基于蚁群算法的排水管道系统优化设计

引入一种新的优化设计方法——蚁群算法，并将该法应用于排水管道系统的优化设计。通过实例说明了蚁群算法的设计过程，并与遗传算法进行了比较，结果表明蚁群算法在给排水管网设计中有较为广阔的应用前景。     

蚁群算法在雨水管道系统优化设计中的新尝试

引入一种新的优化设计方法——蚁群算法,并探讨将该法应用于雨水管道系统的优化设计.通过实例说明蚁群算法的过程,并与遗传算法进行比较,表明蚁群算法在给排水管网设计中有较为广阔的应用前景.     

基于灵敏度分析和蚁群算法的管网监测点优化选择

针对管网水力模型校正中监测点的优化计算不容易得到最优解、运算时间较长等问题，采用蚁群算法进行求解。由于管网节点的灵敏度矩阵与监测点最优解之间存在一定的对应关系，且充分利用探索信息可以明显提高蚁群算法的优化计算性能，因此考虑将蚁群算法中的探索信息与灵敏度值进行对应。算例结果表明，与穷举法和遗传算法相比，在参数相同的条件下该法可有效减少优化计算的运行时间。     

桁架结构优化设计的改进蚁群算法

通过对已有的优化方法进行分析,针对蚁群算法容易收敛到局部最优解的缺陷,通过遗传算法和禁忌算法来提高增加蚁群算法的全局优化能力,并改进了算法的灵活性和扩展性;将改进的蚁群算法应用到桁架结构优化设计中,提出了桁架结构优化设计的改进蚁群算法,并建立了相应的优化模型;最后,对10杆平面桁架的优化进行了研究和分析,结果表明,提出的改进蚁群算法是科学可行的。     

采用基于遗传算法的文化基因算法求解TSP问题

为更好地求解旅行商问题,本文提出了一种基于遗传算法的文化基因算法。将2-opt作为局部搜索算子,融入到遗传算法中,以加快遗传算法的收敛速度和提高解的局部搜索能力。遗传算法具有全局搜索的能力,2-opt具有局部搜索的特点,嵌入2-opt局部搜索的遗传算法力图在全局和局部搜索中达到平衡和融合,使之更有效地解决TSP问题。为检测算法的性能,将该算法用于解决标准的TSP测试问题,并将测试结果与标准的遗传算法及蚁群、粒子群等其它一些优秀的算法的实验结果做了比较,数值实验结果证明了算法的有效性。     

基于改进蚁群算法的钢结构优化设计

在介绍蚁群优化算法的原理、基本框架的基础上,提出了一种改进的蚁群算法——分层蚁群算法,并将该算法应用到钢结构优化设计中,最后通过一个算例验证了该方法的效率和有效性,结果表明该方法科学可行,具有很好的应用前景。     

蚁群算法在城市交通导航系统的应用

本文基于蚁群算法模拟城市交通导航系统,对于解决城市交通拥堵问题给出了一些帮助。根据城市交通结构图,结合蚁群算法,有效解决了城市行驶车辆最优路径问题,并建立了智能导航系统。该导航系统利用蚁群算法不仅可以找到车辆行驶的较短路径,还可以帮助车辆选择车流量少的路线。模拟结果表明,该系统可以在较短的时间内,给用户指定最优路径,具有较好的导航效果。     

基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

基于蚁群算法的施工项目成本优化

将建设工程项目的施工过程看成一个复杂的网络系统,用系统可靠性理论与方法研究工程项目的施工系统可靠性,运用蚁群算法对施工网络系统中的各个工作单元的可靠度进行优化分配,进而求出整个工程项目的成本,解决可靠性约束下的成本优化问题。最后,通过工程实例证明该方法的可行性,并和遗传算法的计算结果进行比较,结果表明蚁群算法在求解施工成本优化问题方面更具优越性,为建设工程项目管理提供了一种新思路。     

基于遗传算法和蚁群算法融合的在线测评系统

本文利用遗传算法和蚁群算法进行结合,针对试卷生成模块进行深入研究,控制试题难度,提升试卷质量,体现测评价值。     

Multi-objective optimal design of braced frames using hybrid genetic and ant colony optimization

