一种改进的多目标蚁群优化算法

提出了一种改进的多目标优化问题的蚁群算法.算法选择进化算法的定义的时候,种群中一定数量的个体信息来源作为中心的扩散,多个中心点之间有一定的距离;群体中的其他个体按照离源个体最近的距离的原则归属于其中一个信息素扩散源;按照信息素扩散算法,每一信息素扩散源中的个体获得源于中心点的信息素;保留每一代群体中的中心点到下一代种群中,确保了收敛性和维护种群的多样性.最后利用多目标背包问题来测试算法的性能,并与MOA和NSGA-II算法进行了分析比较.结果表明,该搜索效率高,向真实Pareto前沿逼近效果好,得到传播的多种解决方案,是一个多目标优化问题的解决和有效的方法.     

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.     

基于蚁群算法的通信光缆线路优化规划研究

通信光缆线路在进行规划时,包含多个目标,因此,优化规划的复杂性非常高,属于非线性组合优化问题,蚂蚁算法是一种通用启发式的算法,是近年来出现的新型算法,对于组合优化问题能够比较好的求解.在本文中,首先阐述了蚁群算法的优点,接着在蚁群算法的基础上对通信光缆线路优化规划进行研究,目的在于提升通信光缆线路建设的科学性及经济性.     

基于改进蚁群算法的图像边缘检测研究

针对基本蚁群算法对图像边缘检测效果不理想,提出了一种改进蚁群的图像边缘检测算法。通过改进蚂蚁转移规则和信息素更新策略,使得蚂蚁更具有多样性选择。实验仿真结果表明,该算法可以有效地检测出图像边缘,提高检测的效果。     

基于改进蚁群算法的梯级水库群优化调度研究

水是生命之源,也是生产的重要根本,环境生态的基础配备,在近几年的经济发展和国家建设中,针对水力发电的策略也有了相关的技术人员安排,有效的推进可再生能源发电的合理性和完备性,提升电力系统运行状态的综合性和灵活性,促进该种发电形式的有效开展.本文就基于改进蚁群算法的梯级水库群优化调度研究进行分析和归纳.     

基于蚁群算法的无线传感器网络广播协议算法研究

相对于传统的广播算法,蚁群算法的优化目标在于多约束条件下平衡网络能耗,提高网络生存期。文中提出了一种基于蚁群算法的无线传感器网络广播协议算法（AOBA）,并对AOBA算法进行仿真试验。通过与现有算法的性能比较,可以看出AOBA算法能平衡网络负载,降低整个网络的能耗,有效提高网络生存期,具有较好的性能。     

蚁群优化算法的收敛性分析与研究

蚁群算法本身存在收敛速度慢、容易陷入局部最优解的缺陷,针对该缺陷提出一些改进的蚁群优化算法。主要讨论蚁群优化算法的收敛性理论及应用,得出蚁群系统和最大最小蚂蚁系统的性能好于蚂蚁系统,而且最大最小蚂蚁系统的性能最好,蚁群系统和最大最小蚂蚁系统是值收敛的,一种特殊的ACOgs,ρ(θ)算法是解收敛的。     

基于改进蚁群算法的物流配送车辆路径优化研究

蚁群算法具有十分广阔的应用前景,但蚁群算法在求解路径优化问题中存在收敛速度慢、易陷于局部最优路径等缺点。文章通过改进传统的蚁群算法,使蚁群算法求最优解的性能显著提升,大幅提高了物流配送的效率。     

基于改进蚁群算法的客户服务调度方法

提出一种基于改进蚁群算法的客户服务调度方法。改进蚁群算法综合考虑了服务处理的顺序、服务时间及服务台负载等因素，快速地完成客户服务需求的调度。该算法是一种群体寻优方法．能较快地搜索到全局最优解。仿真实验结果表明，该方法是正确的、可行的和有效的。     

基于改进蚁群算法的虚拟机放置方法研究

针对云计算资源调度中虚拟机到物理机上的部署问题,提出了基于剩余资源控制阈值和匹配度函数的虚拟机放置模型,该模型采用三重因子的目标函数,为剩余资源总量、新开物理机数量及剩余资源标准差提供了约束;为求解该模型,提出了基于大请求先安置原则的改进蚁群算法,并对算法的及参数进行了改进。仿真实验表明和其它几种算法比较,改进蚁群算法有更好的收敛性和更强的寻优能力;此外,实验结果也表明该放置模型能有效提高资源利用率,降低能耗。     

基于蚁群算法的物流配送路径优化方法研究

针对港口物流配送的路径优化问题,文中提出了基于改进蚁群算法的最优路径规划方法。该方法考虑了现实环境中的配送约束条件,并以总的规划路径长度最小化为目标建立系统模型。其在标准蚁群算法的基础上,通过改进蚂蚁对下个目标节点的选择方式,并对非最优解加以重复利用来充分探索可能的配送路径。同时减小解空间中最优解与非最优解间的信息素浓度差,进而提高算法跳出局部最优的概率。通过将随机产生的多个目标节点作为仿真环境,对所提算法与现有算法进行对比。测试结果表明,所提算法不仅可有效规划物流配送路径,且其规划出的路径总长度更短,寻求全局最优解的能力也更强。     

