交叉变异的连续蚁群优化算法

研究了应用于连续空间优化问题的蚁群算法,给出了信息素的留存方式以及搜索策略.另外,针对蚁群算法易陷入局部最优的缺点,在最优蚂蚁周围进行了精细搜索,并加入了自适应的交叉变异算子,从而改进了蚁群算法的全局优化性能.数值仿真结果表明,该算法是一种有效的优化算法.     

一种自适应蚁群算法的研究及仿真

蚁群算法是一种新型的群智能优化算法，自提出以来，因其正反馈性、自组织性以及并行性等优点在很多领域取得了很好的应用。本文介绍了基本蚁群算法的寻优方式和数学模型，并针对其收敛速度慢、易陷入局部最优解的缺点，采用自适应调整信息素挥发因子的值的策略进行改进。并用MATLAB软件运行了改进前后的算法程序，对比求得的结果，证明了所做改进的正确性和有效性。     

一种改进的全景图生成算法

介绍了全景图的生成过程，对目前常见的几种图像拼接算法进行了分析和比较，在此基础上，提出了一种改进的全景图像生成算法．该算法通过对初始图像进行预处理、改进特征点选取方法以及优化特征点匹配过程，提高了全景图像生成的效率和准确性．实验结果也表明，该算法可广泛应用于基于图像的虚拟场景构造等方面．     

任意阵列几种高分辨DOA估计算法的性能比较

许多优秀的高分辨算法只能用于均匀线列阵。在不规则阵列条件下，本文通过扇区内插法把实际阵列等效为虚拟的均匀线列阵，使高分辨阵处理算法能应用于任意阵列。以共形阵为例比较分析了改进的MFBLP、MFBLP、MUSIC、SSM和MSSM在少快拍时的方位估计性能，仿真结果表明这种等效虚拟的方法是可行的且改进的MFBLP在非相干与相干两种信号源情况下的估计性能都优于其它几种高分辨算法。因此，用等效虚拟的方法来实现改进的MFBLP对那些阵列不是均匀线列阵且实时性要求较高的阵处理是可行的。     

基于Dijkstra-蚁群算法的泊车系统路径规划研究

针对智能停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于Dijkstra-蚁群算法(Dijkstra-ACO)的泊车系统路径规划方法.首先利用链接可视图法建立环境模型,并在此环境模型下,采用Dijkstra算法规划出AGV的初始路径;其次,通过引入节点随机选择机制、调整信息素更新方式和限定信息素阈值策略等对基本蚁群算法进行优化改进;最后,选用改进的蚁群算法对初始路径进行优化.结果显示:Dijkstra算法和混合算法均能使AGV有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与Dijkstra算法相比,混合算法能有效提高路径搜索效率,缩短搜索路径长度,改善搜索路径质量,表明该算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划的要求.     

应用改进蚁群算法求解柔性作业车间调度问题

将蚁群算法信息素更新规则进行改进,规定只有产生至今最优解的蚂蚁才能释放信息素,且只更新全局信息素,减少了传统蚁群算法的时间复杂度,提高了问题的求解效率。分析了柔性作业车间调度的特点,选取三个性能指标作为求解目标,设定其求解优先级,并建立相应的调度模型。将改进蚁群算法应用于柔性作业车间调度算例的求解,与其它算法比较,平均解有很大提高,表明了该算法求解柔性作业车间调度问题的有效性。     

一种改进的蚁群算法在工艺规划与车间调度集成优化中的应用

改进标准蚁群算法的执行策略,可提高工艺规划和调度集成问题的求解质量和效率。通过节点集、有向弧/无向弧集、AND/OR关系,建立了基于AND/OR图的工艺规划和调度集成优化模型。提出一种求解工艺规划与车间调度集成问题的改进蚁群优化算法,采用了信息素动态更新策略避免收敛过慢和局部收敛,利用多目标优化策略提高求解质量。仿真结果证明了该算法的有效性。     

基于自适应蚁群优化的Volterra核辨识算法研究

提出了一种基于自适应蚁群优化(AACO)的Volterra核辨识方法。该方法将蚁群算法应用于Volterra时域核的辨识,并能够随着进化次数的增加,自适应调整基本蚁群算法的参数。同时,与相应的基于蚁群优化(ACO)的Volterra核辨识方法进行了对比分析。仿真结果表明,本文提出的方法与蚁群优化辨识方法不论在无噪声环境下,还是在有噪声干扰下,都能得到很好的辨识精度、收敛稳定性和较强的鲁棒抗噪性能,然而,在收敛速度方面,本文提出的方法优于蚁群优化辨识方法。     

基于烟花混合蚁群的移动机器人路径规划研究

目的 以应用于包装车间的移动机器人的路径规划作为研究对象,解决蚁群算法收敛速度慢、寻找到的路径不优等缺陷。方法 引入改进烟花和蚁群融合的方法进行搜索,首先建立移动机器人的栅格地图,其次采用改进烟花算法进行路径粗搜索,将得到的路径作为信息素增量,再运用蚁群细搜索求解。结果 文中方法与传统方法相比,收敛速度得到提高,并寻找到了更优的路径。结论 通过采用融合算法,弥补了烟花寻优的不足,加快了蚁群的收敛,可以对2种算法互相取长补短。     

改进蚁群算法在WSN移动代理路由中的应用

提出一种改进的蚁群算法,将其应用于移动代理在传感器网络路由中。改进算法在移动代理迁移过程中考虑传感器节点的能量和数据传输损耗等因素,对移动代理走过的路径进行局部信息素更新,从而避免蚁群算法所带来的易陷于最优解的缺点,平衡网络负载,提高网络寿命。     

