基于改进蚁群算法的战时雷达器材运输调度模型

针对战时雷达器材运输中的有硬时间窗要求的运输调度问题,提出了一种改进的蚁群算法。通过分析其模型的建立,引入最大最小信息素约束,用奖惩因子用于信息素的更新,局部搜索策略2-opt和or—opt。并通过实例进行验证,结果表明,在雷达器材需求点数目和需求量等各种条件已知的情况下,该算法能得到较好的全局最优解,比基本蚁群算法具有更快的收敛速度和更高的收敛精度,并对其它相关的运输调度问题有很强的借鉴意义。     

基于组合优化算法的无人机航迹规划方法研究

根据遗传算法与蚁群算法各自的特点。将两者进行有机结合构成GA-ACO（genetic algorithm-ant colony optimization）组合优化算法，并将其应用在航迹规划路径寻优中以获取高质量的飞行航路。首先采用全局搜索能力强的遗传算法进行全局快速搜索，选取遗传算法得到的较优解集合，构成蚁群算法中初始信息素分布．再利用蚁群算法正反馈机制的特点求精确解，该组合优化算法在克服两种算法缺点的同时发挥了各自的优点，达到优势互补。仿真结果表明，与基本蚁群算法相比，GA-ACO在提高效率的同时改善了解的质量，是可行和有效的。     

基于蚁群算法的测试任务调度优化方法

复杂系统测试通常存在任务复杂、测试时间长、资源浪费等问题,对资源和任务进行合理调度具有重要实用价值。提出基于蚁群算法的测试任务并行任务调度优化方法,对测试问题进行描述,与蚁群算法结合,设计了启发函数、状态转移规则;根据算法流程获得测试时间最短的任务调度序列;针对任务序列多解的问题,提出资源均衡度的评价标准,得到最优的资源任务调度序列。基于蚁群算法解决了复杂测试系统任务调度问题,对某实际测试系统资源任务集进行调度仿真,并与随机穷举法对比验证算法的有效性,结果表明该方法能大大节约测试时间。测试实例与当前常用的半串行测试进行对比,测试效率提升了43.07%;所得结果为最短测试时间任务调度序列中资源均衡度最高的。     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.     

基于改进型遗传和蚁群混合算法的防空兵群火力分配模型

基于改进型遗传和蚁群混合算法的防空兵群火力分配问题,先建立火力分配数学模型,通过第i个火力单位对第j批目标的射击效益,求得所有火力单位对所有目标射击总效益.改进型遗传算法包括:对可行解空间参数编码,设定祖先群体、适应度函数和控制参数等.蚁群算法则通过双向图,将武器分配优化转化为双向寻找最佳路径.     

蚁群算法求解工件尺寸不同的单机批处理问题

针对工件尺寸不同的单机批处理调度问题,提出以制造跨度为优化目标的蚁群算法。通过人工蚁对图进行遍历,形成工件序列;同时采用启发式规则对所得结果进行分批处理,得到问题的解;最后对不同复杂度的算例进行仿真。结果表明,蚁群算法在解决工件尺寸不同的单机批处理问题时,具备优异的性能。但对于不同工件尺寸的多机批处理问题,还有待进一步研究。     

基于局部路径重连的多星测控调度遗传交叉算子

为提高多星测控调度问题简单遗传算法的搜索精度,设计一种基于局部分层路径搜索的交叉算子(local layering path-relinking crossover operator,LLPRCO)。分析多星测控调度问题的遗传算法编码特点,得出解空间的复杂性和基因间较弱的相关性。借鉴路径重连的思想,利用构成初始解和引导解要素的差异性,构建从初始解出发的分层搜索邻域,将邻域中满足模型约束的解作为交叉的结果,并创建2个仿真场景进行验证。仿真结果表明,该交叉算子与具备一定随机特性的交叉算子混合使用能明显提高遗传算法对问题的求解性能。     

遗传-蚁群算法在目标分配问题中的应用研究

针对传统算法很难满足大型水面舰艇编队防空武器的武器目标分配(weapon target assignment,WTA)问题,提出一种将遗传算法融入蚁群算法的混合算法。分析了遗传算法和蚁群算法的优缺点、利用遗传算法快速全局随机搜索能力生成一组粗略解,用其作为蚁群算法的初始信息素,再利用蚁群算法的并行性、正反馈机制,最后求得最优解,并对遗传-蚁群算法与蚁群算法、遗传算法这3种方法进行仿真比较。分析结果证明:遗传-蚁群算法用更少的时间获得最优的火力分配方案,缩短了武器系统反应时间,在求解质量方面有较大优势。     

