首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 422 毫秒

1.  粒子群位置转移和最近邻居选择的多线程蚁群算法  
   林天建  余春艳《数字社区&智能家居》,2007年第3卷第14期
   本文提出了一种多线程的高速收敛蚁群算法,该算法在MMAS基础上,采用多线程来实现其蚁群算法并行机制以减少寻路时间,同时结合粒子群算法中粒子位置转移的机制,采用一种新颖的最近邻居选择策略、并进行动态信息素更新策略,以保证在每次搜索中,都能迅速向较优解靠拢.同时,还采取了一种局部变异策略,以对每次搜索的结果进行优化.    

2.  并行设计任务调度的自适应蚁群算法  被引次数:2
   张金标  陈科《计算机辅助设计与图形学学报》,2010年第22卷第6期
   针对将蚁群算法应用于任务规划调度问题求解时存在的计算时间长、易出现停滞等缺陷,提出一种具有自适应功能的蚁群算法.通过设计一种路径选择机制来提高蚁群路径的多样性;以蚁群目标值作为路径信息素变化的依据,设计一个动态因子更新路径信息素;使用变异蚂蚁以一个动态比率替换策略更新蚁群.实例仿真结果表明,文中算法具有较强的全局寻优能力和较高的搜索效率,较好地解决了快速收敛与停滞现象之间的矛盾.    

3.  一种自适应相位旋转的二进制量子蚁群算法  
   洪超  李飞《计算机工程与应用》,2013年第16期
   基于量子进化理论以及蚂蚁群体的寻优策略,结合一种二进制量子蚁群算法,提出了一种自适应相位旋转的二进制量子蚁群算法(Binary Quantum Ant Colony Optimization Algorithm,BQACO)。该算法采用量子比特概率幅表示蚁群信息素,利用伪随机选择策略实现蚂蚁的位置移动,通过自适应相位旋转以及变异操作,实现蚂蚁信息素的动态更新,并有效降低算法早熟收敛概率。通过标准测试函数对其优化性能进行研究,该算法在函数优化的全局寻优能力和快速搜索能力上,均优于二进制量子蚁群算法和连续量子蚁群算法。    

4.  基于变异和信息素扩散的多维背包问题的蚁群算法  被引次数:4
   冀俊忠  黄振  刘椿年《计算机研究与发展》,2009年第46卷第4期
   针对蚁群算法在求解大规模多维背包问题时存在的迭代次数过多、精度不高的不足,提出一种新的高性能的蚁群求解算法.算法将信息素更新和随机搜索机制的改进相融合.首先,基于对较优解的偏爱,采用Top-k策略从每次迭代的k个解中挖掘出对象间的关联距离;其次,以对象为信源借助关联距离建立信息素的扩散模型,通过信息素扩散的耦合补偿,强化了蚂蚁间的协作和交流;最后,利用一种简单的变异策略对迭代的结果进行优化.在通用数据集上的大量实验表明:与最新的蚁群算法相比,新算法不仅能获得更好的最优解,而且收敛速度有显著的提高.    

5.  基于拓展性和魔方变换的自适应蚁群算法  被引次数:1
   马小平  金珠《中国矿业大学学报》,2009年第38卷第4期
   针对传统蚁群算法在求解过程中搜索时间过长、易于出现早熟停滞的缺陷,提出一种具有拓展性的自适应蚁群算法.蚁群综合启发式信息、信息素轨迹和拓展性信息自适应地调整状态转移规则,并采用全局信息素非均匀更新策略,有效增强了蚁群的全局搜索能力.同时,受魔方变换的启发,提出了一种新颖的魔方变异策略,以加快对迭代最优解进行局部优化的速度.旅行商问题仿真验证了文中改进蚁群算法的有效性,其收敛速度、稳定性远高于传统蚁群算法.    

6.  交叉变异的连续蚁群优化算法  被引次数:3
   张火明  高明正  张晓菲《中国计量学院学报》,2009年第20卷第3期
   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.    

7.  动态调整选择策略的改进蚁群算法  被引次数:7
   郑松  侯迪波  周泽魁《控制与决策》,2008年第23卷第2期
   针对蚁群算法存在停滞现象的缺点,提出一种动态调整的选择策略以强化其全局搜索能力.改进的选择策略通过适当刺激蚂蚁尝试具有较弱信息素解,以提高所得解的全局性.给出了新算法仿真实验步骤,并将改进后的蚁群算法与传统蚁群算法分别应用于旅行商问题(TSP)进行仿真实验.仿真结果表明,改进后的算法具有优良的全局优化性能,可抑制算法过早收敛于次优解,有效防止了停滞现象,收敛速度也大大加快.    

