基于嵌入式蚁群算法优化的小波神经网络磁链观测器在DTC中的应用

文章提出一种采用嵌入式蚁群算法优化的小波神经网络磁链观测器,在蚁群算法中引入一种嵌入确定性搜索策略构成嵌入式蚁群算法。仿真实验表明,采用嵌入式蚁群算法优化的小波神经网络磁链观测器,不仅减少了小波神经网络减少隐层节点的数目,加快了小波神经网络的收敛速度,从而提高了磁链观测器的在线辨识精度,进而有效改善了无速度传感器直接转矩控制系统的低速性能。     

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AIW-PSO小波神经网络的上证指数预测

针对小波神经网络(Wavelet Neural Network,WNN)的学习算法的不足,采用一种自适应惯性权重粒子群优化算法(Adaptive Inertia Weight Particle Swarm Optimization,AIW-PSO)作为小波神经网络的学习算法,建立AIW-PSO小波神经网络模型对上证指数进行预测,并将预测结果传统小波神经网络模型比较。结果表明,AIW-PSO小波神经网络模型对上证指数具有更好的预测效果。     

基于果蝇算法优化小波神经网络的输电工程造价预测

为了准确控制输电工程造价水平,提出一种基于果蝇算法优化小波神经网络的混合预测模型。首先,对输电工程造价影响因素进行归一化处理,并将归一化结果作为输入变量;其次,利用果蝇算法对小波神经网络参数进行优化,在此基础上,利用优化后的小波神经网络模型预测输电工程造价;最后,将本文的预测结果和其他方法进行对比。算例结果表明,该混合模型的预测效果更理性,精度更高。     

基于演化蚁群算法的多目标物流网络优化

物流网络优化中普遍存在着多目标优化的问题.传统的多目标优化算法容易陷入局部最优,采用了多种群相关的蚁群算法求解多目标物流网络优化问题,两个种群分别针对总运费最小和最大单程距离最小两个优化目标,考虑蚁群算法的收敛速度,采用遗传算法对蚁群算法的多个初始参数进行优化选择.实验结果证明,该模型算法可以有效迅速地求得最佳路径,为决策者提供多个可选择的优化方案,避免局部最优解.     

基于改进蚁群算法的机器人路径规划设计

蚁群算法是由于其良好的反馈信息、优秀的分布式计算和强鲁棒性等优点,在移动机器人的路径规划中受到了较多应用,同时该算法也存在着收敛速度较慢的问题。本文介绍了一种改进的蚁群算法,对于机器人移动环境进行建模分析,在原有蚁群算法的基础上,对于刺激概率和信息素的规则进行了优化调整。改进后算法提升了收敛速度,扩大了搜索区域,通过仿真的结果表明,改进算法具有更好的规划特性。     

基于蚁群算法的通勤车路径问题优化研究

在探讨车辆路径问题和蚁群算法基本原理的基础上,建立了某高校通勤车路径优化模型,并采用蚁群算法对该单位通勤车运行路径进行了优化研究.优化后通勤车总行驶路程减少了10.28％、总时间减少13.93％,而且运行时间和载客量标准差分别减少了43.78％、66.35％.优化方案解决了车辆载客量不均以及驾驶员工作量不均等问题,新的路线方案更加合理.应用蚁群算法解决通勤车路线规划问题的探讨,对解决类似问题具有参考和指导意义.     

基于EKF的异步电机滑模变结构控制研究

针对传统异步电机直接转矩控制(DTC)中存在磁链、转矩脉动大且低速时控制精度低等问题,提出了一种新型的滑模控制器取代原先的磁链和转矩滞环调节器,有效改善了动态性能。同时针对异步电机的无速度传感控制的问题,采用了一种基于扩展卡尔曼滤波(EKF)来估算转速和磁链并用于闭环控制,通过对定子磁链与转速的闭环控制改善了定子磁链的估算精度,实现了异步电机的无速度传感控制策略。仿真结果表明,此改进后的系统在一定的速度范围内具有更快的响应速度、抗干扰性能更强、鲁棒性更强。     

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。     

基于信息熵的改进蚁群算法及其应用

基本蚁群算法存在着计算复杂、易陷入局部最优等缺陷，本文提出了一种基于信息熵的改进蚁群算法，采用由信息熵控制的路径选择及随机扰动策略实现了算法的自适应调节，克服了基本蚁群算法的不足。本文将蚁群算法改进后引入房地产开发项目投资组合优化中，以各项目间的均值熵代替TSP中的各城市距离，计算实例表明，该方法具有较好的收敛性、稳定性和鲁棒性，其不失为求解组合优化问题的一种较好的方法。     

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.     

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。     

基于蚁群算法的改进神经网络备件库存分类模型研究

针对基于BP神经网络的备件库存预测模型的不足,提出基于蚁群算法的改进神经网络算法应用于备件预测模型。首先建立了基于蚁群算法的改进神经网络备件库存分类模型：其次进行了实验分析及对比。验证了模型的可行性。对装备备件预测具有一定的参考价值。     

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。     

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。     

连续空间与蚁群算法

蚁群算法是由意大利学者M.Dorigo等人首先提出的一种新型的模拟进化算法,初步的研究已经表明该算法具有许多优良的性质。国内对蚁群算法的研究主要针对离散优化问题,而对于连续空间优化问题的研究则较少,为此,文章对蚁群算法在连续空间优化中的研究现状作一综述,希望能对相关研究起到一定的启发作用。     

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。     

用混合蚁群算法求解多工序订单生产计划

多工序订单生产排序问题,是一类典型的组合优化问题。采用混合蚁群算法,对一种多工序订单模型进行建模求解,并给出了详细的算法步骤。通过用不同数量的订单、工序组合的数据进行模拟计算与结果比较,证明了混合蚁群算法在求解此类的问题的有效性以及良好的鲁棒性。     

基于自适应的改进蚁群算法在餐饮连锁物流配送中的应用

在基本蚁群算法的基础上进行改进,运用了一种信息素自适应调整策略,在旅行商问题(TSP)的搜索过程中自适应的调整信息素挥发系数,适当抑制算法的正反馈作用,拓展了搜索空间,扩大可行解的范围,提高蚁群算法的求解性能和运行效率。通过使用matlab对实际问题进行实验,证实了该自适应蚁群算法在求解物流配送问题时,搜索能力及收敛速度比传统的蚁群算法有较大提高。     

基于自适应的改进蚁群算法在餐饮连锁物流配送中的应用

在基本蚁群算法的基础卜进行改进,运用了一种信息素自适应调整策略,在旅行商问题(TSP)的搜索过程中自适应的调整信息素挥发系数,适当抑制算法的正反馈作用,拓展了搜索空间,扩大可行解的范围,提高蚁群算法的求解性能和运行效率.通过使用matlab对实际问题进行实验,证实了该自适应蚁群算法在求解物流配送问题时,搜索能力及收敛速度比传统的蚁群算法有较大提高.