采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法：一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率。同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数字高程数据建立三维环境,对比基本细菌觅食优化算法和粒子群算法进行仿真。结果表明,基于改进细菌觅食优化算法优化的无人机航迹规划结构具有路径长度更短、路径更平滑和收敛速度更快的特点。     

基于DNA进化算法的多目标物流配送路径优化

本文基于建立一种多目标物流配送车辆调度模型的基础上,采用DNA进化算法求解该问题,克服传统算法的求解速率低,易陷入局部最优的问题,为进一步研究物流配送优化调度问题提供参考。     

一种改进蚂蚁算法在TSP问题中的应用

蚂蚁算法是一种模仿蚂蚁群体行为的智能化算法。正反馈机制是蚂蚁算法的特点,它使得蚂蚁算法能够较快收敛到问题的最优解,但同时也是蚂蚁算法的缺陷,它使得蚂蚁算法容易陷入局部最优解。ACS和MMAS是两种典型的改进蚂蚁算法,通过引入伪随机概率选择规则和信息素最大、最小限制规则来加快蚂蚁算法收敛速度同时避免陷入局部最优解。目前,针对启发信息的影响进行改进的蚂蚁算法还没有。提出一种基于方向启发信息的改进蚂蚁算法,为蚂蚁算法的改进研究提供了新的思路。     

融合可见光指纹的迷宫机器人路径规划算法

针对复杂迷宫环境下移动机器人路径规划中存在的寻路时间较长、效率较低等问题，提出了一种将可见光指纹信息与A*算法相融合的迷宫机器人路径规划算法。该算法引入局部、全局障碍密度参量对A*算法的评价函数进行优化，使评价函数可以自适应障碍物密度；同时引入可见光指纹信息，利用障碍物对可见光光源的遮挡程度来判断各方向路径是否通畅，解决了A*算法在寻路进程中无法预见后续障碍物的问题。仿真结果表明，基于可见光指纹的改进A*算法能够有效减少传统A*算法的路径搜索点数量，平均寻路效率提高了43.5%，具有一定的应用价值。     

车辆调度问题的全局—局部最优信息比粒子群算法研究

文章提出了一种新的改进标准粒子群算法即全局—局部最优信息比粒子群算法。该算法与标准粒子群算法和全局—局部最优最小值粒子群优化算法作了比较,仿真实验结果表明,该算法在收敛速度、解的质量和鲁棒性上都表现出了较优的性能,是求解车辆调度问题的一种较好方法。     

一种并行化的改进型灰狼分簇算法

针对传统的分簇算法在解决超大规模数据集的分簇问题上不具有高效的时间和空间复杂度且易于陷入局部最优的问题，提出了改进型灰狼分簇算法（Improved Gray Wolf Clustering Algorithm，IGWCA），将灰狼行为规则与灰狼狩猎策略相融合，同时引入狄利克雷分布（Dirichlet Distribution）实现先验，在基准数据集上完成IGWCA与其他分簇算法的对比分析。实验结果表明IGWCA不仅具有较强的探索和开发能力，还具有较小的分散度。使用Hadoop框架的MapReduce模型实现IGWCA的并行化（IGWCA on MapReduce，IGWCA-MR），通过F-Measure和平均运行时间验证IGWCA-MR的分簇质量，并在真实数据集上验证了IGWCA-MR的运行时间和加速性能。实验结果证明，IGWCA-MR可以有效解决超大规模数据集的分簇问题，是一种高效的替代算法。     

复合形遗传算法求解功率优化分配研究

传统遗传算法存在过早收敛及局部搜索能力差的缺点,在求解无线网络协作通信功 率优化分配等NP难问题时难以求得最优解。通过小生境策略解决遗传算法过早收敛问题,引 入复合形法提高局部搜索能力,构造了兼顾广度搜索与深度搜索的高性能混合算法,并对上 述问题进行求解。实验结果表明,所提算法与已有算法相比有一定优势,有效延长了协作网 络寿命,稳定性较好,分配的功率波动范围小。     

基于蜜源优化策略的频率分配方法

为解决频率分配问题，提出了一种基于蜜源优化的频率分配方法。首先提出了评估干扰程度的计算方法，对传统人工蜂群算法的引领蜂搜索行为进行改进，并重新设计跟随蜂搜索行为，增加选择性变异操作，以达到增加蜜源多样性以及降低陷入局部最优解可能性的目的。仿真结果表明，所提算法在搜索效率和稳定性上具有明显优势，能够在有效时间内找到满足频率距离约束的频率分配方案。     

鸡群算法及相关研究简述

鸡群优化(Chicken Swarm Optimization,CSO)算法是一种基于鸡群觅食行为的随机优化算法。CSO算法能够简单、快速地解决科学研究领域中的各类数值计算问题,受到国内外学术界及工程优化领域学者的广泛关注。CSO算法具有收敛速度快和收敛效率高的优点,同时也趋于陷入局部最优解。阐述了CSO算法的基本原理以及流程,介绍了CSO算法在部分研究领域中的应用。     

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。