改进的蚁群算法

蚁群算法依靠其良好的正反馈机制,在对称旅行商问题上取得了成功,使得算法引起了广泛的关注。其通过信息素的聚集来达到局部搜索,但随着搜索的进行某条路径上的信息素越来越多,将会造成搜索停止,陷入停滞。本文通过将信息素的高低进行限制以及遗传算法的加入增强了全局搜索功能,同时增加了最优路径临域内的搜索,使得搜索加快,便于最优路径的寻找。最终,通过十杆件进行验证,证明算法能在较短时间内取得较好的效果。     

改进的蚁群算法及其在桁架结构优化中的应用

蚁群算法是优化领域中的一种新型模拟进化算法,具有很强的搜索较优解的能力,其缺点是搜索时间长、容易出现停滞现象。引用局部搜索能力较强的模拟退火算法对其改进,使其跳出局部最优,发现更高质量解。并将其成功应用在25杆桁架中,结果表明,基于模拟退火的改进蚁群算法是有效可行的,是解决组合优化问题的有效方法。     

基于改进蚁群算法的钢结构优化设计

在介绍蚁群优化算法的原理、基本框架的基础上,提出了一种改进的蚁群算法——分层蚁群算法,并将该算法应用到钢结构优化设计中,最后通过一个算例验证了该方法的效率和有效性,结果表明该方法科学可行,具有很好的应用前景。     

蚁群算法在城市交通导航系统的应用

本文基于蚁群算法模拟城市交通导航系统,对于解决城市交通拥堵问题给出了一些帮助。根据城市交通结构图,结合蚁群算法,有效解决了城市行驶车辆最优路径问题,并建立了智能导航系统。该导航系统利用蚁群算法不仅可以找到车辆行驶的较短路径,还可以帮助车辆选择车流量少的路线。模拟结果表明,该系统可以在较短的时间内,给用户指定最优路径,具有较好的导航效果。     

桁架结构优化设计的改进蚁群算法

通过对已有的优化方法进行分析,针对蚁群算法容易收敛到局部最优解的缺陷,通过遗传算法和禁忌算法来提高增加蚁群算法的全局优化能力,并改进了算法的灵活性和扩展性;将改进的蚁群算法应用到桁架结构优化设计中,提出了桁架结构优化设计的改进蚁群算法,并建立了相应的优化模型;最后,对10杆平面桁架的优化进行了研究和分析,结果表明,提出的改进蚁群算法是科学可行的。     

蚁群算法及其在硐群施工优化中的应用

为解决复杂的组合优化问题，近来提出了一种新的模拟进化算法－－蚁群算法。从原理，算法实现等方面详细介绍了该算法，并针对有序组合优化问题，改进了原算法。把改进算法应用于地下工程中的一类组合优化问题－硐群施工顺序优化。一个大型地下硐室群工程的施工顺序优化结果表明，蚁群算法的应用效果良好，是解决岩土工程中的组合优化问题的一种好方法。     

基于改进蚁群算法的智能机器人路径规划

从以往的研究资料中可以了解到,智能机器人路径规划是机器人研究领域中的一项重要分支,同时也是智能机器人用以执行各种指令的基础条件。在研究智能机器人的路径规划过程中,遇到了诸如易陷入局部最优等问题,进而提出应用改进蚁群算法来改善这一状况,并且取得了良好的实效。本文就针对改进蚁群算法支撑下的智能机器人路径规划的相关研究内容做以论述,以期为推进机器人研究提供有益的理论素材。     

一种基于改进蚁群算法的山地三维路径规划算法

当前社会,很多用户需要在复杂的没有公路的山地地形,快速、准确的规划出三维路径,在避过障碍的同时达到某项指标最优。目前常用的路径规划算法,大多数只能规划二维平面路径;而一般的三维规划算法,大多运算算法复杂、需要很大的存储空间,同时无法在宏观全局角度来进行路径规划。文章在已有三维山地地图的基础上,采用一种改进的蚁群算法来解决上述问题。软件仿真结果显示,基于改进蚁群算法的山地三维路径规划算法在路径最优值计算和规划时间上都能够较好的满足需求。     

一种基于改进蚁群算法的山地三维路径规划算法

当前社会,很多用户需要在复杂的没有公路的山地地形,快速、准确的规划出三维路径,在避过障碍的同时达到某项指标最优。目前常用的路径规划算法,大多数只能规划二维平面路径;而一般的三维规划算法,大多运算算法复杂、需要很大的存储空间,同时无法在宏观全局角度来进行路径规划。文章在已有三维山地地图的基础上,采用一种改进的蚁群算法来解决上述问题。软件仿真结果显示,基于改进蚁群算法的山地三维路径规划算法在路径最优值计算和规划时间上都能够较好的满足需求。     

基于改进蚁群算法的无线传感器网络优化

本文通过对无线传感器技术的阐述,提出了一种最大流量算法,用于研究静态无线传感器网络中K势垒的高覆盖率问题。     

非线性最小二乘估计的蚁群遗传融合算法

基于对遗传算法和蚁群算法的分析,提出把蚁群算法和遗传算法相结合的混合算法,有效避免了两种算法的不足之处,并将该混合遗传算法用于非线性最小二乘参数估计中,算例验证了该算法的可行性和有效,性。     

蚁群算法在雨水管道系统优化设计中的新尝试

引入一种新的优化设计方法——蚁群算法,并探讨将该法应用于雨水管道系统的优化设计.通过实例说明蚁群算法的过程,并与遗传算法进行比较,表明蚁群算法在给排水管网设计中有较为广阔的应用前景.     

