基于蚁群算法的航线配船

通过对比航线配船问题与TSP问题的异同,成功将蚁群算法（ACA）用于航线配船,为求解大规模非线性整数规划问题提供了一条新的途径。     

基于蚁群算法的通信线路最佳抢修路径问题的研究

通信线路最佳抢修路径问题,其实质就是交通路网中的最优路径问题。该文在研究蚁群算法的原理和基本模型的基础上,提出用一种改进的蚁群算法来解决最优路径问题。实验表明,该方法能在较短时间内发现最优解,对研究通信线路最佳抢修路径问题具有较大的实际意义。     

微正则退火的双向蚁群优化算法

双向蚁群搜索算法可以提高算法的搜索速度,并可以选择搜索的空间;微正则退火算法具有准确度高、速度快等优点,可以实现全局路径优化搜索.结合两种算法的优点,提出了双向蚁群微正则退火算法,用来求解海量数据网络下的旅行商问题.通过实验表明:双向蚁群微正则退火算法不容易陷入局部最优解,且在寻找全局最优解和运行效率上都比其他算法更有优势.     

具有能量奖励策略的微正则退火算法

为提高微正则退火算法求解旅行推销员问题的最终解质量,提出一种对妖的能量进行奖励的策略,在拒绝状态时增大妖所携带的能量,用以提高脱离局部极值的能力.按照能量奖励后是否做限界检查,给出了无上界约束和有上界约束两种实施方式.仿真显示无上界约束的能量奖励策略能够提高最终解的质量,而有上界约束不能提高算法性能.为加快应用该策略后的收敛速度,设计了一种容忍机制,降低了搜索到最优解时的平均目标评价次数.     

车辆路径问题的改进微正则退火算法

设计了一种新的能量奖励机制,以提高微正则退火算法摆脱局部极值点的能力.在状态转移被拒绝后,通过比较两个能量参数的大小来启动奖励操作.奖励方式依旧为几何增长方式,但增长幅度改为一定区间内的线性调节.给出了一个采用改进算法的经典的单配送中心实例,它提高了微正则退火基本算法的优化效果,降低了搜索过程停滞在局部极值的概率,它搜索到的运输费用更贴近最佳解.     

基于Dijkstra算法的矿井最佳避灾路线分类求取

为使矿井避灾路线有更好的适用性,探讨了矿井面临不同类型灾害危险时最佳避灾路线分类求取方法。根据不同灾变的特点,将矿井灾害分为突水灾害,煤与瓦斯突出、瓦斯或煤尘爆炸、矿井火灾,冒顶事故三大类;绘制三类灾害的可行避灾路线拓扑图,并计算各条巷道的当量长度;将巷道当量长度作为可行路线各边的权值代入拓扑图中,用最短路径算法Dijkstra算法求解各拓扑图对应的最佳避灾路线。分析结果表明,基于Dijkstra算法的矿井最佳避灾路线分类求取方法扩大了避灾路线的选取范围,在避灾人员较多时,可使巷道系统的通行能力得以充分发挥。     

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。     

基于变异蚁群算法的多约束运输路径优化

针对运输路径优化中存在多约束限制的问题,建立了多约束运输路径优化问题(MCTPOP)的数学模型。对于求解算法,在基本蚁群算法的基础上,引入变异机制,采用线性递增的变异概率增长方式,根据变异蚂蚁的寻路特点,提出了一种Ant-enco&contr信息素更新策略。利用变异蚁群算法对MCTPOP进行求解,通过仿真实验表明,该算法能够减少陷入局部极值的可能性,提高了基本蚁群算法的寻优能力,是一种有效的MCTPOP求解算法。     

基于蚁群系统的多约束QoS路由模型设计

研究多约束QoS路由问题,设计一种基于蚁群系统的多约束QoS路由模型,该模型适合于多约束QoS网络服务环境,并具有QoS路由有效性、可扩展性和鲁棒性等特点.     

复杂环境下基于蚁群优化算法的机器人路径规划

针对复杂环境下机器人的路径规划问题，将蚁群优化算法引入这一新的应用领域，设计了相应的算法，解决了以前尚未涉足的带约束条件的连续函数优化问题．仿真结果验证了所设计算法的实用性和有效性．     

恶劣天气因素下最优车辆路线调度路径选择

考虑恶劣天气因素下的最优车辆路线调度关系到灾害环境下的货物运输效率。由于在较为恶劣的天气环境下,车辆路径的属性特征会发现不可预估的变化。上述属性变化无法通过设定权值进行程度的描述。利用传统算法进行车辆路线调度,没有充分考虑天气因素给车辆路径选择带来的影响。往往通过经验设定固定的影响权值,没有考虑对不同路径选择属性数据影响的差异性,调度过程缺陷明显。提出采用模拟退火遗传算法的最优车辆路线调度方法。依据相关理论构建车辆调度优化模型,结合在恶劣天气环境下,车辆行驶路径所需时间、交叉路口密度、通行能力等因素综合变化,根据模拟退火算法模拟差异化的天气影响因素,利用遗传算法求取模型最优解,实现考虑恶劣天气因素的最优车辆路线调度的路径选择。实验结果表明,利用改进算法进行车辆路线调度,能够有效的获取车辆当前的最佳路线,提高了车辆调度的效率。     

基于混沌优化的最优运输路径问题研究

在分析Logistic混沌序列遍历性的基础上,将Logistic混沌序列映射到多极点目标函数的搜索区间来搜索全局最优解。研究混沌优化算法的一般步骤和算例分析,并将混沌优化算法应用于运输路径的最优化选择问题中。研究结果表明了混沌优化算法具有较好的全局搜索最优解能力,同时也验证了其在最优运输路径选择上的可行性和有效性。     

