基于蚁群算法的配送路径优化系统研究

充分考虑了路况、天气条件、交通条件等因素对配送的影响,在前人研究的基础上建立了包括车辆配送固定费用和其他相关费用,并带有时间窗约束的以运输费用最小为目标函数的数学模型.最后介绍了系统和数据库的设计思路,结合蚁群算法的基本原理,成功实现了该系统,提高了配送效率.     

基于蚁群算法的配送路径优化系统研究

充分考虑了路况、天气条件、交通条件等因素对配送的影响,在前人研究的基础上建立了包括车辆配送固定费用和其他相关费用,并带有时间窗约束的以运输费用最小为目标函数的数学模型。最后介绍了系统和数据库的设计思路,结合蚁群算法的基本原理,成功实现了该系统,提高了配送效率。     

基于改进蚁群算法的立体仓库三维空间路径优化

拣货作业作为在制造企业仓储系统中重要环节,其工作效率直接影响整个仓储系统的运行速度和工作成本.首先基于现有蚁群搜索算法,研究了将原有的二维平面搜索路线空间扩展到三维空间的改进蚁群算法;其次对改进蚁群算法进行仓储三维空间路径优化研究,针对现有仓库货架模型,将蚁群算法中两点间的直线路径转化成水平与垂直的折线路径将概率模型与禁忌表方法加入到改进蚁群算法,避免局部最优解的情况;最后将改进蚁群算法与其他代表性优化算法比较.实例验证结果表明,改进蚁群算法方法能有效地提高在仓储系统三维空间内路径规划的效率与速度.     

多配送中心大区域配送路径优化

针对多配送中心大区域物流配送的复杂问题,首先构建了相应的数理模型,然后选取蚁群算法作为该模型的求解算法.经过系统分析,结合Visual Basic编程技术实现了配送模型的优化求解,完成了物流配送路径优化系统的开发.最后以晋、冀、鲁、豫4省部分城市和京津地区的实际路径数据为例验证了该模型的有效性,展示了软件系统的实用性、高效性和可扩展性.     

Flying-Ⅴ型仓储布局下的拣货路径优化

为了提高现代仓库作业中的拣货作业这一核心环节的拣货效率,提出了一种以蚁群算法作为优化算法来解决仓库订单拣选的路径优化问题.这种算法采用正反馈机制,其使得搜索过程不断收敛,最终逼近最优解.而根据Flying-Ⅴ型仓库布局的特点,建立了订单拣选优化路径模型,并通过仿真实验,对传统穿越策略,S形启发式算法,蚁群算法三种算法的性能进行了比较,比较结果表明蚁群算法优化拣货路径可以明显地缩短拣货距离,大大提高拣货效率,在实际运用中也具有良好的实用性.     

基于蚁群算法的供应链物资配送系统优化

针对供应链物资配送系统的优化问题，提出了综合配送中心选择和配送路线优化，即在通过遗传算法选好配送中心的基础上，进一步通过蚁群算法（Ant Colony Algorithm）来优化配送路线。并重点讨论了蚁群算法对配送路线的优化。     

改进蚁群算法下的物料配送路径优化研究

为满足混线生产车间物料配送准时化的需求,以配送路径最小为目标函数,满足配送工具装载量、工位时间窗等约束条件,分析并建立了车间物料配送路径优化问题的模型。基于蚁群算法对蚂蚁选择概率作改进,引入确定性和探索性搜索扩大搜索空间,并结合遗传算法里的相关操作,改善全局搜索的局限性和收敛速度,运用改进的蚁群算法对模型求解。最后通过某汽车后桥生产车间实际案例分析,验证了该算法的有效性。为制造企业车间物料配送优化提供了可参考的模型和算法。     

多配送中心大区域配送路径优化

针对多配送中心大区域物流配送的复杂问题,首先构建了相应的数理模型,然后选取蚁群算法作为该模型的求解算法。经过系统分析,结合Visual Basic编程技术实现了配送模型的优化求解,完成了物流配送路径优化系统的开发。最后以晋、冀、鲁、豫4省部分城市和京津地区的实际路径数据为例验证了该模型的有效性,展示了软件系统的实用性、高效性和可扩展性。     

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.     

蚁群算法在电控助力转向系统中的应用

介绍了蚁群算法的基本知识,将蚁群算法引入电控助力转向系统(EPS)中,对EPS结构参数和控制参数进行集成优化,并用MATLAB进行了仿真.结果表明采用集成优化系统的转向轻便性和灵敏性都有了提高,改善了助力特性,从而使设计的结果达到了全局最优.     

一种基于改进遗传算法的车间调度问题研究

作业车间调度是一类求解较困难的组合优化问题,在考虑遗传算法早熟收敛问题结合模拟退火算法局部最优时能概率性跳出的特性,该特性最终使算法能够趋于全局最优。在此基础上,将遗传算法和模拟退火算法相结合,提出了一种基于遗传和模拟退火的混合算法,该算法将模拟退火算法赋予搜索过程一种时变性融入其中,具有明显的概率跳跃性。同时。通过选取Brandimarte基准问题和经典的Benchmarks基准问题进行分析,并应用实例对该算法进行了仿真研究。该结果表明,通过模拟退火算法与遗产算法相集合,可以使计算的收敛精度明显提高,是行之有效的,与传统的算法相比较,有较明显的优越性。     