蚁群算法在地铁车站内应急疏散的应用

基于寻找优化路径的蚁群算法,选择地铁站样本,研究地铁爆炸事故发生时人的群体性行为、疏散路径及疏散时间等问题,并在此基础之上,计算得出地铁站样本客流量上限.分析结果显示,发生爆炸事故时,采用蚁群算法进行疏散能够在较短时间内使乘客选择优化的疏散路径,迅速撤离危险区域,到达安全地带.     

基于蚁群算法的复合形法及其在边坡稳定分析中的应用

首先将基于排序的路径选择方法引入基本蚁群算法 ,并用之于连续变量的优化问题和边坡的最小安全系数搜索 ,结果发现对于设计变量较少的数值优化问题和简单边坡的最小安全系数搜索问题 ,该蚁群算法可以找到全局最优解或比较接近全局最优解。但对于复杂边坡的最小安全系数搜索问题 ,该蚁群算法很容易陷入局部最优。另外复合形法对于不同的初始复合形也会得到不同的最小安全系数 ,利用本文提出的基于最小海明距离的替换准则将蚁群算法得到的局部最优解替换掉初始复形中的一个顶点 ,则复合形法容易找到全局最优 ,成为一种全局搜索能力很强的优化算法。     

基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径.运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应.将...     

基于改进蚁群算法和物联网的消防疏散系统设计

针对大型公共建筑结构复杂、消防疏散困难等问题,以改进蚁群算法为基础构建动态火灾疏散模型,分析火灾 3 个不同阶段并获取最优动态消防疏散路径,并通过数值模拟与其他算法对比,验证有效性;结合物联网技术以 Android 平台为载体设计消防疏散系统移动终端,实时引导用户撤离建筑物并迅速到达安全出口。实验结果表明：所设计的大型公共建筑消防疏散系统能够快速、准确地寻找到最优疏散路径,提高消防疏散效率。     

Optimal transient network rehabilitation using multi-objective ant colony optimization algorithm

ABSTRACT

In this paper, the problem of optimal rehabilitation of water distribution networks (WDNs) for both steady and transient state is investigated. Two objectives are considered in this study: minimizing rehabilitation cost by considering pipe size diameters as decision variables and minimizing the transient impacts by minimizing a surge damage potential factor (SDPF). A multi-objective ant colony optimization (MOACO) model is developed to solve this problem. The developed model is verified using the well-known New York City tunnel network. The application is carried out to modify an existing real WDN in New Cairo district designed in steady-state conditions to cope with the transient condition. The advantage of this study is to produce a set of solutions that help decision makers to identify the suitable approach, while evaluating and aggregating the preferences over multiple objective functions.     

Multi-objective optimal design of braced frames using hybrid genetic and ant colony optimization

In this article, multi-objective optimization of braced frames is investigated using a novel hybrid algorithm. Initially, the applied evolutionary algorithms, ant colony optimization (ACO) and genetic algorithm (GA) are reviewed, followed by developing the hybrid method. A dynamic hybridization of GA and ACO is proposed as a novel hybrid method which does not appear in the literature for optimal design of steel braced frames. Not only the cross section of the beams, columns and braces are considered to be the design variables, but also the topologies of the braces are taken into account as additional design variables. The hybrid algorithm explores the whole design space for optimum solutions. Weight and maximum displacement of the structure are employed as the objective functions for multi-objective optimal design. Subsequently, using the weighted sum method (WSM), the two objective problem are converted to a single objective optimization problem and the proposed hybrid genetic ant colony algorithm (HGAC) is developed for optimal design. Assuming different combination for weight coefficients, a trade-off between the two objectives are obtained in the numerical example section. To make the final decision easier for designers, related constraint is applied to obtain practical topologies. The achieved results show the capability of HGAC to find optimal topologies and sections for the elements.     

强光下多尺度图像增强和蚁群算法的火焰分割

针对强光下火焰图像分割不完整的问题,提出了彩色火焰图像增强及改进蚁群算法的阈值自适应分割方法.首先对采集设备捕获的RGB图像进行基于带颜色恢复的多尺度Ret-inex增强,用亮度控制因子对背景像素进行亮度提升,并从3个不同尺度对原图动态增加高频信息,提高火焰局部可见性,使火焰的颜色、纹理和边缘信息更加突出;然后,为了避...     

The application of the ant colony optimization algorithm to the construction site layout planning problem

A good site layout is vital to ensure the safety of the working environment, and for effective and efficient operations. Moreover, it minimizes travel distance, decreases materials handling, and avoids the obstruction of materials and plant movement. Based on studies in the manufacturing industry, the cost of materials handling could be reduced by 20–60% if an appropriate facility layout is adopted. In designing a site layout, a planner will first position the key facilities that influence the method and sequence of construction, and then assign the remaining facilities in the available space that is left over. This process is similar to the positioning of facilities in the ant colony optimization (ACO) algorithm. The general principle of the ACO algorithm is to assign facilities to a location one by one, and the occupied locations are deleted from the location scope in the next assignment. In the study, ACO algorithm is employed to resolve the construction site layout planning problem in a hypothetical medium‐sized construction project. By applying fuzzy reasoning and the entropy technique, the study calculates the closeness relationship between facilities, in which the optimal site layout is affected by the mutual interaction of facilities.