自适应混沌蚁群算法的粮食应急路径优化研究

针对风险管理下的粮食应急路径优化问题,将"运输风险最小"和"运输时间最小"作为目标,建立相应的优化模型。利用"最大最小蚂蚁系统"进行求解,为避免过早陷入局部最优,提出自适应混沌蚁群优化算法。该算法利用有效解相似度来判断蚁群当前状态,根据情况对信息素进行全局更新和混沌扰动,可以有效地提高最优解的精度。实验表明该算法优于传统的演化算法,较好地解决了粮食应急运输路径优化问题。     

基于自适应转移概率的蚁群优化算法

为避免蚁群优化算法容易早熟的缺点,在转移概率公式中引入一个新的自适应因子。随着迭代次数的增加,该因子有利于蚂蚁探索有较弱信息素浓度的边而避免一些边上信息素的过度积累。该特点使蚂蚁在迭代后期仍能以较高概率搜索到更好的解从而避免早熟。仿真实验结果表明,该算法对解决旅行商问题具有更优的全局搜索能力。     

基于自适应蚁群优化算法的认知决策引擎

认知决策引擎的设计是认知无线电系统中的一项关键技术,它的主要功能是依据通信环境的变化和用户需求动态地配置无线电工作参数。提出了一种基于自适应蚁群算法的认知决策引擎来实现工作参数的最优化配置。该算法在基本蚁群算法的基础上加入了路径选择机制和信息素挥发因子自适应调整机制,保证了算法的全局搜索能力和收敛速度,有效地避免了容易陷入局部最优解的缺陷。仿真结果表明,在不同的环境下基于该算法的认知引擎比GA和ACO算法具有更好的性能。     

基于信息融合的分布式多维自适应蚁群优化算法研究

通过参数优化、与其他优化算法融合等手段对蚁群算法进行改进,能有效地提高蚁群算法的全局寻优能力,改善其收敛性能。随着搜索路径多维,以及复杂分布式系统蚂蚁迭代次数的增加,蚁群动态多样性逐渐消失,容易陷入局部最优。通过对蚁群算法存在的问题进行分析,设计了多维系统各子蚁群时间同步方案以及信息融合时间窗口开启策略;针对影响蚁群算法的主要参数,提出动态认知的参数自适应调整改进算法,实现算法初期路径选择的多样性、成熟后可提高算法的寻优效率。以解决TSP问题为例,对启发式因子、信息素挥发因子等主要参数对蚁群最优路径影响进行仿真分析。     

基于信息熵调整的自适应蚁群算法

针对基本蚁群算法在求解大规模旅行商问题进易导致搜索时间过长或陷入停滞的问题,提出一种基于信息熵调整的自适应蚁群算法.该算法通过优化过程中种群的信息熵来衡量演化的程度,自适应地调整路径选择策略和信息素更新策略.信息熵的计算以某条路径边上的信息素占总信息素量的比例为基础.对大规模城市数旅行商问题进行实验,实验结果表明,提出的基于信息熵调整的自适应蚁群算法能获得比基本蚁群算法更好的解,并且增加了算法的稳定性.     

改进蚁群算法优化PID控制器参数及其应用(英文)

绝大多数工业工程控制仍然使用PID控制器,但由于它不易获得精确的数学模型和其非线性时变系统的性质,传统PID控制难以获得良好的控制品质、难以满足精确的控制要求。为了使PID控制器达到理想的控制效果,提出了一种基于改进蚁群算法的PID参数优化整定算法。该算法采用了信息素挥发系数和信息素强度自适应调整机制和动态更新策略,用以加速优化算法的收敛。该算法简单易行,更容易找到全局最优解,优化效率和性能明显提高。仿真实验结果表明,同现有的优化算法整定的结果比较,被控系统的超调量、调整时间等明显减少,动态特性、鲁棒性和稳定性等明显提高,进而验证了所设计算法的可行性和优越性。     

