用蚁群算法优化四川旅游路线

旅行商问题(TSP)是典型的组合优化问题。本文介绍了蚁群算法这种智能算法的基本原理,将其应用于四川旅游问题,并通过matlab做了仿真实验,结果表明蚁群算法具有较强的鲁棒性和求最优解的能力,取得了很好的效果。     

应用改进蚁群算法的同心分布喷丝孔检测路径规划

为提高微孔同心分布喷丝板的检测效率,提出了一种基于改进蚁群算法的微孔检测路径规划方法。该方法针对传统蚁群算法收敛速度慢、易陷入局部最优等缺陷进行优化改进：重新定义微孔间的距离以适应典型喷丝板检测仪运动特点;采用最近邻法设定初始信息素浓度表使蚁群算法在相同的迭代次数等参数下求得更优的路径结果;通过路径尖端去除处理对蚁群算法的结果进一步优化,得到了优化的微孔检测路径。为验证算法的有效性,以典型的微孔同心分布喷丝板为算例进行检测路径的规划计算,结果表明：所提出的算法具有较快的收敛速度,优化所得路径与传统逐圈检测路径相比缩短路径长度约18%,可显著提高对应喷丝板的检测效率。     

基于蚁群算法求解旅行商问题

旅行商问题，即TSP问题（Trav01ingSalegmanProblem）是数学领域中著名问题之一，这是一个NP难题也是一个著名的组合优化问题。它广泛地应用于电力系统故障诊断，国防武器一目标分配（weapon—targetassignment）问题等领域。蚁群算法是模仿蚂蚁在寻找食物过程中的行为而形成的一种寻找优化路径的机率型模拟进化算法，经研究表明该算法具有许多优良的性质，具有一定的有效性和应用价值。根据蚂蚁寻找食物的行为和旅行商活动的相似性，利用蚁群算法可以求解旅行商问题，从而找到最短路径，实现最优解。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题(TSP)的混合粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

改进离散人工蜂群算法规划异形满版服饰图案切割路径

服饰图案切割路径规划是服饰图案自动切割技术的关键部分之一。文中用改进的离散人工蜂群算法实现了激光切割系统对异形满版服饰图案的切割工艺路径规划优化。首先,把满版服饰图案激光切割路径规划转化为广义旅行商问题求解,证明了路径规划转化成普通TSP问题比转化成第一类广义TSP问题更为有效,并给出了路径规划中"图案始切割点"的优化选择方法。然后结合部分匹配交叉和启发式变异搜索方法的人工蜂群算法求解TSP问题,证明了与A*算法及遗传算法相比,该方法更为优越。并且该方法已应用于激光切割机切割异形满版服饰图案路径规划的生产实践,运行可靠,比未规划时的工艺路线平均提高效率33.7%。该方法提供了一种解决TSP问题的新方法,具有一定的理论意义和价值。     

基于改进蚁群优化算法的中高速长网纸机速度链的控制

对中高速长网纸机而言,确保速度链控制满足工艺要求对纸机正常运行有着重要意义。目前,纸机速度链控制多采用常规PID控制,但中高速长网纸机由于自身传动点多、车速快,故对闭环系统的响应速度和控制精度要求高,常规PID参数整定方法难以满足上述控制要求。蚁群优化算法（ACO）是一种适合多目标寻优的全局搜索算法,但传统蚁群算法易陷入局部最优及搜索较慢的问题,对此,本课题将信息素因子（α）和启发式因子（ ）按一定比例关系随迭代进行变化,提出一种改进蚁群优化算法,并将其应用于速度链PID控制器参数整定中。仿真结果表明,与常规PID控制相比,基于改进的蚁群优化算法PID控制系统响应速度更快、超调更小、抗干扰能力更好、鲁棒性更强。应用结果表明,该控制系统可保持纸机各部分速度长期稳定。     

蚁群算法在婴儿营养米粉配方中的应用

介绍了蚁群算法的原理、模型和算法实现过程,并采用该算法对婴儿营养米粉配方优化设计模型进行了优化计算,优化计算结果表明,基于蚁群算法的优化计算切实可行,为类似的食品配料优化计算提供了新的思路和方法。     

基于结构化编号和蚁群算法优化FMEA法的配电网可靠性评估

传统故障后果分析(FMEA)法在配电网可靠性计算中存在数据计算量大和计算速度等问题,文章提出一种对配电网拓扑结构的编号方法,同时采用蚁群算法优化了传统FMEA法的寻路过程,减小了算法的计算量。算例结果表明,该方法具有传统FMEA法的准确性,其计算量相对于传统方法更低,计算速度更快。     

基于TSP模型求解制丝生产调度问题

为进一步优化制丝生产流程,将制丝生产调度问题与TSP(Traveling Salesman Problem)问题进行了映射,基于不考虑时间约束、考虑时间约束、多生产线3种条件分别建立了优化模型,并采用改进的遗传算法进行求解。将宁波卷烟厂4个牌号16批次的制丝生产数据导入所建立的模型进行求解,并将计算结果与实际生产数据进行对比,结果表明:采用优化方法可以得到多种批次生产安排,且均符合时间窗口要求,与实际生产相比卷烟牌号切换次数明显减少,优化效果显著,运算效率可以满足生产要求。该方法可为提高制丝生产精益管理水平提供支持。     