基于改进蚁群算法的机器人路径规划研究

针对基本蚁群算法在路径规划时出现收敛速度慢,易陷局部最优的问题,提出一种改进的蚁群算法。首先,为使算法在搜索时更具导向性引入方向夹角启发因子减少提高搜索速度;其次,融入A*算法的估价函数思想来改进启发函数,降低死锁可能性;最后,提出基于拉普拉斯概率分布的信息素挥发因子自适应策略,加快了算法收敛速度。多次仿真实验表明,所提出的改进算法能够快速,高效地寻找到最优路径,且路径质量优于基本蚁群算法规划出的路径。     

遗传算法和神经网络在铁谱图象识别中的应用

针对BP算法在神经网络学习中的一些缺点,将遗传算法应用于BP神经网络的网络学习中,提出了一种BP-GA算法。最后,应用神经网络对铁谱图象进行智能识别,实验结果证明它比单纯的BP算法有更佳的结果。     

基于蚁群节点寻优的贝叶斯网络结构算法研究

K2算法是学习贝叶斯网络结构的经典算法。针对K2算法依赖最大父节点数和节点序的不足,以及蚁群算法搜索空间庞大的问题,提出了一种新的贝叶斯结构学习算法-MWST-ACO-K2算法。该算法通过计算互信息建立最大支撑树(MWST),得到最大父节点数;然后利用蚁群算法(ACO)搜索最大支撑树,获得节点顺序;最后结合K2算法得到最优的贝叶斯网络结构。仿真实验结果表明,该方法不仅解决了K2算法依赖先验知识的问题,而且减少了蚁群算法的搜索空间,简化了搜索机制,得到较好的贝叶斯结构。最后将该算法应用到冀东水泥回转窑的实际数据中,构建水泥回转窑的贝叶斯网络结构,提高了故障诊断的准确率。     

基于改进 Census 变换的图像立体匹配算法研究

针对传统的 Census 区域匹配算法过分依赖窗口中心像素信息,导致算法受到噪声干扰时匹配精度降低的问题,提出一种基于改进 Census 变换的匹配算法.采用局部像素反差值为中心像素选择的评判标准,对传统的 Census 变换进行改进,增强了窗口像素信息的利用,提高了算法对像素值突变的适应性,使算法有更好的鲁棒性;代价聚合阶段采用引导图滤波算法并结合多尺度聚合模型,增强平坦区域像素间的区分度;采用 win-take-all 算法选取最优视差值,完成视差计算;采用区域投票策略和中值滤波算法完成视差精化.利用该改进算法对 Middlebury 平台提供的标准图像进行实验,实验结果表明该算法较传统Census 算法有较好的抗噪能力和立体匹配精度.     

一种基于GA-SA-TS算法的车间调度方法的研究

运用现代优化算法来解决车间调度这类NP完全问题是现在普遍使用的方法。本文将模拟退火算法和禁忌搜索算法的思想与遗传算法相结合,改善了传统遗传算法中单一的交叉和变异机制,提出了模拟退火-交叉机制和禁忌搜索-变异机制,最终形成了一种适用于解决车间调度方面问题的GA-SA-TS混合遗传算法。三种算法取长补短,避免了遗传算法局部搜索能力差和易早熟的缺点。同时运用GA-SA-TS算法,针对实际车间调度问题进行了仿真。通过该仿真结果可以看出,GA-SA-TS混合遗传算法对于解决车间调度问题是可行的,且在解的质量方面有所提高。     

基于改进遗传算法的AGV集结路径研究

AGV是自动物流仓储系统中的重要组成部分。针对多台AGV集结问题,在对路径时间窗进行分解的基础上,使用改进遗传算法进行求解,详细描述了算法求解的步骤。该遗传算法加入了基于时间窗的调整策略,能够有效减少冲突以及死锁发生的概率,加快求解的收敛速度,能在规定时间内求解出使集结总时间最短的方案。仿真分析表明:与传统遗传算法以及深度优先搜索算法比较,该算法的效果和各项性能更好。     

基于遗传算法的并行生产调度的研究

应用退火算法对遗传算法进行了改进,克服了遗传算法自身的很多缺点,提出了一种基于改进遗传算法的并行生产调度的方法。提出了一种利用利润加权生成遗传算法初始种群染色体的方法,保证了初始种群染色体的质量。实际应用中,该方法取得了良好的效果。     

基于遗传算法的多用户OFDM子载波和比特分配的研究

为了使系统的总功率达到最小,研究了OFDM子载波分配算法,采用遗传算法分配子载波.提出了一种有效的交叉算法并且将遗传算法进行了改进,有效保证每个用户的传输,改进后优于其它算法,能达到资源分配的最佳效果.它易于实现,效果明显,它比其它传统的优化算法有更优越的性能.     

基于遗传算法的组合ERT图像重建算法研究

针对目前电阻层析成像图像重建算法存在成像精度较低的问题,以及为了满足应用于多相流领域的精度要求,提出一种基于遗传算法的组合算法,将线性反投影算法、修正的牛顿-拉夫逊类算法与区间剖分引入遗传算法种群初始化操作中,同时为了改善单纯遗传算法局部搜索能力差与未成熟收敛的问题,将粒子群算法引入遗传算法变异操作中。实验结果表明组合算法效果明显优于线性反投影算法,修正的牛顿-拉夫逊类算法,有效克服了遗传算法早熟收敛现象,提高了成像精度。