基于MATLAB的混合型蚁群算法求解车辆路径问题

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,给出了基于M ATLAB的蚁群算法在车辆路径问题中的应用,针对蚁群算法存在的过早收敛问题,加入2-opt方法对问题求解进行了局部优化,计算机仿真结果表明,这种混合型蚁群算法对求解车辆路径问题有较好的改进效果。     

蚁群算法在数据挖掘中的应用研究

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。     

人脸模型自动适配方法

人脸模型自动适配是极低码率可视电话模型基编码所必需的算法。该算法用变形模板估计眼睛和嘴巴的特征,利用这些特征用Ｃａｎｄｉｄｅ模型对人脸进行适酸,它对人脸模型的全局适配没有旋转限制,而且表情活动单元的初值决定于模仿适配。算法在视频序列Ａｋｉｙｏ和Ｍｉｓｓ Ａｍｅｒｉｃａ（ＣＩＦ,１０Ｈｚ）上实验,证明了其正确性和有效性。     

聚类质量的评价方法

在聚类优化问题定义的基础上，介绍了内部度量、外部度量和相对度量3种聚类质量评价方法，阐述各种具有代表性的度量的特征及其对划分优化的作用，总结聚类评价方法的应用问题。     

基于多Agent结构的自适应蚁群优化聚类算法

该文在分析蚁群优化算法多Agent结构的基础上,提出了一种新的自适应蚁群优化聚类算法。算法的多Agent分层结构为L0层agent构造解,L1层agent改进可行解,L2层agent更新信息素,更新后的信息素矩阵为下一轮解的构造提供反馈信息。算法选取变异概率p及信息素残留度ρ作为自适应参数,在演化过程中进行自动调节,较好地解决了加速收敛和停滞早熟的矛盾。实验结果验证了算法的有效性,该算法的聚类效果和运行效率优于GA和SA两种演化聚类算法。     

面向动车组高级修的工业物联网信息系统框架

物联网是信息系统及互联网向物理世界的延伸,其数据具有海量、高维和时空相关的特点.提出了面向动车组检修的工业物联网架构,分析了物联网技术在车间生产线和材料仓储配送情景下的应用模式.同时,针对物联网数据的特性,给出了它的数据仓库建模及多维数据统计分析方法.指出物联网为生产决策及监控提供关键支撑,从而起到改善生产组织和优化资源配置的作用.     

城际铁路动车组修造合一车间调度优化方法与应用系统EI北大核心

针对城际铁路动车组生产基地在新造车产能降低后的资源浪费问题,利用修造合一调度优化方法实现动车组的高级修和新造的工艺过程共享生产设备。分析了动车组新造和高级修工艺过程,梳理了设施共享方案。基于检修/新造工艺拓扑和检修/新造物料清单(BOM),提出了一类基于修造拓扑关系约束的车间调度问题,设计修造合一拓扑关系的构造方法。以最小化动车组新造和高级修流程无效时间碎片为优化目标,以修造合一调度拓扑图和基地的设备资源为约束条件,建立修造合一调度优化模型。利用最大最小蚁群系统进行迭代优化,获得拓扑节点的最优调度序列,并将最优调度序列转化为修造合一调度方案。以某城际铁路动车组生产基地的新造和三级检修一体化调度问题为算例,验证了模型和算法的有效性。以修造合一调度模型为核心组件,设计实现了动车组修造基地生产管控系统,并在某城际铁路修造基地以及7个高铁动车组高级修检修基地上线应用。