基于数学优化算法的皮革裁剪空行程路径优化研究

为缩短皮革裁剪加工空行程路径长度、提升裁剪算法的有效性，介绍了空行程路径优化预处理，建立了空行程路径数学优化算法模型；引进蚁群算法对样片裁剪路径进行优化，并进行了皮革面料裁剪加工试验，结果表明改进后的蚁群算法可计算出最优的空行程路径，显著提升了皮革裁剪加工效率。     

对称Loewner方程组极小范数最小二乘解的快速算法

通过构造特殊分块矩阵并研究其三角分解,给出了求以秩为n的m×n阶对称Loew ner矩阵为系数阵的线性方程组极小范数最小二乘解的快速算法.该算法的计算复杂度为O(mn)+O(n2).     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题,课题组通过分析立体仓库中堆垛机的工作特点与运行情况,提出了基于混合蚁群粒子群算法的路径优化方法,在传统的蚁群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明:混合算法路径优化速度较快,且比以往的路径更短。研究使堆垛机的运行效率得到提高。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

基于改进蚁群算法的旅游路线优化

蚁群算法是按照邻近节点路径最短的原理选取下一个节点,因此在全局路径中不一定是最优选择.针对这一缺点,文中采用两步节点最短路径策略选取下一个节点的方法,对蚁群算法路径选择进行改进,并对禁忌表中节点顺序进行调整.然后采用TSPLIB中的Benchmark31、Att48、kroA100、Pr136、tsp225问题,对旅游路线进行优化和仿真,所得改进蚁群算法比基本蚁群算法搜寻结果更优.将Att48、Eil51问题运行结果与其他算法进行比较,结果表明,改进蚁群算法得到了较优路径.     

皮革裁剪智能设备空行程路径数学优化算法模型研究

裁剪路径是影响皮革加工效率的关键因素。为缩减皮革裁剪中的空行程路径,初步建立了空行程路径数学优化算法模型,介绍了蚁群算法的路径选择计算方法与信息素更新方法,引入了贪心算法、轮盘赌选择法、精英策略和变异算子对基于蚁群算法的空行程路径数学优化算法模型进行改进,最终明确了数学优化算法模型的实现步骤。改进后的空行程路径数学优化算法模型具有算法复杂度降低、迭代次数减少和运行时间减短的优势,可为皮革裁剪智能设备计算出最优的空行程路径,提升皮革加工效率。     

时效性服装配送模型与改进蚁群算法的研究

 分析服装具有时效性强等特点,建立了服装时效性的模糊数学模型,通过对服装配送问题的变量研究,结合服装时效性的模糊数学模型,研究了具有时效性的服装VRP模型;在此基础上,通过对传统的蚁群算法(Ant Colony Algorithm)分析,研究了与服装VRP模型相匹配的改进型蚁群算法(Modified Ant Colony Algorithm);MACA具有的最优属性为以服装时效性变量为权重的更新函数作为各个配送点信息素更新函数。通过实验表明,相比较传统的蚁群算法,提出的改进的蚁群算法,对具有时效性服装的VRP模型的最优路径的求解更优,证明了MACA对具有时效性服装VRP模型求解的合理性与有效性。     

基于改进PSO算法的自动配棉工艺参数优化设计

为了进一步改善自动配棉的通用性和自适应性,针对配棉工艺多约束条件特点,进行了自动配棉优化设计。提出了一种基于改进的PSO(Particle Swarm Optimization)算法的自动配棉参数优化求解方法。通过配棉数学模型建立,将其转化为多约束条件优化求解问题。分析了标准PSO算法在配棉工艺参数寻优的不足,针对标准PSO算法惯性权重和学习因子策略的不足加以改进。将采集到的棉纺企业工艺参数,用标准PSO和本文提出的改进PSO算法同时对配棉工艺模型求解。结果显示：改进PSO算法采用了惯性权重递减和学习因子自适应策略,寻优速度、精度、局部和全局寻优能力等指标都得到提高,降低了企业配棉成本,具有一定的实际应用价值。     

基于粒子群优化算法的坦克火力分配方法

针对未来局部战争中战场态势信息更迭速度很快,指挥者在面临复杂战场环境仍需及时做出合理的火力分配决策的问题,提出适用于坦克火力分配问题的改进粒子群算法。通过采用十进制编码的方式,更新了初始化策略,改进粒子群优化算法来提高其对坦克作战情景的适用性。经过仿真验证,此方法对问题求解具备很好的鲁棒性和时效性,对坦克作战实际情境求解有很好的借鉴意义。     

蚁群算法在旅游交通线路中的应用

外出旅游已经成为人们生活的时尚。选择合适的旅游交通线路,不仅可以节约交通时间,提高交通质量,而且可以节省交通成本。蚁群算法是一种源于生物世界的新的仿生类算法,成功地运用于实际问题。使用蚁群算法对旅游线路进行优化,并最终利用蚁群算法对自制的北京重要旅游景点eil53.tsp做优化测试,得出北京一日游的优化旅游线路。     

蚁群算法基本原理及综述

虽然蚁群算法出现时间并不长,但由于其自身具有较好的鲁棒性,以及较强的正反馈机制,使得其在解决TSP问题中取得了较好的成果。在其他问题的解决中,由于其全局搜索性较差,极易出现局部收敛。文章通过对蚁群算法的基本原理与相关方法进行分析,以期对相关问题的改善提供借鉴与参考。