基于GIS的遗传算法在路径诱导中的应用与实现

最优路径搜寻是路径诱导问题的核心,文章在路径优化问题的求解中,将遗传算法和蚁群思想进行融合,首先利用前部分遗传操作迅速产生优化解,并由此衍生的初始信息素进行蚁群计算,并将后部分遗传操作引入蚁群算法以保证群体多样性以防陷入局部,仿真实验验证了算法的正确性和有效性。在系统实现部分,基于GIS环境,利用面向对象的程序设计语言C++,在VC集成开发环境下,通过MapInfo获取地图,并且把得到的路径优化结果回显在地图上。     

基于混合蚁群算法的企业车间作业计划问题研究

文章研究了以最小化制造跨度为目标的，具有模糊加工时间的车问作业计划问题。针对该问题，采用三角模糊数来表征时间参数，并在此基础上构建问题目标函数。之后给出了一种混合蚁群求解算法，将模拟退火算法的全局优化特性嵌入蚁群算法来避免局部最优的问题。最后通过实例验证了算法的有效性。     

蚁群算法的研究

蚁群算法是由意大利学者M.Dorigo提出的一种仿生学算法。文章论述了蚁群算法的发展状况、基本原理和特点及其改进方法,为蚁群算法的应用研究提供了基础保障。     

应用混合算法求解冷链配送中心选址问题

本文建立了符合实际的冷链物流配送中心选址模型。综合考虑模型结构,提出了混合单亲遗传-蚁群算法。该算法先通过单亲遗传算法求得问题的较优解,据此转换为蚁群算法的初始信息素分布值;用蚁群算法进行最终求解。验证了所提算法的可行性与有效性。     

基于最短路径算法的PCB板插接优化

在印刷电路板(PCB)上插接端子时,为减少设备空转,提高设备利用率,针对不同种类的端子,提出贪心算法(GA)和蚁群算法(ACO)相结合的优化算法,对插接机头的行走路径优化。此路径优化属多项式复杂程度的非确定性问题,文章针对问题复杂度随指数规模增大的特点,先化全局问题为局部问题,在非同类端子间用贪心算法,再在同种类端子间用蚂蚁算法,从而得到近似的最优解。     

项目工期—成本优化问题的蚁群算法设计

工期-成本优化问题是进行项目管理的一个重要环节,它本质上属于一类多目标优化问题。文章结合解决复杂组合优化问题的新型启发式算法——蚁群算法(ACO)对工期成本问题提出了确定的解决框架。通过将工期-成本问题转换为旅行商(TSP)问题,与自适应权重方法(MAWA)相结合,ACO算法不仅可以找到最优解,还可以得到问题的帕雷托前沿。对项目管理的实际工作提供充分的信息,具有较大的意义。     

基于遗传蚁群混合算法的公交线网优化模型

随着城市经济不断发展,城市交通问题日趋严重,公共交通成为解决城市交通供需矛盾的重要手段。文章提出了以社会总出行时间最小、污染排放量最低、乘客直达率最大、线网日均满载率最大、公交企业年收益率最大以及线网效率最大为优化目标的多目标城市公交网络优化模型,并运用遗传蚁群混合算法对模型进行计算,大大降低了模型的求解时间。     

基于蚁群算法的机场除冰车辆调度问题研究

除冰车辆调度是飞机除冰作业中的一项核心任务。为了使除冰效率更高,本文对机场除冰车辆调度问题进行研究,考虑飞机的机型,除冰液类型,航班的重要程度以及除冰车需要满足的时间窗,以最小化飞机的除冰成本为目标函数建立数学模型,并采用改进的蚁群算法优化求解该模型。结果证明了模型的正确性和算法的有效性。     

多目标条件下的供应商选择问题求解

随着企业间分工与协作关系的不断深化,供应链管理中的供应商选择问题成为企业决策的难点.本文通过对评价指标的选取,建立了多目标条件下的供应商选择问题模型,运用蚁群算法求解问题模型.对算法中信息素的更新规则进行改进,使得改进后的蚁群算法在求解供应商选择问题模型时更具优势.     

