密集型多轮廓裁片的刀具空行程路径寻优

服装行业中缩短刀具裁剪空行程对于高效裁剪布料具有重要意义。结合服装裁片排列具有轮廓形状复杂、分布密集的特点,将问题转化成广义旅行商问题。基于最大最小蚁群(MMAS)算法提出了一种新的用于裁片刀具空行程路径寻优的算法——密集多轮廓蚁群算法,该算法包括4步:1)用MMAS算法确定初步裁片顺序;2)由裁片顺序寻找各裁片入刀节点;3)将各裁片的入刀节点再次用MMAS进行顺序优化重组得到初步裁剪路径;4)反复迭代第2)步和第3)步以求得最优路径。实验验证了所提算法的有效性,对比现有的扫描算法以及双信息素蚁群(NACS)算法其结果分别提升了60.15%和22.44%,该算法在刀具空行程优化上具有明显优势。     

基于蚁群算法的多AUV路径规划仿真研究

多AUV路径规划是一种典型的带约束组合优化问题,如果采用传统的方法求解效果并不理想.蚁群算法是对自然界中蚂蚁在寻找食物过程中所表现出来的智能行为的一种模拟,它非常善于处理带约束的大规模复杂组合优化问题.应用蚁群算法结合TSP问题来为一群AUV进行路径规划,寻找最短且安全的路径.算法分为两部分:1)路径优化:使所有AUV的总路程最小化;2)路径校核:检查是否存在潜在的静态或动态碰撞.最后以三个AUV的情形为例对算法加以了验证,仿真结果表明该方法耗时短、效率高,为求解多AUV路径规划问题提供了一个高效解决方案.     

基于最好最差蚂蚁路径差异的奖惩蚁群算法

基于路径优劣差异源于组成路径的路段不同的认识,该文提出一种最优最差蚂蚁路径差异奖惩的信息素更新策略。通过最优最差蚂蚁的路径比对,突出不同路段对路径的差异贡献,实施信息素的区分性奖惩,以增强信息素释放的针对性,加强对最优解附近区域的搜索引导,加速解的收敛。选取旅行商问题数据进行了算法性能测试,结果表明该文算法求得解的质量和收敛速度均优于最大最小蚂蚁系统,证实了算法的有效性。     

基于信息素变异的蚁群算法的应用研究

针对基本蚁群算法的不能更好地模拟真实蚂蚁觅食和局部收敛等现象,提出一种用于求解旅行商问题（TSP）的改进蚁群算法,该算法将信息素的更新与挥发算法做了改进,从而能够更好的模拟真实蚂蚁,并且有效的提高了搜索效率。仿真结果证明了该算法的有效性和可行性。     

一种基于路径相似度的蚁群算法

提出了路径相似度的概念,并根据较优可行解与最优解的相似度,来进行路径选择和信息素更新,以求能更快加速收敛和防止早熟、停滞现象。该算法根据截之间的相似度,自适应地调整路径选择策略和信息量更新策略。基于旅行商问题的实验验证了算法比一般蚁群算法具有更好的全局搜索能力、收敛速度和解的多样性。     

基于混合行为的蚁群算法

针对基本蚁群算法易出现停滞、收敛速度慢的问题,在最大最小蚁群算法的基础上提出了一种基于混合行为的蚁群(HBAC)算法,通过引入停止蚂蚁来构造局部路线方式和增加全局调优策略,提高了算法的搜索能力和收敛速度,同时将蚂蚁所寻找的各条路径的信息素限定在一个可动态调整的范围之内,避免了算法过早陷于局部最优解.通过HBAC算法同其他蚁群算法在求解旅行商问题上的实验比较,发现该算法拥有较快的收敛速度,提高了全局最优解搜索能力,在性能上有了较大的提高.     

