一种求解连续对象优化问题的改进蚁群算法

蚁群算法在搜索过程中容易陷入局部最优解，且不适用于连续对象优化问题。文章针对这些问题．采用信息量变异、引入微粒群操作等方法进行改进，提出了一种引入微粒群操作的改进蚁群算法，并应用于求解连续对象优化问题。对几个典型复杂连续函数优化问题的测试研究表明，该改进算法不仅跳出局部最优解的能力更强．而且能较快地收敛到全局最优解，表明了算法的有效性。     

求解TSP问题的改进蚁群算法研究

文章提出了运用一种改进的蚁群算法,主要用来求解旅行商问题(Travelling Salesman Problem,TSP)。实验表明,改进的蚁群算法一定程度上弥补了基本的蚁群算法容易陷入收敛停滞的缺点,且更容易发现更好性质的解。     

蚁群算法在求解TSP问题中的改进研究

针对蚁群算法在求解大规模优化问题时存在的3个缺点：消耗时间长、蚂蚁在下次搜索时目标导向不强导致搜索随机性大、寻优路径上的信息素过度增强导致得到假的最优解。本文提出了基于边缘初始化和自适应全局信息素的改进蚁群算法。在相同参数下,其搜索时间大大缩短,并且得到了更好的最优解。将其应用到旅行商（TSP）问题中,和基本蚁群算法、遗传算法相比较,其具有以下优点：较好的搜索最优解的能力;对新解不会过早的终止;探索新解的能力进一步增强。因此,改进的蚁群算法在求解TSP等组合优化问题时非常有效。     

用蚁群优化算法求解中国旅行商问题

中国旅行商问题是一个组合优化问题，是一个NP问题。本文提出用蚁群优化算法去解决，同时提出了两种改进的方法，其中，Ant-F能够增强系统的搜索能力，使系统避免早熟，具有正负反馈的功能，仿真简单，容易理解；而ACS 在Ant Colony System(ACS)的基础上改进而成，它使系统在演化的后期能够通过适当增大系统区分信息素对比强度的方法，尽快找到最优的解。和其它的几种蚁群优化算法、遗传算法和模拟退火算法相比较，实验表明，ACS 是本文提及的几种算法中最优的一种，它能加快系统收敛的速度，找到问题的最优值。     

基于蚁群算法求解TSP问题的参数优化与仿真

蚁群算法是一种具有分布计算、信息正反馈的新型启发式优化算法,初步的研究表明该算法在求解复杂优化问题,尤其是离散优化问题中具有许多优越性.阐述了蚁群算法在TSP问题求解中的应用,通过实验对蚁群算法的参数选择进行了分析,确定了参数的选择原则以及对算法性能的影响.对该算法做了一些改进尝试,仿真研究表明这些改进能在一定程度上使得算法取得更优的值.     

求解度约束组播路由的新型蚁群算法

 基于蚁群算法的正反馈机制提出了一种基于树的蚁群算法,并用它来求解度约束组播路由问题.在该算法中,蚂蚁按照一定的概率选择一条链路加入组播子树,然后检查加入点的度约束情况,如果该点的度约束情况达到饱和,则蚂蚁以后不再选取与该点连接的链路.通过计算模拟分析方法证明了该算法的有效性,计算机仿真结果显示,在解决度约束组播路由问题时,该新型蚁群算法的收敛速度大大快于已有的蚁群算法,找到的最优解性能稍好于已有的算法,算法的空间复杂度也得到降低.     

指派问题的变异蚁群算法求解

指派是现实生活中经常遇到的一类问题，文章建立了指派问题的数学模型，并用具有变异特征的蚁群算法对其加以解决。蚁群算法是一种进化算法，适合解决组合优化问题，指派问题是组合优化问题中的一个分支。实验结果表明。使用变异蚁群算法解决指派问题，提高了搜索效率，能够在短时间内得到最优分配方案。     

改进的蚁群算法求解VRP问题

为了使蚁群算法针对VRP问题解的搜索更加高效,将变异操作用于蚁群算法．给出了变异概率的设置,合理地改进可见度的计算及信息素更新方法,结合swap局部搜索,获得了更加稳定的求解VRP问题的蚁群算法。实验表明,该算法稳定有效。     

求解多目标资源分配问题的改进蚁群优化算法

多目标资源分配问题就是将有限资源分配到不同事件来获得预期目标.建立了多目标资源分配问题的数学模型,提出了一种有效求解该问题的改进蚁群优化算法：设计了一种多目标资源分配问题的可行方案构建机制,定义了蚁群优化算法中的信息素形式及其更新方式,提出了一种新的概率选择形式;通过以上改进有效地提高了蚁群优化方法的效率.为了验证此方法的有效性,将蚁群优化方法与混合遗传算法的实验结果进行了对比分析,证明此方法优于混合遗传算法.     

求解双边装配线平衡问题的改进蚁群算法

结合第2类双边装配线平衡问题(TALBP-2)的特点,提出了一种改进蚁群算法.针对TALBP-2中操作间的序关系,对分配至同一个边工位中相邻的两项操作间定义了一种新的信息素;提出了一种新的定界策略,根据所得的最好解,减小工位时间的上界,利用已分配工位的平均实际作业时间界定工位时间的下界,缩小蚂蚁的搜索空间;针对TALBP-2提出了一种新的操作分配准则,根据所定义的3种理想操作的优先分配权限分配操作;提出了一种边工位确定原则,平衡两边工位时间的增加速度.算例的比较结果表明算法有较好的求解效果和稳定性.     

