首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到19条相似文献,搜索用时 93 毫秒
1.
求解旅行商问题的Matlab蚁群仿真研究   总被引:1,自引:0,他引:1  
蚁群算法是一种新颖的求解复杂优化组合问题的模拟进化算法,它具有典型的群体智能的特性,该算法的主要特点是正反馈、分布式计算、鲁棒性和并行性等,在许多领域都得到了成功应用;文章首先简述了蚁群的觅食行为及蚂蚁的信息系统,其次介绍了人工蚁群算法的基本原理及其主要特点,介绍了蚁群算法的模型和算法框图,并用蚁群算法对旅行商问题(Traveling Salesman Problem,TSP)进行了matlab仿真实现(设置蚂蚁个数31,启发式因子为1,期望启发因子为5,信息素的挥发系数为0.1,最大迭代次数为200,信息素强度系数为100,城市个数为31,用蚁群算法得出了31个城市的TSP最短路径和收敛曲线);最后介绍了近年来蚁群算法及其在组合优化中的应用研究成果,并对蚁群算法未来的发展方向进行了探讨.  相似文献   

2.
蚁群算法在数据挖掘中的应用研究   总被引:18,自引:1,他引:18  
蚁群算法是一种新型的模拟进化算法,在求解复杂的组合优化问题中获得成功并表现出良好的性能。文章介绍了蚁群算法在分类和聚类两个重要的数据挖掘任务中的应用研究情况,阐述了算法的基本原理及特性,最后总结了蚁群算法在数据挖掘应用中尚待解决的问题。  相似文献   

3.
运输调度问题的蚁群算法研究   总被引:3,自引:0,他引:3  
蚁群算法是一种用于求解复杂组合优化的较新的启发式算法.本文简述了蚁群算法的基本原理及算法模型,通过分析研究现状指出了蚁群算法在实际应用中的局限性,最后给出解决一般运输调度问题的蚁群算法,并分析了其今后的发展方向.  相似文献   

4.
为了保障服务组合优化过程中的QoS数据的真实性,提出了一种基于超级账本平台的可信框架;同时为了提高服务组合的优化效率,提出了一种蚁群因子的差分进化算法的服务组合优化方法(ACOF-DE)。首先,在超级账本平台上部署相应节点,构建可信框架,保障候选服务的真实性;然后,将所提出的算法以智能合约的形式,在区块链上对服务组合的优化问题进行求解,使组合过程在可信的环境下执行。该算法通过引入多种蚁群因子,比如蚁群路径因子、最优蚁群因子、信息素因子以及基于蚁群因子的差分计算,帮助算法动态控制搜索空间、记录迭代过程中的关键信息,以提高算法优化能力。最后,通过仿真实验证明可信框架可以有效地保障数据的可信;ACOF-DE相比其他智能优化算法拥有更佳的优化效率。  相似文献   

5.
蚁群算法在混流装配线调度问题中的应用   总被引:9,自引:0,他引:9  
混流装配线的调度问题是JIT生产方式中的一个重要问题, 蚁群算法具有通用性、 鲁棒性、并行搜索的优点,可以解决多种组合优化问题.本文利用新颖的蚁群算法解决了混 流装配线的调度问题,得到了较优的可行解(优于目标追随法、模拟退火算法和遗传算法).  相似文献   

6.
蚁群算法是一种模拟进化算法,根据信息素更新策略的不同,蚁群系统模型分为蚁密系统、蚁量系统和蚁周系统。本文对三种模型的原理、特点进行研究,并通过仿真实验分析三种模型的性能及参数对其性能的影响,进而提出的参数优化规则,有利于蚁群算法在组合优化问题中的推广和应用。  相似文献   

7.
蚁群优化算法(ACO)是一种解组合优化问题的“元启发式”算法,也是一种结合了正反馈和贪婪搜索的基于种群的新方法。其思想及其应用产生于上个世纪90年代,而“蚁群优化(Ant Colony Optimization)”的确切提出则只有5年左右的时间。作为一种全新的启发式搜索算法,它在TSP,二次分配(Quadratic Assignment)和网络路由上所获得的结果完全可以与其他最优的启发式算法相媲美,甚至超越它们,并已成为当前最成功的群体智能系统之一。  相似文献   

8.
蚁群算法及其改进形式综述   总被引:6,自引:0,他引:6  
蚁群算法是一种具有许多优良特性的模拟进化算法,已经成功地解决了许多复杂的组合优化问题。但是蚁群算法并不完善。本文介绍蚁群算法的模型及其存在的问题,并综述蚁群算法的多种改进形式,最后对蚁群算法将来的研究方向作出预测。  相似文献   

9.
蚁群算法是一种求解组合优化问题较好的方法。在蚁群算法的基本原理基础上,以旅行商问题为例,介绍了该算法求解TSP的数学模型及具体步骤,并通过仿真实验与粒子群优化算法等方法比较分析,表明了该算法在求解组合优化问题方面具有良好的性能。  相似文献   

10.
蚁群算法及其应用研究进展   总被引:11,自引:2,他引:9  
蚁群算法作为一种仿生进化算法,是受到真实蚁群觅食机制的启发而提出的.首先介绍了蚁群算法的基本原理和工作机制,然后分别就蚁群算法的理论和应用的研究现状进行了综述,主要包括蚁群算法的参数设置,蚁群算法的改进,蚁群算法的收敛性以及蚁群算法在组合优化问题和连续优化问题中的应用,并进一步给出了它们的研究重点和发展方向,最后是关于蚁群算法的研究展望和面临的挑战,提出了蚁群算法研究中值得探讨的一些课题.  相似文献   

