有时间窗的车辆路径问题的改进MAX-MIN蚁群算法

MAX—MIN蚁群算法是一种改进蚁群算法,文本构造了求解VRPTW的最大最小蚁群算法,将仿真结果与其他经典算法进行比较,结果证明该算法性能优良。     

浅析蚁群算法在优化前向神经网络中的作用

蚁群算法（ant colony algorithm，简称ACA）是一种最新提出的新型的寻优策略，文章尝试将蚁群算法用于三层前向神经网络的训练过程，建立了相应的优化模型，进行了实际的编程计算，并与加动量项的BP算法、演化算法以及模拟退火算法进行比较，结果表明该方法具有更好的全局收敛性，以及对初值的不敏感性等特点。     

基于自适应蚁群算法的车辆路径问题研究

车辆路径问题是一个NP-hard问题,传统的方法对其进行有效求解,本文分析了蚁群算法在VRP问题中的可行性,并提出了自适应策略对传统的蚁群算法进行改进,该策略可以根据不同搜索阶段调整参数提高算法的收敛速度。最后,通过芜湖市的数据对该方法进行检验,实验结果显示,本文提出的自适应蚁群算法的性能优于传统的蚁群算法。     

一种基于路径目的节点数的改进蚁群算法

组播技术是无线Mesh网的关键技术之一,它可以大大提高信息的传播效率。介绍了信息组播的主要步骤,指出蚁群算法是构建路由组播树的高效启发式算法。对传统的蚁群算法进行定性分析,并对其进行改进,在计算路径费用以及信息素更新时考虑路径上的目的节点个数,路径上的目的节点数越多,其信息素增长速率越快。两个例子的仿真结果表明,该改进算法与传统蚁群算法相比分别使费用和代价减少了28.57%和22.36%,改善了系统性能。     

有时间窗的车辆路径问题的改进MAX—MIN蚁群算法

MAX—MIN蚁群算法是一种改进蚁群算法，文本构造了求解VRPTW的最大最小蚁群算法，将仿真结果与其他经典算法进行比较，结果证明该算法性能优良。     

基于新型的蚁群算法在路径安排的研究

蚁群优化算法作为一种新型的启发式算法,在解决组合优化问题如旅行商问题,中可以得到较好的次优解而备受重视,但蚁群算法的运算过程由于受各种参数设置以及信息素更新方式的影响,存在着早熟收敛,容易陷入局部最优的现象。本文在这方面应用蚁群系统来进行尝试解决,并将其应用到邮递员的路径安排中进行实证检验。     

无线传感器网络在农田数据监测中的应用研究——基于蚁群路由算法

采用一种优化信息素的蚁群路由算法,解决了无线传感器网络在农田数据监测中的数据传输路径问题。改进的蚁群路由算法综合考虑了传感器节点造价高昂、节点能量补充困难、信号强度易受障碍物影响以及传感器网络在农田中的应用特点等问题,在时间复杂度不变的情况下,延长了无线传感器网络的生命周期。通过matlab仿真证明:与基本蚁群路由算法相比较,采用改进的蚁群路由算法所找到的路径,具有"热路径"长度更短,无线传感器网络能耗更加均衡的优点。     

基于蚁群算法的车辆路径问题研究

本文首先对车辆路径问题及蚁群算法进行了介绍,并介绍了使用蚁群算法解决经典车辆路径问题时的参数设计及步骤,然后针对H公司在沈阳市的配送活动建立基于蚁群算法的优化模型,最后使用Matlab进行求解,研究结果表明:优化后的线路节约了车辆配送的总里程数,减少了车辆数量,提高了车辆满载率,降低了企业运输成本。     

基于蚁群算法的碾压混凝土坝参数反演分析

本文将蚁群优化算法引进到碾压混凝土坝的参数反演当中，充分地利用了蚁群算法对参数搜索的能力，把待反演的参数离散化处理，从而对参数进行分析优化。     

电商背景下基于第四方物流的供应链资源整合决策优化研究

电子商务高速发展背景下,研究第四方物流模式下供应链资源整合决策优化问题有着重要意义。基于此,本文建立了第四方物流模式下供应链资源整合的数学模型,采用蚁群算法对第四方物流模式下的供应链资源整合模型进行了求解分析,并采用实例进行验证。实验结果表明,蚁群算法有效解决了第四方物流模式下供应链资源整合决策优化问题,适当地对第四方物流模式下供应链资源整合决策中的参数进行调整可以得到非常好的收敛效果,并实例验证了蚁群算法的有效性,以供参考。     

蚁群算法的0-1背包问题求解研究

提出解决背包问题的蚁群算法思想及求解0-1背包问题问题描述,给出了改进常规的蚁群算法的方法.     