基于自然选择策略的蚁群算法求解TSP问题

针对蚁群算法收敛速度慢,容易陷入局部最优解的缺陷,提出了一种基于自然选择策略的改进型蚁群算法,改进后的算法利用自然选择中“优胜劣汰”的进化策略,对每次迭代的随机进化因子大于进化漂变阈值的路径信息素进行二次更新,增强满足进化策略路径上的信息素浓度,以加快算法的收敛速度;而随机进化因子的随机性增强了算法跳出局部最优解的概率。将提出的改进型蚁群算法求解经典的TSP问题,并通过实验证明了改进后的蚁群算法在最优解精度和收敛速度等方面均有所提高。     

基于信息熵的蚁群聚类DBSCAN改进算法

针对DBSCAN算法对数据分布不均匀和大规模数据处理问题上的不足,提出了一种新的整合算法,算法使用信息熵和蚁群聚类技术对聚类数据集进行代表性子集选择,在子集基础上进行DBSCAN聚类,实验证明这一算法能显著降低I/O耗费和内存需求,有效地解决含有分类属性的高维大规模数据集的聚类问题。     

改进的蚁群算法及其在TSP问题中的应用

针对蚁群算法容易陷入局部最优解的缺点,提出了一种改进的蚁群算法。该算法通过禁忌当前取得的最优路径,有选择地更新信息素,而后重新搜索,有效提高了基本蚁群算法的寻优能力。文中将改进后的蚁群算法应用于TSP问题,通过对典型的Eil51.tsp进行测试,证明了改进后算法的可行性有和效性。     

求解Job-Shop调度问题的改进蚁群算法

蚁群算法是一种新型的模拟进化算法,具有一些优良性质,但是蚁群算法容易陷入局部最优,且初期信息素匮乏导致求解速度慢.针对这一特点,在蚁群算法中引入遗传变异操作,并对蚁群算法做了改进.实验结果表明此方法行之有效.     

LED通信中利用蚁群算法优化光功率

室内可见光通信(VLC)的多光源阵列对称放置在房间的天花板上,光从LED光源出发经过直射、反射到达接收机端,在同一接收平面用户的接收光功率和照明强度不相等致使不能享受同等的通信服务质量,难以保证通信的公平性。针对通信系统中光源放置位置导致接收平面的接收光功率和照明强度分布由房间中心向周围快速衰减的问题,通过在4×4LED发射阵列端配备功率调节因子,利用蚁群算法建立与接收光功率和照明强度相对应的节点和路径的模型,提出使用方差作为评价接收光功率和照明强度均匀化的目标函数,构建能见度表达式据此推导出状态转移概率公式,并根据LED发射阵列和接收机位置对称的要求选取一组优化功率调节因子值。仿真结果表明,接收光功率和照明强度的方差分别从优化前的168 252和653 742降低到优化后的19.266 3和74.859 2,接收平面接收光功率和照明强度分布不均匀性得到明显改善。     

基于改进型蚁群算法的阵列天线综合

将蚁群算法应用于优化阵元电流幅度,以实现对阵列天线方向图的综合。并针对传统蚁群算法难以解决电流激励幅度这样的连续变量优化和早熟收敛的问题,提出了一种改进型蚁群算法。该改进型蚁群算法对变量采用不整编码并在寻优过程中采用邻域优化方法,使其既可以对连续变量寻优,又同时改善了算法的优化速度和收敛精度。计算结果表明:该改进型蚁群算法在改变阵元激励幅度的方向图综合问题上取得比相关文献更好的结果。     

基于蚁群算法的军用物资车辆调度优化配置问题研究

为提高复杂军用物资军用物质优化配置问题,而军用物质配送的核心是车辆调度问题。为此,在合理分析军用物质车辆调度问题的特性和模型基础上,将蚁群算法引入到其中解决该问题。实验表明,在带有时间窗的车辆路径问题上,该算法能够有效地提高解决收敛速度与精确度,更好地实现车辆调度的使用性。     

An algorithm for friend-recommendation of social networking sites based on SimRank and ant colony optimization

We put forward an algorithm on friend-recommendation of social networking sites based on SimRank and ant colony optimization, which broadens the appliance of the algorithm in this academic question. The algorithm focuses on the existing relationships between the members as the initial measurement and constructs artificial ants’ completed routing graph. Finally, an ordered and limited list of personalized recommendations through recursive optimization is produced. In the end, we verify the algorithm's rationality and validity through simulation and the result shows that it can improve the precision of friend-recommendation.     

一种基于蚁群优化的分簇路由算法

在无线传感器网络路由协议的研究中,能量高效是其首要设计目标.传统LEACH协议产生簇头数目比较随机,并且簇头直接与基站通信导致能量消耗过快.在分析传统和改进LEACH路由协议的基础上,提出了一种簇头数目固定的簇头选择机制,解决了簇头分布不均匀的问题.并且将蚁群优化算法应用到无线传感器网络的路径选择中,利用蚁群的动态适应性和寻优能力,在簇头与基站之间形成一条最优路径进行通信.在Matlab平台下对新提出的算法进行仿真测试实验,实验结果表明,相对于LEACH路由协议,该算法降低了平均能量消耗,延长了网络的生命周期.