蚁群算法的理论与应用

介绍了一种求解复杂组合优化问题的新的拟生态算法——蚁群算法。阐述了该算法的基本原理、几种改进蚁群算法以及蚁群算法在TSP问题、job-shop调度问题、大规模集成电路布线、电信网络路由等各种组合优化问题中的应用。     

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。     

一类混合模拟退火与蚁群优化算法及其收敛性分析

针对蚁群算法易陷入局部最优和模拟退火算法搜索效率低的缺点,利用蚁群算法搜索高效和模拟退火算法的概率突跳性,提出运用两者优点的混合算法,借鉴模拟退火算法来改善全局优化能力,并分析了算法收敛性。通过中国旅行商问题的求解表明算法的优越性。     

基于遗传蚁群混合算法的激光切割机路径优化

激光切割机的路径优化问题是激光切割行业的一个关键问题,针对其特点将其归纳为广义旅行商问题,利用改进的遗传蚁群算法来求解该问题。算法以时间距离最短为目标函数,对轮廓切割顺序及轮廓切割起始点同时进行优化。为了让算法所得解能够快速聚集在最优解附近而又不至于陷入局部最优解,利用遗传算法快速随机的全局搜索能力来产生蚁群算法初期的信息素分布,蚁群算法采用最大最小蚂蚁算法同时在其加入变异因子。仿真结果表明取得了非常好的效果。     

引入变异算子的改进贪心和蚁群混合算法

为求解旅行商问题,对一种改进的2-opt和蚁群混合算法进行了改进,引入了贪心算法和变异算子,解决了算法求解过程中随着迭代次数增加,局部最优解路径上信息素浓度过高的问题,避免了算法运行后期信息素浓度与节点距离对状态转移概率计算影响度失衡的不足,增加了路径的多样性,为解决蚁群算法易收敛于局部最优解的不足提出了新的思路。最后采用差分进化算法对算法参数进行了优化。使用改进后的算法求解旅行商问题,验证了算法改进的可行性和有效性。     

基于并行蚁群优化的车间调度研究

借鉴蚁群的并行活动,本文提出通过蚁群信息素分布多样性,蚁群更新信息素策略,体现寻优活动多样性.并在调度过程中,通过各寻优群体分别进行相互独立的蚁群寻优,在局部最优基础上获得全局最优解,实现并行蚁群优化.仿真结果说明,利用蚁群并行寻优的性能比基本蚁群算法更有效.     

基于遗传算法的混合蚁群算法及其在TSP中的应用研究

蚁群算法(ACA)与遗传算法(GA)都属于仿生型优化算法,是解决组合优化问题的强有力工具。将两种算法进行融合,给出了新的融合方式,在旅行商问题(TSP)中的仿真实验结果表明,改进后的混合算法在较少的进化代数下得到最短路径,提高了混合算法的快速全局搜索能力。     

基于改进蚁群算法的PID参数优化

一般传统PID控制器参数优化都采用Ziegler-Nichols法,由于其无法获得满意的动态指标,因此本文提出一种基于改进蚁群算法的PID控制器参数优化方法。蚁群算法是一种仿生进化算法,其采用分布计算机制,具有较强鲁棒性。本文提出的改进蚁群算法,可自适应调整路经上的信息素,并将各路径上的信息素强度限制在某个区域内,以避免搜索停滞。仿真实验表明该方案可行。     

基于自适应蚁群算法的协同制造项目资源优化配置

为探索更高效的协同制造资源优化配置算法,提出了基于自适应蚁群算法的求解方法。针对零件的特定工艺线路,建立了以时间、成本和质量为目标的制造资源优化配置模型,设计了模型求解的自适应蚁群算法,并给出具体算例,验证了算法的可行性和有效性。     

用于供水系统直接优化调度的蚁群改进算法

在城市供水系统中建立了多目标在线直接优化调度模型,并对影响优化调度的各方面因素进行了系统的分析和挑选。使用化多为一的乘除法,将该多目标决策问题转化为单目标问题求解,提出了使用乘法形式的罚函数将模型中的约束函数转化为目标函数。采用蚁群算法求解调度模型。为了更好地得到全局最优解,对算法进行了改进,加入了更多的决策点,实现蚁群算法的二进制编码方法,并采用单只最优蚂蚁更新路径上的外激素值、外激素值限定在一定范围内等改进方法。使用改进算法实现了某小区供水系统的直接优化调度,并与遗传算法优化调度的过程进行了对比,新算法在优化时间及得到最优解的次数上都优于遗传算法。     

一种用于优化PID参数的改进蚁群算法

PID控制由于算法简单,鲁棒性好在工业的过程控制中应用很广泛,但是传统的Z-N算法整定的PID参数却并不是最佳的。蚁群算法作为一种新型的仿生优化算法。该算法具有很多优良的性质,近年来在优化领域中得到了广泛应用。本文提出了一种改进的蚁群算法。通过增加高斯变异这一环节来增强算法的智能性。最后通过仿真实验获得了较好的控制效果。     