基于改进蚁群算法的码垛机器人路径规划应用研究

目的为解决蚁群算法在码垛机器人路径规划中存在的收敛速度慢、容易陷入局部最优等问题,提出一种人工势场和蚁群算法相结合的方法。方法首先,根据码垛机器人机械手在人工势场中不同节点所受到的合力,对初始信息素进行不均匀分布,以解决蚁群算法初期由于缺乏信息素导致的无效路径搜索。其次,在启发函数的设计中引入码垛机器人机械手在下一节点所受到的合力,以解决蚁群算法容易陷入局部最优的问题。最后,对信息素的更新策略进行改进。按照寻得路径的长度不同,对每次迭代完成后信息素的增量成比例进行更新,并设置最大、最小值,以解决迭代后期路径上信息素过大而使蚁群算法陷入局部最优的问题。结果改进后的蚁群算法收敛速度提升了约51%,寻找到的最短路径提升了约10%。和其他改进的蚁群算法相比,在综合性能上也有一定程度上的提高。结论改进后的蚁群算法收敛更快,寻找的最优路径更短。     

用混合型蚂蚁群算法求解TSP问题

介绍了求解TSP问题的混合型蚂蚁群算法，并以att532(美国532个城市)为例给出了计算实验结果，说明了混合型蚂蚁群算法能改进标准蚂蚁群算法的计算效率和计算结果的质量。     

Solving partner selection problem in cyber-physical production networks using the HUMANT algorithm

The idea of non-hierarchical production networks consisting of autonomous enterprises has been present in scientific community for more than 20 years. Although some global corporations are using their own production networks across continents, they are not similar to the original idea of non-hierarchical production networks in many aspects. It seems that this idea waited for production systems to acquire proper information and communications technology (ICT) or new industrial platforms, like Industry 4.0. The result is a new type of production network called Cyber-Physical Production Network (CPPN). The CPPN is, from ICT point of view, ready to act as non-hierarchical production networks consisting of autonomous production systems with many automated processes. One of the most important processes of the CPPN is a selection of optimal partners (enterprises) to be part of a new virtual enterprise, created inside production network. An optimisation problem emerges in this process, and it is called Partner Selection Problem (PSP). It is non-polynomial-hard combinatorial problem. Since metaheuristic algorithms are well-proven in solving that kind of problem, a specially designed metaheuristic algorithm derived from ant colony optimisation and named the HUMANT (HUManoid ANT) algorithm is used in this paper. It is multi-objective optimisation algorithm that successfully solves different instances of PSP with two, three, four or more objectives.     

一种高效的LEO卫星星座路由算法

针对由小卫星组成的低地球轨道(LEO)卫星星座网络的星上计算能力和存储资源有限,以及传统的星座路由算法虽能很好地适应网络的动态性但对星上计算能力和存储资源的要求都较高的问题,在基于对实际LEO卫星星座网络充分分析的基础上,提出了一种基于离线计算的简洁高效的路由算法.该算法在保证路由有效性的前提下,能够通过使用备份路径来提供流量自适应机制.复杂性分析和仿真结果表明,该算法只需较小的星上存储开销和星上处理开销,而且具有较好的端到端时延性能.该算法简洁、高效的特点使其能作为实际LEO卫星星座网络的实用化路由协议.     

无线传感器网络几类拓扑控制及其抗毁性应用简述

无线传感器网络的拓扑结构随着网络中节点的增加、减少和移动实时变化,为保证网络的连通性和覆盖性不被影响,拓扑控制技术所要解决的问题正是传感器节点如何更好地自组织构建全局网络拓扑．本文首先概述了四类拓扑控制算法的理论基础及算法步骤．然后,对提高网络抗毁性的两类拓扑演化算法进行了详细叙述,即无标度网络生长与构建$k$连通网络,分别构建了基于节点位置偏好的移动网络拓扑模型和基于$k$连通的节点调度优化模型．最后,分别从移动节点的引入、折中控制算法的探索、复杂网络理论的应用和传统算法与智能算法的结合这四方面对拓扑控制算法的前景进行了阐述．     

基于蚁群算法的双分区仓库拣货路径的优化

为提高现代仓库作业中拣货这一核心环节的效率,研究了仓库拣货路径的优化,提出了根据双分区仓库中拣货路径的特点,采用蚁群算法优化求解的拣货路径算法,并通过仿真将该算法的性能与传统穿越策略、S形启发式算法进行了比较。比较结果表明,以蚁群算法优化路径问题可以明显减少路径的距离,具有良好的实用性。     

Sensor Optimisation using an Ant Colony Metaphor

Abstract:  This paper describes an approach to impact detection and location using neural networks and an ant colony metaphor. Given the existence of an effective fault detection procedure, the problem arises as to how the sensors should be placed for optimal efficiency of the detector. In this paper, a neural network is used to locate and classify impacts on a composite panel and the ant colony metaphor is used to determine an optimal (or near optimal) sensor distribution. The results are compared with those from a previous study which used a genetic algorithm for the optimisation phase.     

带时间窗的同时取送货车辆路径问题求解算法

为了整合物流配送过程的退货与送货服务,依据实际情况建立带时间窗的同时取送货车辆路径规划模型,设计一种基于K-means聚类处理的Q-Leaning自启发式蚁群算法解决此类问题。根据配送服务的特性,在基本的K-means算法上作相应的改进,同时提高蚁群算法的局部搜索能力,完成两算法的合理衔接。选用相关文献数据和标准算例进行实验,验证所提算法具有较好的性能,可以解决所描述的此类问题。