基于自适应蚂蚁算法的房地产投资组合优化决策

房地产投资组合优化是降低投资风险的有效方法之一。现有的房地产投资组合理论及算法存在缺陷,本文利用熵作为风险衡量指标,并将蚂蚁算法引入房地产开发领域,且针对基本蚂蚁算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种变系数的自适应蚂蚁算法,TSP问题的计算结果表明了该方法较之其他改进算法的优势。以各项目间的均值熵代替TSP中的各城市距离后的房地产投资组合计算实例表明,该方法具有较好的收敛性、稳定性和鲁棒性,是求解组合优化问题的一种较好的方法。     

JIT环境下多工序订单生产排序模型及改进蚁群算法应用研究

订单排序问题是一类典型的组合优化问题,采用改进蚁群算法对一种具有多生产工序和JIT交货的订单模型进行建模求解,给出了详细的算法步骤,通过仿真计算和结果分析,与模拟退火算法和基本蚁群算法进行对比,证明了本算法的有效性。     

基于ACO的TSP问题研究

从1991年意大利学者DorigoM等首次提出蚁群算法以来,蚁群算法作为一种自然计算方法,由解决TSP问题开始,从一维静态优化问题到多维动态优化问题,发展到今天已经相对成熟了,蚁群算法可以用来解决一些尚未找到有效算法的问题,而且蚁群算法还是元启发式算法(Metaheuristic),是一种算法框架,可以在其基本思想上针对不同问题做改进从而应用到不同问题上去.     

基于改进蚁群算法的数控机床主轴优化设计

通过机床主轴结构的分析,建立数学模型优化主轴。改进的蚁群算法,将寻优过程分为粗搜索和精搜索两个步骤,将粗搜索获得的可行解进行变异交叉操作,最后通过精搜索完成整个寻优过程。分别采用改进蚁群算法、基本蚁群算法和常规优化设计对主轴进行优化,对比分析优化结果可知,采用改进蚁群算法优化后体积减少了5.6%,刚度提高了8.2%,并且改进蚁群算法比基本蚁群算法优化耗时减少了36%,比常规优化设计减少了57%,这为机床主轴系统的优化提供了一种切实可行的优化算法。     

基于改进教学优化算法的施工系统可靠性研究

随着我国建筑施工项目规模的不断扩大,对施工过程的管理提出了更严峻的要求。为了提高大型项目的可靠性,本文引进施工系统可靠性作为综合指标,对施工过程系统的可靠性进行优化分配。以装配式建筑为实例,运用教学算法优化施工系统可靠度,针对教学算法在解决高维复杂问题时易失去种群多样性和陷入局部最优的缺点,在基本教学算法的基础上引入信息熵,提出了基于信息熵改进的教学因子。最后通过将改进后的算法应用到建筑项目施工系统可靠性优化中,结果表明改进后的教学算法比基本教学算法更容易跳出局部最优,具有较强的全局搜索能力。     

浅析蚁群算法及其应用

蚁群算法是人工智能领域的一种模拟进化算法,在求解复杂优化问题方面具有一定的优势,是一种很有发展前景的计算智能方法。本文首先了解并分析了蚁群算法的基本原理,接着阐述了它的经典应用,最后总结了该算法的优点与不足。     

基于改进初始信息素和公共路径的蚁群算法

针对基本蚁群算法收敛速度慢、容易陷入局部最优等问题,提出了一种基于对初始信息素的分布进行优化以及加强对较优解的公共路径进行利用的改进蚁群算法。改进后的算法加强了蚂蚁从其所在城市到下一步最大可选城市之间的路径上的初始信息素浓度,增强了算法对较长子路径的探索能力。对较优解的公共路径的利用则提高了改进算法的收敛速度和搜索精度。通过求解不同规模TSP(旅行商问题)并与ACS(蚁群系统)算法的对比,证明了改进蚁群算法的有效性。     

改进的蚁群算法在TSP中的应用

介绍了蚁群算法的特点,提出了基于蚁群算法的TSP问题的求解方法,并分别建立基本蚁群算法及MAX-MIN蚁群算法模型,并引入“三步走”法确定模型参数的最优组合,还结合了交叉局部优化相关的求凸壳顶点的算法进行预处理,进行仿真分析比较。实验结果表明基于MMAS模型相对于基本蚁群算法模型,有比较好最短路径选择能力及良好的可扩展性能,能够较好地适应物流配送系统的要求。     

改进的蚁群算法在物流配送路径问题中的实现

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略。以及蚁群算法在TSP问题中的应用,在分析TSP与车辆路径问题（VRP）的异同后,给出用于求解车辆路径问题（VRP）的蚁群算法,并针对蚁群算法在求解过程容易出现过旱收敛问题,提出了几种改进算法的措施。最后通过powerbuilder的仿真实现结果表明,这种算法对VRP问题有较好的求解效果。     

有时间窗的车辆路径问题改进蚁群算法研究

针对目前蚁群算法在求解有时间窗的车辆路径问题上较少对蚁群算法本身进行优化的问题,提出了一种改进蚁群算法,通过改进状态转移概率和信息素更新规则,以及使用改进的精英蚂蚁策略,改善蚁群算法搜索能力。通过对Solomon标准数据集的实验,结果表明改进的蚁群算法在求解有时间窗车辆路径问题上是有效的。