11.
基于混合蚁群算法的物流配送路径优化   总被引:2,自引:0,他引:2  
基本蚁群算法在优化过程中存在搜索时间长、易陷入局部最优解的缺点.研究构造了一种基于蚁群算法的混合算法,利用蚁群算法首先求出问题的基本可行解,采用遗传变异中的单亲逆转算子进行再次优化,求得问题最优解.对物流配送路径优化的仿真试验表明,相对于基本蚁群算法和遗传算法,混合算法的优化质量和效率更优.  相似文献   

12.
啤酒配方优化是提高啤酒企业生产效率的重要途径。但对于配方优化问题,传统的数学优化方法实现较为复杂,缺乏全局最优解搜索的鲁棒性。蚁群算法目前多用于组合优化问题,但它在演化过程中有收敛慢、耗时长的缺点。因此,提出了变尺度蚁群算法,在迭代过程中不断收缩蚂蚁的搜索范围以提高优化效率。并研究了变尺度蚁群算法在啤酒配方优化中的应用,在满足生产指标前提下,实现配方的原料总成本最低。其应用结果表明:针对啤酒配方优化这类连续域问题,变尺度蚁群算法具有更强的全局搜索能力和鲁棒性,并易于实现,具有实际应用价值。  相似文献   

13.
蚁群算法是一种新型进化算法,它提供了解决组合优化问题的框架,但存在着易陷入局部最优解的缺陷。在时序电路测试生成的应用中,通过限制信息素浓度变化范围以及自适应改变信息素挥发因子,在保证算法收敛速度的条件下,提高了算法的全局搜索能力,克服了上述缺陷。实验结果表明,基于该算法的测试生成取得了较高的故障覆盖率和较快的测试生成速度,能够满足实际应用需求。  相似文献   

14.
自适应调整信息素的蚁群算法   总被引:71,自引:2,他引:71  
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法.基于群体的协作与学 习,该算法已经成功地解决诸如TSP问题等多种组合优化问题.本文提出了一种基于自适应 调整信息素的改进蚁群算法.该算法根据人工蚂蚁所获得解的情况,动态地调整路径上的信 息素,从而使得算法跳离局部最优解.通过仿真实验获得的结果表明,该算法对于蚁群算法 具有较好的改进效果.  相似文献   

15.
蚁群算法是一种模拟进化算法,它通过模拟蚂蚁搜索食物的过程,达到求解比较困难的组合优化之目的.混沌优化算法利用混沌序列精致的内部结构,以及它的随机性、遍历性和初值的敏感性来提高优化算法的效率.本文将混沌优化算法嵌入到蚁群算法中,充分利用了两种优化算法的优点,即蚁群算法的高精度性和混沌优化算法的快速性.用国际标准函数对该昆合算法进行验证,并对一台的永磁同步电动机(PMSM)进行优化,取得了满意的优化结果,为永磁同步电机的设计提供了一种新的有效方法.  相似文献   

16.
蚁群算法是一种源于大自然生物界的仿生进化算法,具有自组织性、正反馈性、较强的鲁棒性和分布式计算等特性,且易于与其它算法相结合,在众多的复杂组合优化领域中有着广阔的应用前景。首先对蚁群算法的理论及其重要参数进行了阐述,继而分析了其在参数优化和智能融合方面的改进与应用;然后对其在车间作业调度问题、车辆路径问题、图像处理、电力系统优化等领域的应用进展进行了综述;最后对其理论研究和应用领域可能存在的问题及对策进行了探讨和展望。  相似文献   

17.
一种快速全局优化的改进蚁群算法及仿真   总被引:33,自引:0,他引:33  
在介绍基本蚁群算法原理的基础上,对其作了许多改进以提高其全局优化寻优速度,并给出了详尽的新算法编程仿真实现步骤,最后将未改进的基本蚁群算法与本文改进后的蚁群算法分别应用于TSPLIB中的Att532TSP问题进行了仿真实验.仿真研究表明,改进后的算法具有优良的全局优化性能,效果令人满意.􀁱  相似文献   

18.
随着科学技术的不断发展,最优化理论及其衍生出的算法已经广泛应用于人们的日常工作与生活当中,现实世界中的很多问题都可以被描述为组合优化问题。群智能优化算法这些年来被证明在解决组合优化问题方面效果显著,将当下处于研究热点的量子计算概念引入群智能优化算法形成的量子群智能优化算法,为更好地解决组合优化问题提出了一个新的研究方向。在过去的二十多年里,许多量子群智能优化算法被不断开发出来,同时在此基础上进行了大量改进与应用。综述了量子蚁群算法、量子粒子群算法、量子人工鱼群算法、量子人工蜂群算法、量子布谷鸟搜索算法、量子混合蛙跳算法、量子萤火虫算法、量子蝙蝠算法等量子群智能优化算法,并对量子群智能优化算法面临的问题以及未来研究方向进行了深入探讨。  相似文献   

19.
基于二次分配问题的混合蚁群算法   总被引:2,自引:0,他引:2       下载免费PDF全文
二次分配问题是组合优化领域中经典的NP-hard问题之一,应用广泛。在对二次分配问题进行分析的基础上,提出了一种求解该问题的混合蚁群算法。该算法通过在蚁群算法中引入遗传算法的2-交换变异算子,增强了算法的局部搜索能力,提高了解的质量。实验结果表明,该算法在求解二次分配问题时优于蚁群算法和遗传算法。  相似文献   

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