求解的速度,降低了物流运输的成本,而且获取了最优解的概率,比其他调度算法具有更明显的优势。     

MC-CDMA系统的神经鱼群算法检测器

为使人工鱼群算法在最短的时间内取得多用户检测问题的最优解,在MC-CDMA系统基础上设计一种神经网络人工鱼群算法。人工鱼的3种神经网络行为使神经网络人工鱼群算法在解决多用户检测该类组合优化问题时,减少搜索的随机性和任意性,加快原鱼群算法的收敛速度。仿真结果证明,该算法能够快速收敛,且其抗多址干扰能力和抗远近效应能力优于已有应用智能算法的多用户检测器。     

一种人工鱼算法与捕鱼算法相结合的优化方法

在分析人工鱼群算法和捕鱼算法存在不足的基础上,提出了一种人工鱼群算法(AFSA)与采用捕鱼策略的优化算法(FSOA)相结合的混合算法。该算法在优化初期使用AFSA算法搜索局部最优域,而在优化后期则使用FSOA算法在优化前期所初步确定的局部最优域中搜索最优解。实验计算结果表明,该算法具有优化精度高、收敛速度快的特点。     

基于改进人工鱼群算法在无线传感网络覆盖优化中的研究

针对无线传感网中的节点存在冗余以及网络成本增加等问题,本文提出了一种改进的人工鱼群算法的覆盖优化.本文首先建立以节点的利用率和覆盖率的数学模型,其次对人工鱼群算法进行改进,一是在初始化阶段使用概率密度函数来对鱼群个体的初始位置进行分布,有效的避免鱼群个体初始无序的状态;二是在觅食阶段中使用混沌算法对鱼群位置个体进行干扰,有效的减少鱼群个体向局部最优解的靠近的时间;三是在聚群行为中使用高斯变异,从而减少全局最优解的产生的时间.改进后的人工鱼群算法对模型求解,得到最优的覆盖方案,仿真实验表明能够有效的提高网络覆盖效果,以及节点的利用率,降低网络成本消耗.     

基于改进人工鱼群算法的车辆轨迹规划方法

针对车联网环境下若干典型车辆轨迹规划方法存在车速与轨迹波动性较大的问题,提出一种基于改进人工鱼群算法的车辆轨迹规划方法。该方法以短程通信（DSRC）的车联网应用场景为设计平台,以车辆的最优行车速度为核心计算基础,分析得到了车辆的最佳轨迹。首先,对人工鱼群算法在车联网应用场景的优势和不足进行分析,引入万有引力力学模型与避障模式控制,提出一种改进的人工鱼群算法;然后,分析车辆在车联网应用场景中的受力约束,利用网联车辆的自组织行为控制策略推导最优行车速度;最后,基于最优行车速度实现对车辆的实时轨迹诱导和轨迹避障控制规划。仿真测试结果表明,在运用了基于改进人工鱼群算法的轨迹规划模型后,车辆的驾驶速度更加平稳,轨迹波动性较小,对障碍物可实现零失误避撞;在多车相遇情况下,测试车辆为2~40时,相对于原人工鱼群算法和萤火虫算法,运用改进人工鱼群算法后车速的平均迭代次数减少,迭代效率提高3~7、4~8倍,且随着车辆数目越多,迭代效率提升越明显。     

一种混沌人工鱼群优化算法

人工鱼群算法是一种群智能全局随机优化算法,存在陷入局部极值和效率低的不足,结合混沌搜索的特点,提出一种混沌人工鱼群优化算法,该算法是用混沌初始化来初始化鱼群,在聚群和追尾行为后进行混沌的遍历性和随机性扰动来使鱼群局部搜索同时摆脱局部极值点。仿真实验结果表明,该算法比基本人工鱼群算法全局能力更强,搜索效率更高。     

人工鱼群算法在桥梁传感器优化配置中的应用

为了实现桥梁结构健康监测传感器的优化配置,用尽可能少的传感器获取尽可能多的反映桥梁结构健康状况的信息,将人工鱼群算法应用于一座拱桥的传感器配置中,利用人工鱼的三种典型行为,解决桥梁传感器优化配置问题。结果表明,人工鱼群算法自适应能力强,收敛精度高,可以实现桥梁结构健康监测传感器优化配置。     

SVM参数优化的AFMC算法

支持向量机的参数选择仍未有系统的理论指导,其优化选择一直是支持向量机的一个重要研究方向。考虑到人工鱼群算法优化支持向量机参数往往易陷入最优参数组合微小邻域的问题,构造了用于支持向量机参数优化的AFMC算法。该算法前期利用鱼群算法较好的并行寻优性能,能快速寻得问题的近似最优解,而后利用MonteCarlo法进行局部寻优,以实现快速、有效地获取强近优解。数值实验结果表明,该算法具有较好的分类性能和较快的寻优速度,验证了在支持向量机参数寻优中的有效性和可行性。     

求解不动点方程的人工鱼群算法*

基于传统迭代算法在求解不动点方程的过程中求解结果与初始点选取有很大关系且很难满足并行性的要求,提出了一种求解不动点方程的改进人工鱼群算法。该算法实现了求解不动点方程的并行性,克服了初始点的影响,同时把Cauchy序列引入到觅食行为中,提高整个算法的求解精度和速度。仿真实验验证了该算法的有效性。     

求解旅行商问题的改进人工鱼群算法*

分析了人工鱼群算法求解组合优化问题的不足,提出一种改进人工鱼群算法。该算法针对旅行商问题的特点,采用随机键表达编码,直接在编码空间模拟人工鱼行为,将城市间的距离作为启发式信息,根据状态转移概率和轮盘赌选择策略进行最优解码,加快人工鱼寻优的速度;设计了三个更新算子来改善人工鱼群的全局搜索能力。最后,结合实例对算法进行了比较和分析。算法测试表明：改进后的人工鱼群算法提高了收敛速度,增强了全局搜索能力。     

基于人工鱼群算法的空洞探测

针对目前解决空洞探测算法复杂度高,近似解不能很好地逼近于最优解等问题,提出了一种基于人工鱼群算法解决空洞探测的方法。该方法将每一条鱼视为一个空洞,将理论时间与观测时间的误差作为鱼游动的标准,以鱼群逐渐向空洞实际位置游动对应的误差逐渐变小为基本思想,将在最小误差情况下对应的鱼群位置作为空洞位置。经计算仿真表明,该算法迭代次数少,复杂度低,能很好地逼近于最优解,是一种解决空洞探测的有效算法。     

改进型支持向量回归预测模型的轧机轧制力预测

对轧机轧制力预测模型进行研究.使用人工鱼群优化算法对支持向量回归(SVR)参数选取进行最优的参数组合,将粒子群优化算法引入到常规人工鱼群算法中,并对其进行改进,提高了人工鱼群算法的性能.研究结果表明:Ekelund模型的轧制力计算结果误差较大,超过了10％,常规SVR预测模型的轧制力预测精度低于10％,而本文研究的改进SVR预测模型得到的轧制力误差低于5％,说明通过人工鱼群算法优化SVR算法模型的参数能够提高预测模型的预测精度,并且预测消耗时间在3种预测模型中是最短的.     

探讨人工鱼群算法的结构和原理

人工鱼群算法是一种基于模拟鱼群行为的优化算法。该文首先分析了人工鱼群算法的定义、觅食以及追尾行为,其次剖析了最优解的获取,并进一步探讨了算法原理及其收敛性。