改进蚁群算法及其仿真

蚁群算法是近几年优化领域中出现的一种启发式仿生类并行智能进化算法,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。本文提出了一种改进型的蚁群算法,引入了搜索方向,并对信息素的更新方式进行了改进。仿真实验证明,改进后的蚁群算法能够获得较好的控制效果。     

汽车引擎盖焊接路径的自适应混沌蚁群规划方法

为了实现汽车引擎盖焊接路径最优规划,提出了自适应混沌蚁群算法的焊接路径规划方法.建立了焊接机械臂运动学模型和引擎盖焊点路径优化模型;分析了蚁群系统算法原理,对局部信息素更新和全局信息素更新方法进行了改进;在局部信息素更新方面,以蚂蚁聚集度为路径多样性度量依据,提出了局部信息素随蚂蚁聚度自适应更新方法;在全局信息素更新方面,鉴于混沌系统的随机性和遍历性,提出了全局信息素混沌扰动更新方法,用于增加信息素分布的多样性和随机性;基于以上两点改进,提出了自适应混沌蚁群算法.经验证,全局信息素更新方法和局部信息素更新方法均能够提高算法性能,两者叠加可以更大程度改善算法性能;将自适应混沌蚁群算法应用于引擎盖焊接路径规划,得到了最短焊接路径,长度为6.2m.     

基于改进蚁群算法的PID参数优化

一般传统PID控制器参数优化都采用Ziegler-Nichols法,由于其无法获得满意的动态指标,因此本文提出一种基于改进蚁群算法的PID控制器参数优化方法。蚁群算法是一种仿生进化算法,其采用分布计算机制,具有较强鲁棒性。本文提出的改进蚁群算法,可自适应调整路经上的信息素,并将各路径上的信息素强度限制在某个区域内,以避免搜索停滞。仿真实验表明该方案可行。     

多阶段自适应蝙蝠-蚁群混合群智能算法

针对蝙蝠算法在优化过程中未充分利用蝙蝠间搜索信息交互影响的不足,借鉴拟态物理学中的作用力规则,基于阶段性搜索策略将搜索过程分为两个阶段,分别构造符合算法阶段性搜索特点的作用力规则,提出多形态作用力蝙蝠算法,并利用Benchmark函数对所提算法与标准蝙蝠算法、变异蝙蝠算法、标准微粒群算法、两阶段微粒群算法进行性能对比测试,结果表明,所提算法具有更好的寻优能力.针对标准蚁群算法在离散空间优化时信息素更新机制单一、容易早熟收敛的不足,结合蚁群的实际社会活动提出多阶段自适应信息素机制蚁群优化算法,并在算法出现长时间停滞时,引入混沌算子使算法跳出早熟收敛,更好地发挥蚁群算法的优势,相对于标准蚁群算法、引入差分进化算法交叉变异机制的混合微粒群算法、基于动态局部搜索蚁群算法,所提算法在旅行商问题中具有更高的寻优精度、更好的稳定性.为综合不同群智能算法的优势,针对多形态作用力蝙蝠算法全局搜索能力强、收敛速度快,多阶段自适应信息素机制蚁群优化算法局部精细化能力强的特点,将两种算法串行混合,提出了多阶段自适应蝙蝠-蚁群混合群智能算法.最后,通过液压系统可靠性优化和串-并联多态系统可靠性优化实例,验证了所提混合群智能算法的有效性.     

求解柔性作业车间调度问题的两阶段参数自适应蚁群算法

针对柔性作业车间调度问题,提出了一种新的两阶段蚁群算法求解方案。在算法前期,采用细菌觅食趋化聚类技术判断蚁群所处的状态,自适应调整蚁群算法的参数,使算法快速收敛到全局最优解附近;在算法后期,利用混沌的随机性和遍历性特点来调整参数,有利于算法跳出局部最优。实验结果验证了该两阶段法的有效性。     

改进ACO在移动机器人路径规划中的研究

针对基本蚁群算法(ACO)易陷入局部最优和收敛速度慢的特点,提出了一种在复杂静态环境下移动机器人路径规划的蚁群优化改进算法。该算法通过限制信息素的范围,扩大了搜索范围,避免了算法的过早收敛,同时还提出了一种自适应调节信息素挥发系数的改进蚁群算法方略,旨在通过自适应的调整信息素挥发系数来提高算法的全局性和算法的收敛速度。算法还利用粒子群优化算法对蚁群算法中的关键参数进行优化,从而避免了参数选择的随机性和盲目性,提高了最优路径的搜索效果。仿真结果显示,改进蚁群算法在移动机器人路径规划中的有效性和普遍应用性,在任意随机给定的环境中,算法能够迅速找出最优路径。     

引入变异算子的改进贪心和蚁群混合算法

为求解旅行商问题,对一种改进的2-opt和蚁群混合算法进行了改进,引入了贪心算法和变异算子,解决了算法求解过程中随着迭代次数增加,局部最优解路径上信息素浓度过高的问题,避免了算法运行后期信息素浓度与节点距离对状态转移概率计算影响度失衡的不足,增加了路径的多样性,为解决蚁群算法易收敛于局部最优解的不足提出了新的思路。最后采用差分进化算法对算法参数进行了优化。使用改进后的算法求解旅行商问题,验证了算法改进的可行性和有效性。     

应用混合遗传蚁群算法求解柔性车间调度问题

将遗传算法和蚁群算法结合用于作业车间调度.该方法利用了遗传算法快速随机的全局搜索能力和蚁群算法并行分布式正反馈机制,同时避免了蚁群算法因初始信息素缺乏收敛速度慢及遗传算法因缺少反馈机制容易陷入局部最优的缺陷.仿真计算结果验证了该方法的有效性.     