8.  一种求解连续优化的蚁群混合算法  被引次数:1
   寇晓丽  刘三阳《西安电子科技大学学报》,2006年第23卷第5期
   针对蚁群优化算法和Alopex算法的特性,将Alopex算法嵌入到改进的蚁群优化算法中.提出一种求解连续空间优化问题的混合算法(ACOAL),ACOAL算法定义了新的蚁群信息素更新规则、蚁群在解空间的寻优方式和蚁群行进策略;同时,结合Alopex算法以加强搜索能力,该算法充分发挥了Alopex算法的快速搜索能力和蚁群算法寻优性质优良的特性,提高了算法的收敛速度,避免了优化算法陷入局部最优。    

9.  改进的蚁群算法求解旅行Agent问题  被引次数:1
   马军  王岩《计算机工程与应用》,2010年第46卷第11期
   蚁群算法是优化领域中新出现的一种仿生进化算法,该算法具有并行、正反馈和启发式搜索等特点,但搜索时间长、易陷入局部最优解是其突出缺点。旅行Agent问题是一类复杂的组合优化问题,目的在于解决移动Agent 为完成用户指定任务,在不同主机间移动时的迁移策略问题。在蚁群算法的基础上,引入变异运算,并且对蚁群算法的全局和局部更新规则进行改进,引入自适应的信息素挥发系数来提高收敛速度和算法的全局最优解搜索能力,从而使得移动Agent在移动时以最优的效率和最短的时间来完成迁移。仿真结果表明,改进的算法在解的性能和收敛速度上均优于相关算法。    

10.  基于蚁群算法的车间作业调度问题研究  
   姬耀锋  党培  郭小波《计算机与数字工程》,2011年第39卷第1期
   对基于蚁群算法的车间作业调度问题求解进行了研究,在分析了传统蚁群算法求解车间作业调度问题容易出现早熟、收敛于局部最优解以及搜索速度慢的缺陷,提出了一种改进的混合蚁群算法。该方法在信息素更新规则上利用信息素局部更新策略和全局更新策略来进行信息素的更新,并将领域搜索与蚁群算法相结合,从而求得问题的可行解。最后,基于benchmarks问题进行了实验仿真,实验结果证明该改进混合算法的有效性及可行性。    

11.  改进蚁群算法及其仿真研究  
   李华伟  任颖  张骏鹏《现代计算机》,2011年第8期
   针对蚁群算法存在停滞现象的缺点,提出一种改进的蚁群算法。该算法基于动态权重的选择策略以强化其全局搜索能力。改进的更新策略以信息素为主,扩大搜索范围,提高蚁群算法的求解性能。仿真结果表明,改进后的蚁群算法在TSP的求解中具有优良的求解性能。    

12.  自适应蚁群差分进化算法  
   拓守恒《计算机工程与设计》,2012年第33卷第7期
   针对传统差分进化算法在求解高维复杂问题时存在通用性差、鲁棒性低、收敛速度慢和求解精度低等问题,提出一种基于蚁群算法的自适应多模式差分变异策略.算法在每代进化中,个体根据各变异进化模式上的信息素大小,采用轮盘赌选择策略选择变异算子,并根据各变异算子对优化所做贡献的大小对信息素进行动态更新,贡献大的变异算子可以获得更多被选择的机会,使得各变异算子发挥其最大性能,从而提高算法的收敛速度和通用性.对5个高维的benchmark函数进行算法验证,实验结果表明,该算法很好的提高了差分进化算法的通用性和鲁棒性,有效地克服了收敛速度慢和早熟等问题.    

13.  一种快速求解旅行商问题的蚁群算法  被引次数:2
   冀俊忠  黄振  刘椿年《计算机研究与发展》,2009年第46卷第6期
   蚁群优化是一种元启发式的随机搜索技术,是目前解决组合优化问题最有效的工具之一.将信息素更新和随机搜索机制的改进相结合,提出一种快速求解旅行商问题的蚁群算法.首先给出了一种新的信息素增量模型,以体现蚂蚁在不同路径上行走时所产生的信息素差异;然后以蚂蚁经过的路径(直线段)作为信息素扩散浓度场的信源,改进了信息素扩散模型,强化了蚂蚁间的协作和交流;最后采用较低复杂度的变异策略对迭代的结果进行优化.在大量通用数据集上的实验表明,该算法不仅能获得更好的最优解,而且收敛速度有显著的提高.    