基于蚁群优化的WSN功率自适应路由算法

为节省节点能量开销,延长无线传感器网络(WSN)的生命周期,在研究蚁群优化算法的基础上,提出一种基于蚁群优化的功率自适应路由算法。在蚂蚁寻路时考虑节点的传输方向、剩余能量和节点间距离。寻找到一条最优路径后,根据相邻两节点间的距离调整节点的发射功率,避免功率过大造成能量浪费。仿真实验结果表明,在节点非均匀分布的情况下,该算法能够有效节省网络开销,延长网络生命周期。     

基于自适应蚁群优化的Ad Hoc网络路由算法

针对蚁群优化固有的搜索时间长、易陷入局部最优解的缺点,提出一种改进的基于蚁群优化的AdHoc网络路由算法.通过增加自适应因子提高路由搜索能力,充分考虑节点间的时延来改进信息的更新机制,同时对路由表做出修改,提高路由算法性能,增强算法的适应能力.经过与已有路由算法DSR和AODV的仿真比较,结果表明该算法在成功传输率和平均端到端延迟上表现了较好的性能.     

基于统计分析的自适应蚁群算法及应用

路径规划是机器人关键技术之一。利用改进的蚁群算法进行机器人的路径规划。针对传统蚁群算法收敛速度慢且易陷入局部最优解的缺陷,在Ant Colony System算法基础上,对每代蚁群动态随机统计分析,提取最优、平均和最差的蚂蚁信息,构成自适应算子用于局部信息素的自适应更新。仿真实验结果证明该自适应算子在平衡增加收敛速度和陷入局部最优解矛盾的问题中是有效的。     

基于改进蚁群算法的物流配送路径优化

随着社会的不断进步,配送车辆最短路径优化问题已广泛应用于交通运输、网络购物、物流配送等与生产生活息息相关的问题,然而配送车辆路径优化的计算比较复杂.文中建立在带约束条件的多车辆物流配送问题模型的基础上,运用改进的蚁群算法解决物流配送过程中的路径选择问题.通过对信息索的全局和局部更新规则进行改进,和传统的最值蚁群算法进行比较,算法的收敛速度和全局搜索能力得到提高.文中最后成功将改进后的蚁群算法应用于多车辆物流调度路径优化问题.结果表明该优化算法性能受优.     

一种基于蚁群优化的图像分类算法

现有图像降维方法中特征信息被过多压缩,从而影响图像分类效果。提出IC-ACO算法,利用蚁群算法来解决图像分类问题。算法充分提取并保留图像的各种形态特征。利用蚁群优化算法在特征集中自动挖掘有效特征和特征值,构建各类分类规则,从而实现图像的分类识别。在真实的车标图像数据集上的实验结果表明,IC-ACO算法比其他类似算法具有更高的分类识别率。     

蛋白质折叠问题的蚁群优化算法研究

蛋白质是一类重要的生物大分子,在生物体内占有特殊的地位,是生命的主要承担者。而研究蛋白质的折叠,是生命科学领域的前沿课题之一。在概述蚁群算法及2D HP蛋白质模型的基础上,针对蛋白质折叠问题提出一种蚁群优化算法,并用几个比较典型的模型对其进行仿真实验,结果表明该蚁群优化算法在求解蛋白质折叠问题时表现出了良好的性能。实践表明该算法具有很高的应用价值。     

基于蚁群算法的直升机舰面系留索预紧力优化

根据直升机在舰面系留时的受力情况,提出一种以直升机6个刚体位移为变量的系留载荷计算方法。针对系留索预紧力优化属于多变量连续空间优化这一特点,采用嵌入确定性搜索的连续域蚁群算法对系留索预紧力进行优化,并在算法中加入MMAS策略,防止算法过早陷入局部最优解。结果表明,该蚁群算法经过二十多步迭代后能够使目标值稳定地收敛,较好地解决了直升机系留索预紧力优化问题。最后,对某型直升机无预紧力和预紧力优化后的系留载荷进行对比分析,无预紧力时多条索具持续松弛未起到系留作用,而预紧力优化后系留索最大张力降低了35.02%,且索具张力分布更均匀。     