基于混合蚁群算法的物流配送路径优化问题的研究

建立优化物流配送路径的数学模型,然后构造求解该问题的混合蚁群算法。进行多次实验和计算,证明用混合蚁群算法优化物流配送路径,可以有效地求得问题的最优解或近似最优解。     

基于改进蚁群算法的配送中心多目标选址问题研究

本文以配送中心多目标选址为研究对象,提出了解决多目标问题的新方法一改进蚁群算法,该算法通过蚁群对目标的单独优化和蚁群之间信息互递相结合,多个蚁群并行优化各目标分量,使各目标分量在彼此约束的条件下朝最优解逐渐接近,该算法具有很强的灵活性和收敛性,对于解决大规模、复杂的物流配送网络规划问题具有很大的实用价值。     

蚁群算法在客户关系管理中的应用

客户关系管理(CRM),现已逐渐成为企业生存与发展的焦点之一,也正成为计算机科学技术领域的一个活跃研究方向。文章简介绍CRM;针对客户关系管理中的客户分类问题,提出了一种基于蚁群算法和数据挖掘的客户聚类算法,并开发了一个基于蚁群算法的客户聚类软件。最后对实际问题进行验证,验证结果表明方法是可行的。     

移动Ad Hoc网络节能方案的分析

对Ad Hoc网络中节能机制进行了分层介绍,详细介绍了目前的路由节能机制,对节能算法进行了分析.但当前的协议在处理更复杂,拓扑变化频繁的的网络时表现不好.对当前协议进行跨层设计,以及随着仿生学的发展,将群集智能算法的思想加入到当前无线Ad Hoc网络中成了节能研究发展的新方向.对当前的蚁群算法进行了详细的研究,并对算法中的不足给出了修改意见.     

同步卫星转发器二维时频资源蚁群调度算法

针对地球同步卫星转发器多任务时频资源调度问题，考虑任务执行时间和占用带宽需求，建立了以卫星系统总收益为目标的多约束规划模型，提出了基于任务频率时间窗口更新的蚁群调度算法。该算法综合考虑了任务优先级和时间灵活度，以增强蚁群在状态转移规则下的搜索能力；同时设计了虚拟任务、伪随机状态转移规则和信息素参数，保证算法向最优解逐步收敛。实例仿真表明，该算法相对于传统蚁群算法、遗传算法和启发式算法，在算法结果、寻优能力和稳定性方面具有显著优势。     

基于蚁群算法的移动机器人的路径规划方法的研究

蚁群运动的路径总是趋近于信息素浓度最大的路径，但信息素浓度最强的路径未必一定是最优路径的情况依然存在。本文针对初始蚁群算法不易生成最优或次最优解并且时间长的问题，提出改进蚁群算法。通过仿真试验证明，改进算法能够快速得到最优或次最优解。     

蚁群聚类算法在物流配送中心选址中的应用研究

本文提出了包含多个供货点和配送点的物流配送中心选址模型,并将物流配送选址问题分为供货和配送两个阶段,在其中分别应用蚁群聚类算法,实现了整个问题的最优化。这是一种基于蚁群聚类算法的分阶段求解包含多个供货点和配送点的物流配送中心选址算法。     

基于改进MMAS的多配送中心车辆调度问题研究

针对城市多配送中心车辆调度问题,在分析最大最小蚁群算法的基础上,提出了改进MMAS算法,该算法重点对信息素的挥发机制进行探讨,并引入自适应机制对信息素的确定方案进行改进。实验结果证明,改进MMAS算法对于优化多配送中心物流车辆路径问题是有效的。     

车载自组织网中基于蚁群算法的延迟感知路由协议

针对城市道路环境下车载自组织网(VANETs)中通信性能下降以及数据传输失败的问题,提出了一种基于蚁群算法的延迟感知路由(ACDR)协议。首先,建立双向车道的数学延迟模型;然后,根据提出的端点十字路口(EI)的概念,ACDR利用蚁群优化(ACO)寻找最佳路线,其中前向蚂蚁根据本地路段延迟以及当前十字路口与目的节点的端点十字路口之间的全局时延来选择路径,后向蚂蚁则负责在返回路径时更新信息素,同时,相邻十字路口之间利用贪婪转发算法进行数据包的传递。最后仿真比较了ACDR协议与连通性感知路由(CAR)协议的性能,结果表明提出的ACDR协议的数据包的传输延迟小,丢包率低,通信性能好。