In this article, multi-objective optimization of braced frames is investigated using a novel hybrid algorithm. Initially, the applied evolutionary algorithms, ant colony optimization (ACO) and genetic algorithm (GA) are reviewed, followed by developing the hybrid method. A dynamic hybridization of GA and ACO is proposed as a novel hybrid method which does not appear in the literature for optimal design of steel braced frames. Not only the cross section of the beams, columns and braces are considered to be the design variables, but also the topologies of the braces are taken into account as additional design variables. The hybrid algorithm explores the whole design space for optimum solutions. Weight and maximum displacement of the structure are employed as the objective functions for multi-objective optimal design. Subsequently, using the weighted sum method (WSM), the two objective problem are converted to a single objective optimization problem and the proposed hybrid genetic ant colony algorithm (HGAC) is developed for optimal design. Assuming different combination for weight coefficients, a trade-off between the two objectives are obtained in the numerical example section. To make the final decision easier for designers, related constraint is applied to obtain practical topologies. The achieved results show the capability of HGAC to find optimal topologies and sections for the elements.     

蚁群仿真算法模拟Mixed Logit模型随机参数分布

Mixed Logit模型克服了传统Logit模型的两个重要缺陷（随机喜好性限制和IIA特性），是一种高度适应性的模型。本文主要研究目标是：尝试将仿真优化算法一蚁群算法用于拟合Mixed Logit模型参数分布，证明蚁群算法在标定Mixed Logit模型参数上的合理性及有效性。结果表明蚁群算法求解的有效性优于传统算法，在未来工作中可逐步推广。     

堆石坝参数反演的蚁群聚类RBF网络模型

 将蚁群算法与径向基(RBF)网络相结合,提出一种用于堆石坝力学参数反演的蚁群聚类径向基网络模型。该模型用蚁群聚类算法搜索RBF网络基函数中心,模拟蚁群觅食聚类的概率转移特性,所得到的聚类结果类间离散度和比传统K均值聚类结果小,能够得到更合理的基函数中心,从而获得较准确的坝体参数和位移之间的非线性映射关系。在进行参数灵敏度分析的基础,对一座堆石坝的反演分析表明,蚁群聚类RBF网络模型可有效地求解堆石坝多参数反演问题,反演结果优于BP网络模型和K均值RBF网络模型。     

Comparison of algorithms for seismic topology optimisation of lifeline networks

A performance comparison among five optimisation algorithms for the topology design of lifeline network subjected to earthquakes is presented in this study. The topology optimisation model in conjunction with the argument of seismic reliability is firstly introduced for the design of lifeline networks subjected to earthquakes. Subsequently, two quite standard optimisers used in the numerical optimisation, i.e. a genetic algorithm (GA) and a simulated annealing algorithm, are investigated. Their hybrid scheme, entitled a simulated annealing GA that combines the advantages of two standard optimisers, is introduced as well. Besides, an ant colony algorithm and a particle swarm algorithm that have been developed in recent years are explored. Three modelled lifeline networks, including two benchmark networks and one actual network, are used as the numerical carriers that the five optimisation algorithms accommodate. It is concluded that the simulated annealing GA provides an excellent tool with higher efficiency to achieve optimal topology of lifeline networks.     

基于Q学习蚁群算法的热网优化方法

以热网最小年费用作为目标函数,引入基于Q学习规则的蚁群算法,建立了热网优化算法。结合算例,比较了比摩阻算法、模拟退火算法、基于Q学习规则蚁群算法,基于Q学习规则蚁群算法的热网最小年费用最低。     

基于蚁群算法的复合形法及其在边坡稳定分析中的应用

首先将基于排序的路径选择方法引入基本蚁群算法 ,并用之于连续变量的优化问题和边坡的最小安全系数搜索 ,结果发现对于设计变量较少的数值优化问题和简单边坡的最小安全系数搜索问题 ,该蚁群算法可以找到全局最优解或比较接近全局最优解。但对于复杂边坡的最小安全系数搜索问题 ,该蚁群算法很容易陷入局部最优。另外复合形法对于不同的初始复合形也会得到不同的最小安全系数 ,利用本文提出的基于最小海明距离的替换准则将蚁群算法得到的局部最优解替换掉初始复形中的一个顶点 ,则复合形法容易找到全局最优 ,成为一种全局搜索能力很强的优化算法。     

混沌扰动启发式蚁群算法及其在边坡非圆弧临界滑动面搜索中的应用

通过引入混沌扰动算子增加解的多样性和提高全局寻优能力，另外通过构造蚂蚁的启发式搜索方式提高对局部最优解的搜索能力，从而有效地克服了基本蚁群算法容易出现停滞和搜索效率低的缺陷。还利用Spencer法和Janbu法，探讨了所提出的具有混沌扰动算子启发式蚁群算法在边坡稳定性分析中的应用。实例计算和对比分析结果表明，该法有效而又可靠。