基于改进蚁群算法的聚类分析

聚类在数据挖掘、统计学、机器学习等很多领域都有很大应用.聚类问题可以归结为一个优化问题.蚁群算法(Ant Colony Algorithm)已成功地解决了许多组合优化的难题.介绍一种蚁群聚类算法,并进行了优化,提出一种改进的蚁群聚类算法.它改进了蚂蚁搜索解的方法,并引入均匀交叉算子,将蚁群算法和遗传算法融合.它提高进化速度,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷.仿真实验取得了较好的结果.     

具有时延约束网络路由问题的自适应蚁群优化算法

高速多媒体网络中的路由问题是有QoS约束的路由问题,满足一个或多个约束的路由问题是NP-完全问题,其中,具有时间延迟约束的QoS路由问题是一个极具代表性的问题。本文给出了一种求解具有时间延迟约束的QoS路由问题的自适应蚁群算法。该算法在种群中采用基于目标函数值的启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径的行为。比一般蚁群算法具有更强的鲁棒性和全局优化能力。理论分析和仿真实验表明,该算法是有效的网络QoS路由算法。     

基于遗传学的改进蚁群算法研究

为了进一步提高蚁群算法的收敛性能和搜索能力,利用遗传学的交叉和变异操作提出了一种改进的蚁群算法—G-蚁群算法,在每一代的搜索中对当前解和最优解进行交叉变异,以扩大解的搜索空间。通过对解决TSP(Traveling Salesman Problem)问题的实验表明,G-蚁群算法在收敛速度和解的全局性上有更优的性能。     

基于蚁群优化的历史灾害关联分析方法

对历史灾害进行3维时空网络建模,通过寻找网络中的相似空间向量来挖掘灾害节点间的链式关联关系.同时通过将向量发现问题转化为一种路径优化问题来利用蚁群算法进行求解,并将蚁群算法寻找最优路径过程中的信息素参数作为算法结果进行关注,以解决仅求解最优路径所存在的路径竞争问题.MATLAB仿真结果表明该方法具有较高的精确性和实用性.     

基于混合蚁群算法的DNA编码序列设计方法

通过将遗传算法中的交叉、变异操作与蚁群算法中的协同模型进行结合,提出了一种基于混合蚁群算法的DNA编码序列设计方案.实验表明,该算法具有较高的收敛速度,能为DNA计算提供可靠的编码序列.     

基于蚁群路由协议的局部修复算法

在无线网络中,当由节点频繁移动而引起通信链路发生故障时,路由协议需要对其进行修复,才能保证正常通信。现有路由修复机制存在控制开销大和时延长的不足,而且大多数为针对AODV(Ad Hoc On-demand Distance Vector Routing)路由算法的修复,难以充分保证链路性能,并且存在链路重构后链路再次失效的缺点。基于此,提出一种基于蚁群路由算法的局部修复算法。首先,选取稳定性高的节点发起路由修复,以降低链路修复后的不稳定;其次,将修复范围限定在较小的局部范围内以减小控制开销和时延。仿真表明,改进的路由局部修复算法明显地提高了链路的稳定性,缩短了修复时间,降低了路由开销。     

改进蚁群算法的机器人路径规划研究

针对基本蚁群算法收敛速度慢,易陷入局部最优解等问题,提出一种静态障碍环境下的改进蚁群算法.利用A*算法来设定信息素初始值,提高算法初始阶段搜索效率;采用新的信息素更新规则,并且动态调整启发函数和信息素挥发速率,加快算法的收敛速度,扩大搜索空间.仿真实验表明,与其他算法在相同情况下比较,改进算法在路径相同的情况下拥有较快...