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。     

改进蚁群算法在物流配送路径中的应用

针对物流配送路径优化问题的特点,分析了基本蚁群算法的不足之处,并对原有蚁群算法进行改进.同时引入"扰动因子"和"奖惩"机制,建立数学模型,进而对物流配送车辆路径问题进行了实验仿真.结果表明,改进后的蚁群算法提高了全局寻优能力与收敛速度,取得了较好的效果.     

DNA-蚁群算法在车辆路径优化问题中的应用

随着我国经济和科技的发展,物流配送已经成为促进经济发展的重要环节,在物流的配送过程中如何使用车辆路径的优化问题是长期困扰人们的难题,随着群智能算法发展的今天,已经有多种算法能够应用到车辆路径的最优化模拟的建立和计算中。本文通过对蚁群算法在路径最优模型的过程中的优缺点进行介绍。     

基于蚁群算法的多目标配电网联络线规划

本文将模糊多目标规划方法应用于配电网联络线规划中,同时考虑经济性要求和可靠性要求,具体算例表明多目标规划方法综合了经济性和可靠性两者的对立和协调,中和了两者之间的满意度,因而得到了最佳规划方案。     

蚁群算法在复杂系统可靠性优化中的应用

复杂系统可靠性优化问题为典型的NP-难问题.不考虑系统的具体连接形式,将每个部件视为一级,产生随机数作为网络节点, 把蚁群优化算法成功应用到复杂系统可靠性优化中,搜索到其他算法未能得到的最优解.仿真结果表明,蚁群优化算法可以在相对短的时间内较快地找到问题的最优解.蚁群优化算法与其他元启发式算法一样,可以有效克服求解组合优化的计算复杂度问题.     

基于遗传蚁群算法的测试用例集约简

为提高软件测试效率,节省回归测试成本,本文提出了一种新的约简测试用例集的算法.该算法是遗传算法和蚁群算法两种算法的结合,首先利用遗传算法的快速随机全局搜索能力,生成蚁群算法的初始信息素,然后利用蚁群算法的正反馈性,快速得到约简测试用例集的近似最优解.最后通过仿真实验验证了该算法的有效性.     

蚁群算法在城市配送中的应用研究

蚁群算法是受自然界中真实蚁群的集体行为的启发而提出的一种基于群体的模拟进化算法,最早成功应用于解决著名的TSP问题。本文针对实际城市配送调度中的配送线路优化问题进行了分析,将蚁群算法引入配送调度管理,并对蚁群算法在城市配送管理中的应用前景进行了研究。     

一种改进的蚁群遗传混合智能算法在TSP问题中的应用

蚁群算法、遗传算法作为两大仿生优化算法,有其各自的适用域与局限性。原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足,优化效果得到了改善,但是由于两种算法混合,当求解问题规模变得越来越大时,求解步骤也会增多,从而使得求解速度会有所缓慢。本文改进算法采用信息素挥发因子自适应调整机制,调节算法收敛速度,保证算法的全局搜索能力,进而扩大解的搜索空间。同时根据公共路径降低蚁群算法运算时间,诱导蚁群寻找更优解,提高了其寻优能力和速度。仿真结果表明,改进后的算法在寻优能力,收敛速度及求解精度上均取到了较好的效果。     

蚁群算法理论及应用研究

首先简述蚁群算法的基本原理和特点.然后介绍具有代表性的改进算法和蚁群算法的应用领域,最后对蚁群算法未来的研究方向和发展趋势进行展望。     

蚁群算法在TSP问题中的应用研究

随着计算机技术的发展,各种算法技术也不断在更新,特别是在模仿社会性动物行为领域产生很多智能算法。主要介绍蚁群算法,阐述其工作原理和特点及使用它求解TSP问题的具体实现。     

蚁群算法在网格资源查找中的应用

提出基于蚁群算法的移动Agent在网格中的资源发现方法,利用蚁群算法的并行性,全局优化性和离散性等特点,初步研究将蚁群算法应用到网格资源查找,为今后的研究提出新的思路。     

基于改进免疫遗传优化蚁群算法的移动机器人路径寻优研究

针对移动机器人路径规划中使用蚁群算法(ACO)易陷入局部最优和收敛速度慢的问题,提出了一种适用于机器人静态路径寻优的改进免疫遗传优化蚁群算法(IMGAC)。该算法可以根据实际情况自动调整变异概率和变异方式,以及自动调节个体免疫位的长度,将通过改进的变异算子和免疫算子嵌入蚁群算法来提高全局寻优能力与收敛速度。仿真及实验表明:相比于经典ACO算法以及最大最小蚂蚁系统,IMGAC算法收敛速度更快,全局寻优能力更强。利用该算法寻找移动机器人最优路径,提高了静态路径寻优的效果和效率。     

模拟退火-二进制粒子群优化算法在配电网重构中的应用

将模拟退火算法与二进制粒子群算法相结合应用于配电网重构的优化算法既发挥了粒子群算法收敛速度快的特点,又因为引入的模拟退火算法具有的较强的跳出局部最优解能力,实现了有效地避免粒子群算法易陷入局部极值点的缺点,提高了进化后期算法的收敛速度和精度。实例中应用IEEE16节点系统的算例验证了模拟退火-二进制粒子群混合算法在配电网重构中的可行性和有效性。     

改进的蚁群算法及其在卫星网络路由计算中的应用

介绍了蚁群算法的原理，然后对现有蚁群算法进行了一些改进，使它能够快速地收敛以满足高速变化的卫星网络拓扑结构．采用改进的虚拟拓扑策略解决了卫星网络拓扑高速变换的问题．将改进的蚁群算法应用于其上，并给出了相应的性能评估．所提出的改进的虚拟拓扑策略，能够大大减少一个系统周期内卫星网的时间片个数．应用于此基础上的改进的蚁群算法也体现了较好的性能．     

蚁群算法的研究现状及应用

蚁群算法是近年米发展起来的一种新型模拟进化算法,它是由意大利学者M．Dorigo等人在20世纪90年代初提出来的。这种算法模仿了蚂蚁在搬运食物的过程中,自发寻找最短路径的行为特征,加以改进并应用到不同的领域。     

蚁群算法在智能LED路灯控制中的应用研究

为了优化LED路灯控制并达到有效监控,减少节点能量消耗,提升LED路灯控制中网络节点处理和传播数据的效率,本文使用蚁群算法研发一种可用在LED路灯低压配电网寻址法,能改善最优路径搜索的力度.针对计算精度低和能耗高现象,设计了蚁群算法的一种改进措施更好地免除算法陷进局部最优.算法根据PLC管理路灯性能特点构建网络拓扑结构...     

改进蚁群算法在云环境下路径优化设计

云环境作为一种新的网络服务环境,提供大量的网络资源服务,云环境中的资源分配问题受带宽、负载以及响应时间的影响。蚁群算法是一种自适应搜索算法,对组合优化问题的解决发挥了重大的作用,但是其缺陷是容易陷入局部最优以及搜索速度慢。本文提出的蚁群优化算法,将蚁群算法和遗传算法结合起来,能够加快蚁群算法的收敛速度,提高搜索速度,降低云环境下的网络负载,使得云环境下的任务运行时间有效缩短,网络利用率明显提高。     

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。     

改进蚁群算法在WSN移动代理路由中的应用

提出一种改进的蚁群算法,将其应用于移动代理在传感器网络路由中。改进算法在移动代理迁移过程中考虑传感器节点的能量和数据传输损耗等因素,对移动代理走过的路径进行局部信息素更新,从而避免蚁群算法所带来的易陷于最优解的缺点,平衡网络负载,提高网络寿命。     

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。