量子蚁群算法在压力容器优化设计中的应用

建立压力容器的优化设计数学模型,利用一种新型的优化算法——量子蚁群算法对压力容器的主要参数进行优化设计。量子蚁群算法在蚁群算法的基础上引入量子理论,该方法能尽快搜索到较理想的下降方向,提高了算法的收敛速度。具体应用实例表明,基于量子蚁群算法的优化设计切实可行,显示量子蚁群算法在化工设备优化设计问题上的可用性。     

蚁群优化算法研究综述

介绍了蚁群优化算法的基本原理、流程和研究现状,重点评述了近年来蚁群优化算法在组合优化和连续优化两个领域的研究现状,并展望了这一领域的研究方向。     

求解生产批量计划问题的改进量子进化算法

针对遗传算法和粒子群算法在求解生产批量计划问题中易陷入局部最优解的问题,提出了改进的量子进化算法.对各周期项目计划产量的决策变量进行基于概率幅的量子比特个体编码,在迭代求解的过程中通过约束违反度比较个体的支配关系,有效指导种群向合理解进化,并根据当前迭代次数动态调整旋转角机制控制基因位的坍塌速度,在进化后期尽量保留最优个体的基因信息以提高算法的收敛速度和求解精度.实验结果表明了该算法的有效性.     

量子蚂蚁算法及其在箱形盖板优化设计中的应用

在蚁群算法的基础上中引入量子理论,将一种新的基于Delta势阱的具有量子行为的量子蚁群算法应用到箱形盖板的优化设计中,优化计算结果表明,量子蚁群算法应用于机械优化设计可获得较好的效果,为复杂的机械优化设计问题提供了新的思路和方法。     

混合蚁群算法的研究及其应用

蚁群算法较强的鲁棒性、寻径过程的并行性以及易于与其他启发式算法结合的特点,使得蚁群算法吸引了越来越多研究者的注意。分析了各种混合蚁群算法,总结了蚁群算法与其他智能算法相结合的方法,针时QoS路由寻优问题验证混合蚁群算法,通过比较混合蚁群算法和基本蚁群算法的仿真结果,进一步说明混合蚁群算法的有效性和可行性。     

改进蚁群算法求解圆排列问题

圆排列问题是典型的NP完全问题,且蚁群算法已成功地解决了许多组合优化的难题.介绍了一种求解圆排列问题的蚁群算法,并通过改变概率、下一个元素的选择方式以及采用分段交换,对求解圆排列问题的蚁群算法进行了优化.提出了一种改进的蚁群算法,并将其应用于求解圆排列问题.仿真实验的结果表明,该方法有效地改善了蚁群算法的搜索时间较长,且易于过早地收敛于非最优解的缺陷.     

一种改进的遗传蚁群混合算法

遗传算法是一种并行、高效、全局搜索的现代智能优化算法,在计算机、自动控制等领域广泛应用。针对传统蚁群算法易于陷入局部最优的缺陷,提出一种改进的遗传蚁群混合算法,经验证,该算法在算法性能方面确实得到进一步提升。     

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。     

蚁群算法的连续空间算法研究

通过对基本蚁群算法的分析，构造了一个连续空间的蚁群算法，给出了算法要点，并对其进行了简要分析。实例运算证明了算法的有效性，对连续空间的蚁群算法研究具有积极意义。     

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。     

基于蚁群算法的机械优化设计

介绍了蚁群算法的原理、模型和算法实现过程。说明了蚁群算法应用于机械优化计算切实可行，为复杂的机械优化设计问题提供了新的思路和方法。     

基于MATLAB的蚁群算法仿真研究

介绍了基于MATLAB的蚁群算法仿真研究,对佛罗里达州六城市旅行商问题进行了MATLAB仿真,计算结果显示,作为新型进化算法,蚁群算法能够解决复杂组合优化问题.     

混沌蚁群算法及其在连续域优化中的应用

蚁群算法是一种新型的模拟进化算法,该算法采用分布式并行计算和正反馈机制,具有较强的鲁棒性,易于与其他方法结合,目前在很多优化领域中得到了广泛应用,但是进化速度慢,易陷入局部最优是其最主要的缺点。本文在基于网格划分策略的蚁群算法的基础上,结合混沌理论,提出了混沌蚁群算法。在算法初始化和信息素更新方面提出了改进,采用了MAX-MINAntSystem的思想对路径上可能的残留信息素进行了限制,通过实例验证,证明了该算法是有效性。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性.     

基于蚁群算法的选择装配

选择装配是一种由低加工精度零件获得高精度装配件的方法,可归纳为一个组合优化问题,蚁群算法是解决这类问题的有效方法.综合考虑选择装配中的匹配率和匹配精度,提出以综合装配质量指标为选择装配的目标函数.为了求解选择装配的组合优化问题,在蚁群算法的框架内提出一个考虑信息素分布为节点模式的蚁群算法解构造图模型,并详细讨论蚁群算法的实现过程.通过对实例的仿真计算,考证该方法的实效性.     

蚁群算法在故障诊断中的应用

对蚁群优化算法进行研究,并进一步将其应用于生产设备的故障诊断中,建立相应的故障诊断模型.根据某化学反应器在生产过程中的实测数据,提取不同状态下反应器的状态特征值,并应用训练后的诊断模型进行诊断.实验结果表明,诊断结果准确,是解决故障诊断问题的良好途径.     

基于FPGA的蚁群算法硬件实现

蚁群算法的硬件实现是仿生硬件领域的一个分支,也是蚁群算法发展的高级阶段.该文介绍了蚁群算法硬件的主要特点;着重介绍了基于现场可编程门阵列(FPGA)的蚁群算法硬件实现方案;展望了蚁群算法硬件实现领域未来的研究方向和内容.     

用于连续函数优化的改进蚁群算法

主要综合了蚁群算法、遗传算法、差异演化算法三者优点.在连续空间中,以蚁群算法为主要寻优思路,采用遗传算法中的交叉、变异及差异演化算法的变异方式增加群体多样性;采用自适应的交叉、变异概率以增强算法的智能性,仿真实验获得了较好的效果.