优化型蚁群算法在旅行商问题中的应用研究

针对基本蚁群算法的搜索时间长和局部收敛等现象,提出一种用于求解旅行商问题（TSP）的优化型蚁群算法,该算法有效地将最大最小蚁群算法（MMAS）和遗传算法（GA）相结合,一方面在很大程度上缩短了算法的寻优时间;另一方面有效地避免了算法的早熟停滞现象。利用MATLAB对多种TSP问题进行仿真研究,实验结果证明了优化型蚁群算法在性能上优于MMAS和GA。     

基于模拟退火算法的多道逆向蚁群算法

为克服现有蚁群算法运算过程中易出现停滞现象、收敛速度慢等缺点,提出了一种基于模拟退火策略的多道逆向蚁群算法。通过向原始蚁群中引入逆向蚂蚁,并结合模拟退火思想确定蚁群中逆向蚂蚁的数目,来提高算法全局寻优能力。在算法执行过程中一组蚂蚁分成几群并行运算,通过交换策略,有效地利用了当前最优解,提高了算法收敛速度。将该算法应用于旅行商问题的求解,仿真实验结果表明该算法的全局寻优能力和收敛速度都得到了很大改善。     

进化策略与蚁群算法融合的求解旅行商问题

针对进化策略收敛速度快但容易陷入早熟收敛以及最大最小蚂蚁系统求解能力强但收敛速度较慢的特点,将进化策略与最大最小蚂蚁系统融合,并利用最大最小蚂蚁系统求出每一步迭代的最优解,再对迭代出最优解进行进化策略中的变异操作来加快解的收敛速度.将所提出的算法应用到中国旅行商问题(CTSP)的实际应用中,其结果显示出优越性.     

遗传混合算法路径规划研究

遗传算法和蚁群算法被广泛应用于路径规划,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷。本文采用遗传与蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,用蚁群算法迭代每只蚂蚁走过的路径序列作为遗传算法的初始种群,克服随机选择的盲目性,从而提高算法的性能。仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率。     

一种基于优质边求解TSP的蚁群算法

应用蚁群算法求解旅行商问题时发现,算法易陷入局部最优解而停滞,并导致其探索新解能力的降低。提出了一种基于优质边的求解方法,根据算法运行过程中的相关信息选取优质边,在停滞时调整优质边上的信息素;使用改进的选路规则将蚂蚁的路径选择尽可能限制在优质边中,从而改进蚂蚁构造解的质量以增强算法的探索能力。实验结果表明,改进的策略是合理有效的。     

改进的求解TSP问题文化蚁群优化方法

在文化算法基础上提出了一种改进的用于求解TSP问题的蚁群优化算法。改进算法采用新的双层进化机制对文化算法的种群空间与信念空间进行了重新设计,用最大最小蚁群系统（MMAS）构建种群空间,在信念空间中对当前最优解进行改进的3-OPT交叉变换操作,由于采用了这种双层进化机制,种群空间获得了更高的进化效率。通过仿真实验结果表明,改进算法比传统的蚁群算法（ACO）、文化蚁群算法（CACS）效果更好,收敛速度更快,精确度更高。     

多级规约算法在PCB钻孔路径优化中的应用

以求解PCB（Printed Circuit Board）钻孔路径优化这一大规模复杂的TSP（Traveling Salesman Problem）问题为背景,研究了一种改进的多级规约算法（EMR）。该算法依据工程应用中实用性、通用性的特点重新设计了多级规约算法（MR）的规约和细化算子并增加了控制参数以提高算法的灵活性;针对算法中会产生大量部分解集且难以储存这一问题,设计了一种类似人类族谱的数据结构。实验结果以及与循环LK算法和蚁群算法的对比分析表明,EMR算法兼顾了实用性和通用性,且有较高的优化质量和优化效率。     