基于全局单位化的连续函数优化的改进蚁群算法

提出了一种基于空间全局单位化的解决连续空问优化问题的改进蚁群算法.该算法首先通过单位映射将优化空间映射到单位空间,然后蚂蚁在各变量的每个位数上在0到9十个数字中进行选择,以此来模拟蚁群觅食的过程,并阐述了此改进蚁群算法的主要改进操作.通过实例测试表明,改进蚁群算法具有较好的寻优能力.     

基于改进蚁群优化算法的无线传感器网络路由研究

无线传感器网络能够进行传感器的数据收集和传输,为用户提供多元信息,在不同的领域都具有广阔的应用前景,但无线传感网络的路由研究没有动态的拓扑结构以及全地址机制,并且资源有限,因此需要新的无线传感器路由算法进行支持.本文提出了基于改进蚁群优化算法的无线传感器网络路由算法,将改进的蚁群算法的自组织、动态和多路径等特性结合到无线传感网络路由研究中,用仿真实验进行分析表明该算法在网路平均能耗方面的显著改善,并证明其基本满足无线传感器网络的设计目标.     

基于改进蚁群算法的航空器解脱路径规划方法

为了在多架航空器发生冲突的情况下,可以更好地寻找出一条最优路径,提出了一种基于改进蚁群算法的冲突路径的规划方法。通过加入基于排序的蚂蚁系统,避免蚂蚁系统陷入局部最优解的情况,从而得到更优的规划路径。在建模环境下的仿真结果表明,此方法可以快速完成对最优路径的选择。     

基于蚁群算法的车辆路径问题研究

文中首先对传统的蚁群算法进行了简要介绍,并分析了其局限性;其次详细对比了车辆路径优化与TSP的区别,对于蚁群算法从启发式因子和改进参数两个方面对蚁群算法进行了优化;最后结合某三级城市京东仓库和配送点之间的路径优化进行了实例分析,分析结果表明,基于文中优化后的蚁群算法总里程由原来的465. 6km,缩减为改进后的301. 6km,减少164km,优化效果十分明显。     

基于蚁群优化的地磁场匹配改进算法

针对现有地磁场匹配算法对载体沿直线前进假设的不足,提出可适用于非直线形路径的地磁场匹配改进方法。将匹配定位视作多级优化问题,采用多级蚁群优化算法。在运算的每一级利用距离度量,路径序列比对采用相似性度量的方式,实现蚁群算法的两重适应度函数计算,并通过实验仿真讨论了权值参数与测量序列长度对路径匹配结果的影响。仿真结果表明,该方法可以仅利用磁测数据,以适当的计算量,有效实现任意形状路径的匹配。     

一种改进的量子多目标蚁群优化算法

提出一种新的量子多目标蚁群算法．在蚁群算法的基础上中引入量子理论,将量子计算与蚁群进行融合,并用于求解多目标问题．该算法的核心是在蚁群中引入量子算法中的量子态矢量和量子旋转门来分别表示和更新信息素．该算法在全局寻优能力和种群多样性方面比蚁群算法有所改进,测试表明：该算法是求解多目标问题的一种有效的算法．     

基于蚁群搜索的直线检测算法

提出一种直线检测的蚁群搜索算法,以解决常用的直线检测方法抑制噪声能力不强、检测直线不连续的缺点.此算法首先进行边缘检测获取边缘点;然后利用边缘信息引导蚁群迭代搜索可能的直线边缘,根据直线的搜索长度更新蚂蚁运动路径上的信息素分布,使搜索逐渐向长直线收敛;最后,依据搜索路径的信息素遗留提取图像中的直线边缘.多组标准图像的实验表明:该算法能够有效地从图像中提取直线,同时具有较强的噪声抑制能力.     

基于蚁群算法的改进ICA算法

针对FastICA算法存在依赖非线性函数选取的缺陷,为了提高分离结果的可靠性,提出一种基于蚁群算法的改进ICA算法.该算法对非线性函数没有特殊要求,以负熵近似表达式为目标函数,利用蚁群算法代替FastICA算法中的牛顿梯度法,求出最优分离矩阵B,从而对混合信号中的独立分量进行分离.仿真结果验证了改进ICA算法的有效性和...     

一种基于蚁群算法的多任务联盟串行生成算法

联盟生成是多Agent系统的一个关键问题,主要研究如何在多Agent系统中动态生成面向任务的最优Agent联盟.引入蚁群算法解决多任务联盟问题.提出了一种基于蚁群算法的多任务联盟串行生成算法,对于任务序列可依次生成全局最优联盟,避免了联盟死锁和资源浪费,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好.