基于蚁群算法的配送中心订单优化匹配

结合半导体行业的特点,针对芯片配送中心拣货作业中的订单一货箱匹配问题进行研究.该问题优选合适的货箱,在保证满足订单需求数量的前提下,降低拆箱和翻倒箱的人工操作.建立了该问题的数学模型,并基于蚁群算法设计了求解该问题的启发式算法,最后借助实际的算例试验以及与已有算法相比较验证了算法的有效性.     

贪婪遗传蚁群算法在沼气发电配电网中的应用

介绍传统的优化算法用于求解配电网络规划问题时的不足,深入介绍蚁群优化算法在生物质发电配网中的优点及不足。将遗传算法和蚁群算法相结合,用于沼气发电配电网的规划中,经实验结果验证,该方法有效可行。     

贪婪遗传蚁群算法在沼气发电配电网中的应用

介绍传统的优化算法用于求解配电网络规划问题时的不足,深入介绍蚁群优化算法在生物质发电配网中的优点及不足。将遗传算法和蚁群算法相结合,用于沼气发电配电网的规划中,经实验结果验证,该方法有效可行。     

基于蚁群算法的多摄像头调度方法研究

本文从提高多摄像头视频监控系统的目标跟踪性能出发,对基于蚁群算法的多摄像头调度方法进行了研究．首先,利用目标位置这样一个无需前后关联的信息量作为摄像头调度的依据,定义了Sij和Wij的概念,其中Sij表示目标在i摄像头的j区域,Wij表示摄像头i转向区域j．然后根据任务优先级、目标与摄像头之间的距离及目标的可见性程度,引入蚁群算法计算目标一摄像头对的QOS（QualityofService）,得出最优的目标-摄像头对,结合Sij,值计算Wij的值,从而根据i,j的值调度摄像头．最后,利用Matlab对多个目标分别位于不同摄像头视野域的情况进行了仿真,初步论证了本文设计的多摄像头调度方法的可行性．     

基于Dijkstra-蚁群算法的泊车系统路径规划研究

针对智能停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于Dijkstra-蚁群算法(Dijkstra-ACO)的泊车系统路径规划方法.首先利用链接可视图法建立环境模型,并在此环境模型下,采用Dijkstra算法规划出AGV的初始路径;其次,通过引入节点随机选择机制、调整信息素更新方式和限定信息素阈值策略等对基本蚁群算法进行优化改进;最后,选用改进的蚁群算法对初始路径进行优化.结果显示:Dijkstra算法和混合算法均能使AGV有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与Dijkstra算法相比,混合算法能有效提高路径搜索效率,缩短搜索路径长度,改善搜索路径质量,表明该算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划的要求.     

用于多目标优化的蚁群算法的构建及其应用

从蚁群的生物学行为出发,将成群募集和海量募集两种机制融入蚁群算法,并针对多目标优化的特性,综合考虑解的被支配度和分散度,抽提出一种启发式规则,用以评价食物源的优劣,进而构建多目标连续蚁群优化算法(MO-CACO).通过两个多目标典型函数的优化测试,验证了MO-CACO具有较强的多目标全局寻优能力,且稳健性良好,所求得的最优解集的多目标值能均匀地逼近Pareto最优前沿的各部分.将MO-CACO用于二甲苯异构化装置的操作优化,取得了满意的结果,MO-CACO可为化工过程多目标决策提供支持.     

基于蚁群算法的多Agent任务分配

应用蚁群算法来解决MAS的任务分配问题这一类典型的组合优化问题．研究表明,在求解复杂优化问题方面该算法具有一定的优越性．首先建立了任务分配的数学模型,并导出分配优化的目标函数;其次利用蚁群算法分布式求解的特点实现任务分配的组合优化．仿真结果表明,该算法比禁忌搜索和随机方法具有更好的求解能力．     

基于改进蚁群算法的高精度水声定位航路规划

精确的水声定位是进行海洋资源勘探、海底管道敷设、海洋地形测绘等海洋开发活动的前提。其中一类典型的定位目标是可发射周期声信号的固定信标。文章利用单个自主式水下航行器(Autonomous Underwater Vehicle,AUV)对该类目标进行定位,其中一个关键问题是 AUV 的航路规划。传统的航路规划方法通常研究避障和路径长度最优化,未考虑定位问题的特殊性,而最终的定位精度是与航路息息相关的。因此,传统的航路规划方法容易导致所规划航路的定位精度较差。针对这一问题,文章在传统蚁群算法的基础上,首先引入 Bresenham 画圆算法规划圆形航路,保持定位目标处于 AUV 舷侧声呐视野范围内,避免信号缺失;同时在信息素设计中加入了定位精度因子,使得所规划的航路能充分考虑到定位精度。仿真实验表明,文中所提出的方法可以在传统航路规划避障能力、路径长度优化能力的基础上兼顾定位任务,提高针对声信标类目标的定位精度及定位鲁棒性。     

基于改进蚁群算法的码垛机器人路径规划应用研究

目的为解决蚁群算法在码垛机器人路径规划中存在的收敛速度慢、容易陷入局部最优等问题,提出一种人工势场和蚁群算法相结合的方法。方法首先,根据码垛机器人机械手在人工势场中不同节点所受到的合力,对初始信息素进行不均匀分布,以解决蚁群算法初期由于缺乏信息素导致的无效路径搜索。其次,在启发函数的设计中引入码垛机器人机械手在下一节点所受到的合力,以解决蚁群算法容易陷入局部最优的问题。最后,对信息素的更新策略进行改进。按照寻得路径的长度不同,对每次迭代完成后信息素的增量成比例进行更新,并设置最大、最小值,以解决迭代后期路径上信息素过大而使蚁群算法陷入局部最优的问题。结果改进后的蚁群算法收敛速度提升了约51%,寻找到的最短路径提升了约10%。和其他改进的蚁群算法相比,在综合性能上也有一定程度上的提高。结论改进后的蚁群算法收敛更快,寻找的最优路径更短。     