求解旅行商问题的高效自适应混合蚂蚁算法

在目前求解TSP问题效果最好的混合算法——最大最小蚂蚁算法和3-opt局部搜索算法的基础上,提出了一种改进的混合蚂蚁算法。算法前期使用局部搜索的解初始化信息素矩阵,加快收敛速度,后期依Metropolis接受准则概率接受局部优化解,有效地避免陷入局部最优,自适应的信息素调节机制使算法更加灵活,而K近邻候选集则使之适应大规模问题求解,理论分析和TSPLIB中部分实例仿真结果表明,此算法能比其他改进蚁群算法具有更多优越性。     

求解GTSP问题的自适应遗传算法

利用传统遗传算法的基本思想,针对GTSP问题,提出了一种改进的自适应遗传算法。通过个体编码方法,将GTSP转化为多段图最短路径问题,采用动态规划算法求解;根据多段图最优子结构性质设计了个体适应度评价函数,加快了算法的运行速度。实验测试的结果表明,新算法比传统的遗传算法具有更快的收敛速度和更优的解质量。     

求解TSP的改进信息素二次更新与局部优化蚁群算法

针对蚁群（ACO）算法收敛速度慢、容易陷入局部最优的缺陷,提出了一种改进信息素二次更新局部优化蚁群算法（IPDULACO）。该算法对蚁群搜索到的当前全局最优解中路径贡献度大于给定的路径贡献阈值的子路径信息素进行二次更新,以提高构成潜在最优解的子路径被选择的概率,从而加快算法的收敛。然后,在搜索过程中,当蚁群陷入局部最优时,使用随机插入法对局部最优解中城市的排序进行调整,以增强算法跳出局部最优解的能力。将改进算法应用于若干经典的旅行售货商问题（TSP）进行仿真实验,实验结果表明,对于小规模的TSP,IPDULACO可以在较少的迭代次数内获得已知最优解;对于较大规模的TSP,IPDULACO可以在较少的迭代次数内获得更精确的解。因此,IPDULACO具有更强的搜索全局最优解的能力和更快的收敛速度,可以高效求解TSP。     

改进的蚁群-遗传算法在优化航线中的应用

航线优化是一个重要问题。提出的改进算法是先通过限制、选择和更新信息素、控制周游次数,找出航线的满意解,大大缩短了搜索时间;再用所得较好的航线表示作为初始种群,指定为父体,直接进行分组定界操作,将已得航线进行优化改良,求得最佳航线。实验结果表明,该算法应用于求解航线优化问题行之有效。     

多目标满载装卸货问题的蚁群算法研究

满载装卸货问题是广泛存在于物流运输领域的重要组合优化难题。为了有效求解实际情况下多目标的满载协同运输问题,设计了双层最大最小蚁群算法。利用蚁群算法的正反馈和并行性,通过不同层次蚁群之间的信息素传递,实现对问题的两个优化目标同时优化。通过实验表明了该算法可行而有效。     

考虑多种运输方式的第四方物流路径优化算法

综合运用不同运输方式的技术和经济特点实施联合运输,是满足货主降低运输费用和时间要求的有效措施。为此,针对不同运输主体,提出多种运输方式的优化组合算法,以实现在满足客户运输要求的前提下,综合选择运输方式、第三方物流服务商及运输路径。将不同第三方物流服务商多种运输方式的优化选择与路径选择相结合,建立单源点到单目地点完成多项任务的第四方物流路径优化模型,设计模型求解的最大最小蚂蚁系统。实例计算结果表明,该算法能方便有效地求解考虑多种运输方式的第四方物流路径问题,为第四方物流企业决策提供参考。     

蚁群算法求解带约束火焰切割路径优化问题

火焰切割路径优化的主要目的是控制切割路径不当引起的热变形误差并对路径长度寻优。通过零件位置关系动态定义切割过程中的可选打孔点集合,将热变形约束条件量化;引入虚拟结点并定义距离矩阵,将路径规划转化为动态描述的TSP问题;基于蚁群算法提出约束条件下增大解空间的方法和信息素更新策略。实验结果表明,改进后的蚁群算法能够有效控制问题的规模并且得到更高质量的解,对热变形约束条件下的数控火焰切割路径优化有较好的效果和实用性。