蚁群算法及灰色理论在制造资源配置中的应用

为了优化网络化制造环境下的制造资源配置问题,提出了一种将灰色关联理论和蚁群算法相结合的资源优化选择求解方式.在该求解方式中,首先根据工艺规划将零件加丁任务分解为按照时间先后排列的工序集;然后在每个工序节点上利用灰色关联理论解决多目标决策问题中的优势,通过多层次灰色关联系数的确定,筛选出一定数量满足要求的候选制造资源,从而缩小问题域的范围;最后利用蚁群算法从运输成本角度出发,寻找零件加工最优的制造资源选择路径,以实现网络化制造中制造资源的优化配置.     

Industrial applications of the ant colony optimization algorithm

The ant colony optimization (ACO) algorithm is a fast suboptimal meta-heuristic based on the behavior of a set of ants that communicate through the deposit of pheromone. It involves a node choice probability which is a function of pheromone strength and inter-node distance to construct a path through a node-arc graph. The algorithm allows fast near optimal solutions to be found and is useful in industrial environments where computational resources and time are limited. A hybridization using iterated local search (ILS) is made in this work to the existing heuristic to refine the optimality of the solution. Applications of the ACO algorithm also involve numerous traveling salesperson problem (TSP) instances and benchmark job shop scheduling problems (JSSPs), where the latter employs a simplified ant graph-construction model to minimize the number of edges for which pheromone update should occur, so as to reduce the spatial complexity in problem computation.     

基于自适应蚁群优化算法的数据挖掘模型研究

在Ant-Miner算法框架中通过对启发式因子、信息素更新及路径选择概率等策略的改进,提出基于自适应蚁群优化算法的分类挖掘模型,并进行实验分析,与基本Ant-Miner算法相比较,表明这一算法在规则质量及运行时间上都有很大的优势.     

基于Pareto蚁群算法的拆卸线平衡多目标优化

为提高产晶拆卸效率,针对拆卸线平衡问题建立了数学模型.该模型以最小拆卸线闲置率、负荷均衡和最小拆卸成本为优化目标.结合拆卸线平衡问题的具体特点,提出了一种改进的基于Pareto解集的多目标蚁群优化算法.算法采用小生境技术,引导蚂蚁搜索到分布良好的Pareto最优解集,并以被支配度和分散度为个体评价规则.实验测试结果表明了该算法的可行性.最后,结合企业生产实际,给出了所提模型与算法的具体应用.     

一种求解变速机调度问题的混合蚁群优化算法

针对一类变速机总加权拖期调度问题,提出一种混合蚁群优化算法.引人单机拖期调度问题中性能良好的修正预计完成时间的一种修改版本启发式规则,计算信息素初值,有利于算法跳出局部极值,并在局部搜索阶段,采用单亲遗传算法基因移位算子,有效优化当代最优解.通过均匀试验设计和统计分析,确定算法的关键参数组合,将算法应用于随机生成的不同规模的40个算例,并将其结果与同类文献中算法的优化结果进行对比分析.结果表明,在相同迭代次数下,混合算法优于对比算法.     

大规模定制板材排样的多种群蚁群优化算法

为解决定制家具企业的大规模多品种小批量的矩形件排样问题,针对其一刀切的特殊生产工艺要求,通过对待切板自动生成两个不同的编号:横切编号和纵切编号的方法,采用面积,长度,宽度来启发的多种群蚁群算法,避免了单因素启发的不合理布局,做到了生成即可行,经多个企业的实际使用后,发现与单因素蚁群启发相比,多种群算法寻优能力强,主要表现为:最大利用率最高;多次寻优的最大利用率变化区间小.     

多种群蚁群算法解机组组合优化

电力系统机组组合问题是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。为解决蚁群算法在解决机组组合问题中遇到的计算速度慢、易陷入局部最优等问题,将多种群蚁群算法应用到解决机组组合的问题中。开展了多种群蚁群算法在机组组合问题中的应用分析,新建了除搜索蚁之外的侦察蚁和工蚁,设定了3种蚁群之间的信息交互原理,提出了各蚁群的信息素更新方法。在修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。研究结果表明,所提出的多种群蚁群算法是合理、有效的。     

基于蚁群算法的单克隆菌落挑选仪路径规划

单克隆菌落挑选仪是集光学成像、图像识别和自动控制等技术于一身,应用于生物工程领域的一种高端仪器。对12×8阵列挑选针和无序排列的菌落目标,只有对挑选路径和顺序进行优化,才能有效提高挑选通量。针对这一需求,利用蚁群算法的基本原理,对单克隆菌落挑选仪挑选路径进行了优化。仿真实验结果表明,该算法可以有效提高挑选效率。