蚁群算法与其他原理相结合在机械优化设计中的应用

通常我们在机械结构优化设计中,常借助基本蚁群算法进行优化设计,虽然能使得到的结构能够达到预期的目标与要求。但是这种基本蚁群算法通过实践发现容易出现搜索求解速度慢等缺点。所以若将蚁群算法与元胞原理或者遗传算法等其他原理相结合起来,然后将其应用于我们通常的机械结构设计中,我们可以获得更为优异的效果,为我们在进行复杂的机械优化设计时提供了新的思路和方法。     

蚁群算法与其他原理相结合在机械优化设计中的应用

通常我们在机械结构优化设计中,常借助基本蚁群算法进行优化设计,虽然能使得到的结构能够达到预期的目标与要求。但是这种基本蚁群算法通过实践发现容易出现搜索求解速度慢等缺点。所以若将蚁群算法与元胞原理或者遗传算法等其他原理相结合起来,然后将其应用于我们通常的机械结构设计中,我们可以获得更为优异的效果,为我们在进行复杂的机械优化设计时提供了新的思路和方法。     

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.     

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。     

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。     

混合蚁群算法求解物流配送车辆路径优化问题研究

文中在分析VRP与旅行商问题（TSP）区别的基础上,构造了求解VRP的混合蚁群算法。将蚁群系统（ACS）算法同节约量和局部搜索策略2-opt法相结合来改进基本蚁群算法。仿真实验结果表明混合蚁群算法性能优良,能够有效地求解VRP问题。     

基于混合DE算法的改进海豚群算法

为了提高海豚群优化算法的优化能力,针对基本海豚群算法搜索阶段易陷入局部最优和早熟收敛的缺陷,将DE入算法,提出了一种改进的海豚群算法。算法通过DE的交叉和变异机制避免局部最优。测试结果表明,改进的算法在收敛速度和寻优精度方面有更好的表现。     

一种改进的松弛迭代图像配准算法

本文展示了一种改进的松弛迭代图像配准算法,此算法首先使用归一化自相关运算求得图像的粗匹配对,接着使用改进的松弛迭代匹配算法进行精匹配。本文通过优化筛选第一轮迭代结果,使得后续迭代时间明显减少。实验证明此算法效率比原始算法有了很大的提高。     

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。     

基于聚类算法和蚁群算法的物流配送路径优化研究

物流配送的研究已经成为提高物流效率、降低物流成本的关键。文中在研究物流问题现状以及相关配送路径算法的基础上,提出了一种新的物流配送路径优化方案,对于一个城市内的多个配送点,首先通过K均值算法进行聚类分析得到局部配送中心及其配送范围内的客户点,然后利用蚁群算法设计该配送区域内的最优配送路径。通过仿真实验得知,文中方案设计出的最优配送路径长度较单纯采用蚁群算法有了较大改善。     

支持长沙市应急物流配送的MapInfo开发

文章以面向对象程序设计语言Visual Basic为开发工具,借助MapInfo软件,集成MapX控件,实现了一个支持长沙市应急物流配送的MapInfo系统,利用改进蚁群算法进行路径优化,应用MATLAB软件验证了有效性和可行性。     

物流配送车辆调度问题算法综述

配送车辆调度优化问题旨在解决配送中路径和车辆调度问题的一类组合优化问题,是近年来物流控制优化领域的研究热点。文章对运输调度问题进行了分类总结,给出总体模型的概括描述,分析遗传算法、模拟退火算法、禁忌搜索算法、蚁群算法和微粒群算法的特点及其在求解配送车辆调度优化问题中的求解思路,并讨论了其求解现状,对未来研究方向进行展望,指出改进混合现有算法,开拓新算法将是更有效解决配送车辆调度问题的好方法。     

基于蚁群算法的码头集装箱卡车路径优化研究

分析了集装箱码头作业流程及其传统作业工艺,提出了使用蚁群算法,以集装箱卡车到达目的地的距离最短为目标．建立集装箱卡车路径优化模型,为码头集装箱卡车寻求出发点与目的地之间的最短路径。实验表明,该方法能有效解决集卡最短路径搜索问题。     

多点配送中心选址及求解蚁群算法

将多点配送中心选址问题(multi-distribution center location problem,MDLP)映射为扩展K-TSP过程并设计了改进的蚁群算法。为提高算法的求解性能,在蚂蚁的选择规则里加入了代价引导函数,使用2-opt策略优化可行解并优化了信息素的更新方式。仿真算例及算法对比表明,模型和算法可以有效地表达和求解MDLP。     

结合局部优化的蚁群优化算法的研究与实现

蚁群算法是一种成功的启发式算法,但在解决TSP问题时存在着收敛速度慢和易陷入局部最优解的问题。本文针对这两个问题,提出了定期交流和模范带头学习模型,前者是在蚂蚁每走过一定城市后,进行学习交流,选出所走路径相对较短的蚂蚁进行信息素影响,从而加快总体的收敛速度;后者是当所有蚂蚁都旅行一圈后,选出最优秀的蚂蚁,在其走过的路径上释放大量信息素,对下一周期蚂蚁的旅行进行引导,避免陷入局部最优解。实验结果表明新算法在求解质量上比传统蚁群算法有了明显提高。本文也通过实验分析了蚂蚁数量等参数对算法性能的影响。