14.  基于蚁群算法的粗糙集属性约简方法  
   王杨《辽宁石油化工大学学报》,2009年第29卷第4期
   利用蚁群算法的搜索技术,提出了一种基于蚁群算法的粗糙集属性约简方法。该算法将核引入初始信息素分布中,以加快算法的收敛。同时为提高全局搜索能力,根据蚂蚁在搜索过程中所得解的分布状况动态地调解蚂蚁的路径策略和信息量更新策略。实验证明该算法是有效的,具有较好的收敛速度和稳定性。    

15.  基于连续蚁群算法的供水水库优化调度  被引次数:2
   王德智  董增川  丁胜祥《水电能源科学》,2006年第24卷第2期
   针对供水水库优化调度问题,介绍了一种改进的连续蚁群算法。该算法借鉴蚁群算法的进化思想,主要包括局部搜索、全局搜索和信息素强度更新规则。在随机搜索过程中嵌入确定性搜索,以改善寻优性能,增加经验指导,从而加速收敛。将该算法与离散蚁群算法相比较,结果表明,该算法更优越,具有并行化和较强的全局寻优能力。    

16.  基于拥挤度的参数自适应蚁群系统  
   牟廉明《计算机工程与应用》,2012年第48卷第20期
   在蚁群算法中,如何有效处理加速收敛和出现早熟、停滞现象的矛盾一直是一个困难的问题。通过引入拥挤度来加强搜索过程中蚂蚁之间的协调和配合,提出了一种基于拥挤度的参数自适应蚁群算法。该算法采用提前主动预防早熟的策略,将拥挤度嵌入到蚁群算法的状态转移和信息素更新过程中,让局部信息素更新参数随局部搜索状态自适应地调整,全局信息素更新参数随全局搜索状态自适应地调整,大大提高了算法全局搜索能力和自适应能力,同时采用了一种简单有效的变异算法来加快收敛速度。用多个TSPLIB范例进行比较实验,结果表明,改进算法无论是求解质量、稳定性以及收敛速度都有显著提高。    

17.  虚拟制造单元重构中资源选择问题研究  被引次数:2
   冷晟  魏孝斌  王宁生  张文艺《计算机集成制造系统》,2006年第12卷第11期
   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。    

18.  基于蚁群-遗传算法的物化视图选取策略  被引次数:2
   龚安  窦万蕊  王彦《微计算机应用》,2010年第31卷第1期
   将蚁群算法和遗传算法相结合用于物化视图选取问题。利用遗传算法较强的全局搜索能力对蚂蚁每次的搜索结果进行优化改良,并在信息素更新时,同时考虑最优、最差路径上的信息素更新。实验结果表明,该算法不仅提高了解的收敛速度,也成功解决了蚁群算法易“早熟”而引起的停滞现象。    

19.  三维机器人路径规划的一种变异算子蚁群算法  
   李向军  霍艳丽  曾勍炜  徐鹰《计算机仿真》,2015年第32卷第2期
   研究三维空间机器人路径规划问题,由于系统求解时间较长、过早失去解的多样性、易陷入局部最优、个体适应度较差等问题,通过构建三维工作空间模型、引入变异算子和搜索无碰路径策略来解决,提出适宜于三维机器人路径规划的一种变异算子蚁群算法(Mutation Operator Ant Colony Algorithm,MOACA)。MOACA是一种关于模型构造的启发式搜索算法,算法在改进启发式函数设计、选择概率确定、信息素更新策略等基础上,引入逆转变异和插入变异算子,通过选择逆转点反序排列部分路径节点和随机插入路径节点的方法搜索无碰路径,对蚁群算法进行了局部优化改良。仿真结果表明,MOACA在搜索路径、收敛时间、适应度等方面较传统蚁群算法有明显改善,算法是有效可行的。    

20.  混合改进蚁群算法的函数优化  
   陈明杰  黄佰川  张旻《智能系统学报》,2012年第4期
   针对蚁群算法进化速度慢、容易出现停滞现象的不足,探讨了一种基于自适应信息素挥发因子的改进蚁群算法.针对蚁群算法容易陷入局部最优的缺点,提出了一种基于决策变量高斯变异的改进蚁群算法.针对蚁群算法速度慢的不足,探讨了一种基于决策变量边界自调整的改进蚁群算法.将上述3种改进相融合,提出了一种基于自适应信息素挥发因子、决策变量高斯变异和决策变量边界自调整3种改进策略的混合改进蚁群算法.将其应用于函数优化中,仿真结果表明,混合改进蚁群算法在收敛速度和收敛率方面都有很大改进,具有更好的寻优性能.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号