基于蚁群算法的静电探测器阵列优化设计

采用平面圆阵的被动式静电探测系统可以对远距离目标进行精确的定位．通过对圆阵的布设参数进行优化设计，可以提高静电探测圆阵对目标进行定位的准确性．蚁群算法具有求解快速、能够获得全局优化等优点，因此适合于复杂系统的优化问题求解．对静电探测圆阵的参数优化问题可以用有约束条件的组合优化模型来表示，而采用蚁群算法解决约束优化问题的具体方案经过改进可以应用于静电探测圆阵的参数优化设计．由仿真试验可以证明，算法能够显著的提高优化效率．因此，蚁群算法对解决静电探测圆阵布设参数的优化问题是可行并且有效的．     

海军装备保障物资战时运输路径优化方法

为优化装备保障物资运输路径,提出一种结合弗洛伊德算法与蚁群算法相结合的新方法.通过模拟目前我国海军装备物资储备仓库与海军部队的位置,结合在战时出现的状况,从装备调度指挥员的角度出发,根据运输道路的路况采用等效距离代替实际距离的方法,采用弗洛伊德算法与蚁群算法对等效距离进行优化.实例检验结果表明:该方法能大大简化运算,最大程度上减少蚁群算法容易陷入局部最优的危害,解决了运输道路遭到敌人破坏情况下路径的优化问题.     

基于改进蚁群算法的巡航导弹巡航段航路规划

为提高巡航导弹的突防概率,在对敌防御区域内的目标进行打击时,必须保证它能以较小的被发现概率和可接受的航程接近目标.针对这一问题,提出一种新的航路规划区域粒度控制图--圆径图,对传统的蚁群算法进行了讨论和改进,使其更具智能化,将它们应用于巡航导弹的航路规划问题,详细地考虑了巡航导弹航路规划中的各种影响因素,提出合理的代价函数,进行了仿真计算.仿真结果表明,圆径图和改进后的蚁群算法能够较好地解决巡航导弹的航路规划问题,改进后的算法收敛速度快,全局寻优能力强.     

军事协同巡检路线优化策略

为提高大规模多机器人巡检系统的工作效率,提出了改进的协同蚁群优化算法。该算法为每个巡检机器人设定一个路线优化蚁群,采用共享禁忌表的方式实现不同蚁群之间的信息共享,不同蚁群中的人工蚁采用代价竞争机制进行巡检节点选择,完成路线协同优化。协同蚁群优化算法能够根据巡检节点的分布完成巡检区域的分割与路线优化,提高了巡检区域划分的合理性。仿真实验结果表明,与基于地图分割的优化算法相比,协同蚁群优化算法能够根据巡检任务对巡检区域进行均衡划分,提高了巡检机器人的利用率,减少了整体巡检量,巡检效率得到了显著提升。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

基于蚁群特征选择的相似重复记录分类检测

为实现相似重复记录的检测,提出一种基于蚁群算法特征选择的分类检测方法。将相似重复记录检测看成二分类问题,定义了字符串型、枚举型和日期型3种典型属性类型的相似特征和归一化算法,以两记录的相似特征向量作为分类器的输入进行检测;建立了以召回率、准确率和特征规模综合最优的特征选择多目标优化模型,并根据问题特点将多目标模型转化为单目标模型,应用蚁群算法设计了模型求解算法。最后,用欧氏距离分类法和支持向量机2种分类器验证了该方法的有效性。     

基于元胞蚂蚁算法的防空靶机航路规划研究

防空靶机飞行航路设计是实现靶机有效控制,确保高效完成供靶任务的保障。通过对靶机三维航路规划模型进行分析,给出了元胞蚂蚁算法的航路规划模型的求解方法及算法实现的具体流程,并分别应用蚁群算法和元胞蚂蚁算法进行仿真实验。结果表明:元胞蚂蚁算法克服了蚁群算法收敛速度慢、陷于局部最小值的缺陷,可得到较优的航路。