一种新型蚁群随机树的机器人路径规划算法

为提高复杂环境下机器人的路径规划效率,提出了一种用蚁群算法来优化随机树算法的新的全局路径规划算法。该算法有效地结合了蚁群和随机树算法的优点,利用随机树算法的高效性快速收敛到一条可行路径,将该路径转换为蚁群的初始信息素分布,可以减少蚁群算法初期迭代; 然后利用蚁群算法的反馈性优化路径,求得最优路径。仿真实验表明,该蚁群随机树算法可以提高机器人路径规划的速度,并且在任何复杂环境下迅速规划出最优路径。     

一种基于信息素传递的GIS网格任务处理算法

本文在分析蚁群算法模型缺陷的基础上,提出一种与真实蚁群系统更加相符的基于信息素传递的蚁群算法,并提出了一种适合该算法的任务分配网格模型,该网格模型能对GIS海量数据进行有效的处理.并进行实验分析验证了其独特的效果.     

基于蚁群算法的车间配送路径优化的仿真研究

介绍了蚁群算法的基本原理及算法的实现,并用蚁群算法来解决车间配送系统中的路径优化问题.通过VC6.0进行实例仿真,取得了很好的搜索效果,表明该方法能有效的发现最优解.     

虚拟制造单元重构中资源选择问题研究

为了在保证交货期的前提下，尽可能有效地对制造资源进行优化组合，降低制造费用，提出了根据产品开发的需要进行单元重构。在产品多工艺路径的制造方式下，建立了以满足工件交货期为前提，制造费用最小化，利润最大化的资源选择与分配问题的数学模型，并给出了与传统资源选择方法完全不同的一种蚁群优化与遗传变异操作相结合的算法。该资源选择首先产生若干个多工艺路径中可能的资源配置，再以此为初始解空间，采用基于动态信息索更新策略的蚁群优化算法，进行寻优搜索，并应用遗传算法中的交叉和变异策略，拓展可行解空间，直至得到满意解。通过实例表明，蚁群遗传算法收敛速度快，并能得到最优解。     

基于混合优化算法的装配线平衡问题

为求解给定装配线生产节拍、最大化装配效率的装配线平衡问题,根据装配线的特点和平衡优化需求,分析了装配作业顺序、站位数量等因素对装配线站位内作业分配的影响,综合考虑装配线平衡率和平滑系数,建立了装配线平衡问题数学模型,并设计了一种结合遗传算法(Genetic Algorithm,GA)、蚁群算法(Ant Colony Optimization algorithm,ACO)的混合优化算法进行求解。采用遗传算法进行快速随机的全局搜索,并生成信息素矩阵初始分布,利用蚁群算法进行精确求解。最后通过标准案例测试,证明了该混合优化算法具有更高的优化效率,同时验证了算法的可行性和有效性。     

基于蚁群算法的圆柱齿轮优化设计

蚁群算法是优化领域中新出现的一种仿生学算法。本文介绍了蚁群算法的基本原理、模型和算法实现过程,并采用该算法对圆柱齿轮进行了优化设计。计算结果表明,该算法计算效率高,不失为一种多参数复杂约束条件下的有效的优化算法。     

改进蚁群算法在多用户检测技术中的应用

介绍了改进蚁群算法在CDMA多用户检测技术中的应用。通过分析系统框图、改进蚁群算法的性能,对将其利用于多用户检测技术中的可行性进行了理论阐述并进行了仿真。结果表明,本文提出的多用户检测器可以有效的解决多址干扰和抑制远近效应,其性能接近最优多用户检测器,优于传统检测器。     

基于GIS的应急物资配送路径优化算法研究

为了保障人民群众生命财产安全,应急物资的快速、安全配送是非常重要的,将GIS应用于应急物资配送中,结合计算机技术,将优化路径可视化,有效的提高配送效率。论文提出一种配送模型,用蚁群算法解决,利用Delphi编程,系统实现路径优化功能。     

基于自适应蚁群算法的矩形件排样优化

蚁群算法是一种新型的进化算法,但它与其他进化算法一样也存在容易陷入局部搜索空间等缺陷。将蚁群算法引入到矩形零件的排样优化问题中,根据待排矩形零件面积和长宽比对每个蚂蚁节点赋予一定的初始信息量,同时对基本蚁群系统中的状态转移概率与信息素挥发因子做了适当改进,使其拥有自适应调节作用,从而有效的避免了蚂蚁长时间陷入局部搜索空间,使算法能在较短的时间内收敛到全局最优或近似最优解。最后两个实例表明,此算法用于求解矩形件排样问题是有效的。     

基于蚁群算法的LED分拣路径优化

提出基于蚁群算法对LED芯片分拣路径进行优化。对分拣工作芯片块间移动策略进行分析,降低盘片变形。在此基础上采用蚁群算法,建立分拣路径的全连接无向图并对分拣时间、分拣路径模型进行建模和优化。对蚂蚁数量、蚁群算法的时间复杂度、信息素挥发因子等参数进行优化。试验表明,该方法与传统方法相比能够缩短分拣时间,提高效率,为LED芯片分拣路径规划提供了一种有效的方法。     

基亏蚁群算法的电子装配工艺优化研究

针对电子装配过程中效率低下的问题,提出了基于蚁群算法的电子装配过程中焊接工艺优化算法。该算法利用蚁群信息素反馈机制和概率选择机制,很好地解决了电子装配过程中不同特性元器件及其对应印制板焊盘操作顺序的优化问题,并应用C＋＋语言编制计算程序,实现对算法的快速求解,最后通过实例验证了该算法的可行性和有效性。通过蚁群算法在电子装配工艺优化中的合理应用,提高了电路板焊接速度与盾量,极大地提升了生产效率和高端电子产品装配的可靠性。