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。     

基于遗传-蚁群混合算法求解旅行商问题

作为物流领域中的典型问题,旅行商问题的求解具有十分重要的理论和现实意义.在它的传统求解方法中,遗传算法和蚁群算法被广泛采用,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷.本文采用遗传-蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,对旅行商问题求解,并进行了实例仿真.仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率.     

蚁群遗传混合算法在求解旅行商问题上的应用

针对在求解旅行商问题时,蚁群算法易陷入局部最优,而遗传算法收敛速度慢等问题,将蚁群与遗传算法相结合:把蚁群算法每次迭代的结果作为遗传算法的初始种群,并且用遗传算法寻优结果更新蚁群算法的信息素。在用遗传算法处理问题的阶段,引入了两种新的交叉算子,并且提出混合交叉算子的新思想,算法的后期使用贪心搜索和2-opt局部优化算法,成功的避免了算法过早陷入局部最优解的问题,加快了算法的收敛速度。通过仿真,本算法与其他算法进行对比,寻优路径长度明显降低,在求解效率和求解质量上都有更好的效果。     

多线程蚁群算法及其在最短路问题上的应用研究

针对基本蚁群算法,提出一种多线程蚁群算法。该算法引入多线程技术,将线程作为蚂蚁,而且借鉴于自然界中生物个体的差异性,从选择策略方面加强了蚂蚁个体对未知路径的搜索能力;同时对局部搜索和全局更新策略进行了改进。实验结果表明,该算法可以有效地克服基本蚁群算法的收敛速度慢和易出现停滞现象的缺陷,能够较快的收敛到全局最优解。     

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.     

基于蚁群算法在TSP问题中的仿真分析

在移动机器人路径规划TSP问题中选取蚁群算法和遗传算法的matlab仿真作为研究重点,根据算法的特点分析了蚁群算法的主要参数例如启发信息影响程度的表达因子;信息素挥发系数,蚁群中的蚂蚁数量等对TSP问题规划最优解和效率的影响,同时对比遗传算法对TSP问题的仿真分析,得出蚁群算法的效率优势和遗传算法的稳定性优势,为进一步的两种算法优势互补融合研究做铺垫。     

蚁群算法的基本原理及其在图像分割中的应用

一、引言 蚂蚁作为群居性昆虫，其群体行为所呈现的复杂智能，给人类以巨大的启发。对蚁群行为最早进行研究的是南非的EugeneMarais，其著作《蚂蚁的精粹》中详细的描述了对白蚁群体性工作的观察结果。受蚂蚁觅食行为的启发，意大利学者MarcoDofigo于1991年在他的博士论文中首次系统地提出了一种基于蚂蚁觅食行为的算法模型。现在蚁群算法已成为人工智能领域中一个非常重要、活跃的研究前沿。二、蚁群算法原理分析 蚂蚁缺乏视觉信息，它们通过一种称为信息素的物质进行信息的交互。当一只蚂蚁找到食物以后，它将食物拖回巢穴，并在沿途留下信息素，其余觅食的蚂蚁通过不同路径上的信息素浓度以一定的概率选择路径，信息素浓度大的路径被选择的概率较高。距离食物最短的路径由于信息素的浓度较大，从而使越来越多的蚂蚁选择该路径，这又促使该路径上的信息素浓度进一步加大。这种自动催化导致的协作行为形成一种正反馈机制，使得最短路径被越来越多的蚂蚁选择。以经典的双桥实验为例，假设蚂蚁分泌的信息素相等，并且不考虑路径上的信息素的挥发。     

基于蚁群算法的多单元物料路径协同布置

为保证车间多单元系统布置的物料流路径总成本最小,考虑单元系统物料输入输出I/O点和多单元物料路径布置对总成本的影响,在对I/O点进行定位的基础上,着重对多个单元物料流路径布置进行协同研究,并根据不同情况建立了上下迂回布置的具体优化数学模型--模型A和模型B.设计了一种基于蚁群优化算法(Ant Colony Optimization,ACO)的车间多单元物料流路径优化布置方法,该算法首先通过蚂蚁构建可行解,然后采用局部与全局信息素更新相结合的信息素更新策略,并通过最优改进2-选择局部搜索方法对构建的可行解进行优化,提高了全局最优解的质量.最后通过求解车间多单元系统布置实例,验证模型和算法的有效性.     

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。     

基于蚁群算法的多单元物料路径协同布置

为保证车间多单元系统布置的物料流路径总成本最小,考虑单元系统物料输入输出I/O点和多单元物料路径布置对总成本的影响,在对I/O点进行定位的基础上,着重对多个单元物料流路径布置进行协同研究,并根据不同情况建立了上下迂回布置的具体优化数学模型--模型A和模型B。设计了一种基于蚁群优化算法(Ant Colony Optimization,ACO)的车间多单元物料流路径优化布置方法,该算法首先通过蚂蚁构建可行解,然后采用局部与全局信息素更新相结合的信息素更新策略,并通过最优改进2-选择局部搜索方法对构建的可行解进行优化,提高了全局最优解的质量。最后通过求解车间多单元系统布置实例,验证模型和算法的有效性。     

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。     

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。     

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。     

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。     

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。     

企业物资采购与存储优化模型及应用

从如何控制企业成本,提高其竞争力的意义出发,考虑在各个时期企业对物资的需求量、采购量及存储费用的不同,提出了一种企业物资采购与存储的优化模型,并将其转化为最短路问题,利用蚁群算法对其求解。最后,利用实例验证了该模型和算法的可靠性和有效性。