“互联网+”下城市路网的最优路径选择

在"互联网+"的时代下,结合计算机数据采集以及系统仿真技术,对车辆在城市路网环境下,进行全局路径最优规划。将出发点与目的地连线所成对角线的矩形区域,作为路径限制搜索区域。不同时间段的车流量和不变的道路距离对道路阻抗产生影响的主要原因。在此基础上,建立城市路网的限制搜索区域时变权重有向图模型,并采用蚁群算法求解全局规划最优路径。最后进行MATLAB软件编程,仿真验证了算法的可行性以及有效性。     

局域网限速状态下的资源调度模型仿真

在局域网限速状态下进行资源调度时,网络资源受到传输区域的影响,在调度过程中存在较大的流量突变随机性.传统的网络资源调度算法在应对海量突变流量时,采用延迟限制通信的方法,随便能缓解流量峰值,但仅仅通过外加通信约束条件约束、延迟流量突变的通信过程,调度过程存在弊端.提出采用混合蚁群算法的局域网限速状态下资源调度方法,将禁忌搜索作为蚁群算法局部搜索策略,并通过结合分布估计提高算法的收敛速度,把局域网限速状态下资源均衡与优化问题转化为组合优化的最短路径问题,进行计算求精确解.仿真结果表明,利用混合蚂蚁算法在局域网限速状态下进行资源调度,具一定鲁棒性和分布性,提升了调度工作效率.     

改进蚁群算法在迷宫路径寻优中的应用研究

针对机器人在障碍环境下寻找最优路径的问题,提出了一种动态环境下的机器人路径规划的仿生算法.该算法采用栅格法对场地建模,并模拟蚂蚁的觅食行为,由多只蚂蚁协作完成最优路径的搜索.搜索过程采用了概率搜索策略和自适应调整信息素的方法,使得搜索策略更有效.仿真实验结果表明,在场地复杂的情况下,该算法可以有效地规划出最优路径.     

最优化城市公交网络路径研究

随着生活节奏的加快,人们在选择出行路径时更加侧重选择合理高效的出行方案以便节约时间.对于城市公交网络路径的设计工作而言,科学的行进方案能够缓解公共交通网络运行的压力.本文通过计算机算法来解决和优化城市公交网络路径的问题.     

基于蚁群算法的猜测符号执行的路径搜索

符号执行作为一种基本的程序分析技术,已被广泛应用于软件测试领域。研究表明,即使在现有的查询优化技术的支持下,约束求解也仍然是符号执行中最耗时的部分。猜测符号执行的思想是将多次约束求解合并成一次求解,从而减少约束求解消耗的时间。但是,猜测的成功率受猜测深度和路径搜索方向的影响,尤其是路径搜索的方向在较大程度上决定了整体猜测的成功率。因此,引导路径搜索向成功率高的方向进行,对提高猜测符号执行的整体效率至关重要。在猜测符号执行的路径搜索过程中引入蚁群算法,根据节点条件信息初次确定分支路径的权重,在多次迭代中根据分支路径的覆盖情况更新权重,通过权重决定路径搜索的方向。实验表明,该方法有效提升了猜测符号执行的效率。     

高空飞艇航迹规划的多种随机搜索算法

针对高空飞艇的航迹规划问题进行了分析和计算.考虑到高空飞艇的飞行特征,首先对其航迹规划问题进行了适当简化,转变为求解巡回旅行商问题(TSP),并给出相应的数学描述;然后在此基础上介绍遗传算法、蚁群算法和模拟退火算法,并运用这三种随机搜索算法求解高空飞艇最优航迹;最后通过仿真算例简要地分析和比较了各个随机搜索算法的性能.仿真结果表明以上三种随机搜索算法对于解决规模较大的高空飞艇航迹规划问题是行之有效的,求解效率高于传统搜索算法.     

仓储系统拣货路径规划问题的研究

本文针对仓储系统的拣货路径规划问题展开研究.以拣货路径长度和拣货时间为评价指标,分别采用蚁群算法、遗传算法、禁忌搜索算法、模拟退火算法进行对比研究.把仓库内拣货路径规划问题转化为转换为N=M+1的TSP问题.经MATLAB仿真研究,获得最短路径和适应度进化曲线.经实验测试发现了当拣货数量较多即N值偏大时,蚁群算法得到的...     

关键词最优路径查询的分段拓展算法

关键词最优路径查询（KOR）查找在满足关键词全覆盖和路径长度约束条件下,时间开销最小的路线常用于旅行规划。现有优化算法虽然采用各种剪枝策略缩小搜索规模,但是本质上是广度优先搜索,在查找长路径时,搜索规模依然过大,执行时间长。针对该问题,提出一种关键词最优路径查询的分段拓展算法（SE-KOR）。SE-KOR算法根据关键词倒排索引表构建关键词顶点路径,将路径划分为多段分别拓展,降低搜索规模,从而缩短执行时间。该算法在路径拓展时给出路径走向,而现有剪枝策略不控制路径拓展方向,因此提出局部代价阈值剪枝,控制路径的走向沿关键词顶点路径拓展,并综合运用近似支配、可行解目标值剪枝和全局优先拓展策略加速拓展。实验结果表明,在不损失精度的情况下,该算法执行时间分别在不同关键词个数、代价阈值与查询图规模下至少缩短8.0%、61.0%和57.7%。