配电网规划中的简化与可靠性评价算法

配电网的可靠性直接关系着电力系统的运行效果,关系着电力用户的用电体验,是电力企业必须关注的重点问题。本文从可靠性角度对配电网进行了适当的简化,然后结合可靠性评价算法,对影响配网规划可靠性的各种因素进行了分析,希望能够为配网的规划设计提供一些参考。     

分销商选择的模糊多目标规划方法

在考虑运输成本最少、产品不合格率最低、延迟交货率最小3个目标的基础上,建立了分销商选择的模糊多目标规划模型.通过算例验证了该方法在模糊目标条件下选择分销商的可行性.     

多产品供应商选择的模糊多目标整数规划模型

以成本、质量、交货为目标,考虑供应商供应能力、采购数量、供应数量的柔性、评价等级等约束,建立了多产品供应商选择的模糊多目标规划模型.采用降半梯形分布的隶属度函数将模糊多目标规划模型转化为单目标线性规划并求解,应用算例证明了模型的有效性和可行性.     

改进蚁群算法在城市最佳路径规划中的应用

本文设计了一种专门适用于路径规划的改进蚁群算法,利用图论中的加权图的的表示方法来表示交通网络,通过对蚁群算法加以改进,从距离和和通行快慢（流畅程度）两个方面来综合考虑最优路径标准．而非传统的仅从距离单一角度来考虑．结果表明：改进的算法在距离和流畅度综合方面比传统的方法更优化。为实际车载导航系统中最优路径规划问题的解决提供了一种行之有效的方法。     

基于蚁群算法的多值属性系统测试序列优化

针对系统故障诊断中的多值属性系统测试序列优化问题,该文提出一种改进的蚁群算法,将成功运用在二值属性系统中的蚁群算法扩展到多值属性系统中,根据多值属性系统特点,设计相应的状态转移规则和信息素更新机制,并采用蚁群算法和遗传算法相融合的联合优化策略,解决了多值属性系统的序列优化问题,为多值属性系统的测试优化问题提供了一条新的解决途径。     

均分点蚁群算法在群集机器人任务规划中的应用与研究

提出了一种求解群集机器人协作任务规划问题的均分点蚁群算法(EDPACA).通过多组蚂蚁群相互协作搜索,构架了一种新蚁群算法的解结构,并设计了更合理的评估函数,使其在评价时充分考虑均衡任务点探测,最后利用2-opt技术解决了各子周游路径的交叉问题,获得了总代价最优的解.该算法将蚁群技术首次应用于集群机器人的任务调度规划中,成功解决了中大规模任务规划问题.仿真实验结果表明,均分点蚁群算法能提高群集机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路.     

配电网规划优化方法研究

电力系统重要组成部分之一是配电网,配电网的合理规划直接关系到整个电力系统的安全性、可靠性和经济性。本文从配电网规划的特点、经典配网优化方法和启发式优化方法等三个方面对配电网的规划进行研究。     

基于支持向量机和改进蚁群算法的移动机器人路径规划

针对传统蚁群算法(ACO)收敛速度慢、全局搜索能力不佳、易陷入局部最优、路径不光滑及不安全等缺点,本文提出一种将改进的蚁群算法和非线性支持向量机(SVM)结合的移动机器人路径规划算法。对传统蚁群算法引入两个角度信息,增加算法的朝向性,克服局部最优问题;信息素挥发因子随迭代次数自适应调整,加快全局搜索能力和收敛速度。在此基础上结合高斯径向基核最小二乘支持向量机,采用提出的改进蚁群算法获得支持向量机的惩罚系数和核函数宽度,利用径向基核函数和决策函数在改进蚁群算法的路径转向位置处训练优化,得到平滑及安全的路径。仿真结果表明,提出的算法不但可以有效提高收敛速度和精度,而且使得路径光滑且安全。     

基于ReInspect算法的多目标追踪

为了提高复杂场景下多目标检测的准确性,提出了一种基于ReInspect算法的对于多个运行目标的检测方法.该算法基于OverFeat算法和Faster R-CNN算法的思想,加入LSTM(long short-term memory)循环网络结构用于记录多个目标的特征序列;通过调整LSTM网络特征标签信息,预处理损失函数...     

基于遗传算法解决河流环境需水量优化调度的模糊多目标规划方法的研究

为实现城市受污染河流的环境需水量的合理调配,以各蓄水构筑物的调水量为决策变量,研究了在保证河流生态环境需求的基础上,实现整个流域的污染负荷的环境容量最大化、水量最大节约和调水成本最小化的方法,建立了环境需水调度的模糊多目标规划模型.模型中采用整合的非线性梯度隶属度函数作为目标函数,以遗传算法作为求解此模型的工具,并将该模型用于大庆市黎明河流域的环境水量调配,取得较好的效果.     

蚁群算法

在自然界中,蚂蚁群体表现出高度的结构化组织,蚂蚁种群所表现出的能力远远超出单一的个体,科学家们通过对蚂蚁种群觅食、构建巢穴、任务分配等行为能力的研究发现蚂蚁所特有的控制自身周围环境的能力,早在1989年CrossS等通过著名的双桥实验确定信息素对于蚂蚁觅食过程的指导作用,也为后来蚁群算法的模型建立奠定基础。