突发事件网络舆论暴力研究:意义探寻与行动指南

突发事件网络舆论暴力研究是一个具有重要理论和实践意义的课题。本文在系统总结、分析国内外突发事件网络舆论暴力研究相关理论成果基础上,分析了突发事件网络舆论暴力实质及其连锁效应,剖析了突发事件网络舆论暴力动态演化进程及演化规律,揭示了突发事件网络舆论暴力演化的混合动力机制,提出了面向过程管控的突发事件网络舆论暴力综合优化消解范式。     

基于多种障碍环境建模的机器人路径规划

移动机器人路径规划问题一直受到人们的广泛关注.针对不同复杂程度的障碍物环境分别采用传统算法和智能化算法进行控制.针对环境简单、障碍物较少且分散的情况,使用人工势场法进行局部路径规划.当环境复杂、障碍物数量较多且密集时,采用蚁群算法进行路径规划.首先使用栅格法对全局环境建立数学模型,然后模拟蚂蚁群体觅食过程,通过多次信息交流和数据更新最终在全局环境中规划出一条最优路径.在蚁群算法的模拟实验中,通过大量对比实验和仿真结果确定最佳组合参数设置,然后将这组参数用在不同的障碍物环境进行实验,均得出了最优路径.结果证实人工势场法和蚁群算法分别用于较简单和较复杂的路径规划环境是可行的且参数选取是合理的.     

基于利益相关者的产品突发事件信息链架构研究

文章从信息链的视角,揭示产品突发事件中的多元信息主体及其信息流转变化,为优化突发事件应急决策提供新思路。在对产品突发事件进行定义的基础上,对产品突发事件进行分类与利益相关者分析;对产品突发事件不同演化阶段中的信息链主体参与情况和信息流转行为进行分析,提出产品突发事件信息链结构模型。     

基于蚁群算法的TSP问题求解

群集智能是现今人工智能领域研究的一个新的热点课题,本文介绍了蚁群算法的原理及求解TSP问题的具体实现步骤.     

基于ACO优化的ARIMA-ES-RF布伦特原油价格预测研究

为解决传统单一的自回归积分滑动平均(ARIMA)和指数平滑(ES)预测原油价格(以布伦特原油为例)误差较大,难以精确地预测序列非线性特征的问题,提出自回归积分滑动平均(ARIMA)-指数平滑(ES)-随机森林(RF)组合预测方法。目前虽已有大量的原油价格预测模型,但还未有文献利用随机森林组合传统时间序列模型对原油价格进行研究。在此基础上,利用蚁群算法(ACO)对随机森林的重要参数(树的数量及根的深度)进行智能搜索,将随机森林组合模型的预测精度反馈给蚁群进行信息素的实时更新,输出使得组合模型预测精度最高的模型参数。研究结果表明：提出的蚁群优化参数后的组合随机森林模型能更好地预测布伦特原油价格的趋势,预测精度均方根误差(RMSE)从1.15降低至0.88,减少了0.27;平均相对误差从1.10%降低至0.86%,降低了0.24%,预测精度较以往的原油价格预测模型有显著提升。     

求解旅行商问题的几种解法

旅行商问题（TSP）是一个典型的NP完全问题，现在还没有找到有效的解法。目前比较热门的求解TSP问题的方法主要有四种：神经网络算法；模拟退火算法；遗传算法；蚁群算法。     

海上溢油突发事件应急管理现状和优化

本文主要从国内海上溢油突发事件应急管理现状作为出发点,分析国内外在该方面所存在的差异,结合实际情况,对海上溢油突发事件应急管理进行相应的优化,以提升海上溢油事件应急质量和效率。     

江西省重要应急物资储备库空间优化配置

气候变化和快速城镇化所引致的各种自然灾害等突发事件时有发生,为减缓这些突发事件带来的后果或损失,需要构建有效的应急管理体系和应急物资储备。针对江西省重要应急物资储备库的布局建设,考虑布局建设多个省级区域库,采用规划布局和优化布局的方式对其进行布局研究,分别应用规划服务指派和优化服务指派两种方式实现重要应急物资的服务指派。研究结果表明,江西省省级区域库的优化布局和优化服务指派方案能有效缩减平均服务距离和最远服务距离,提升应急服务的均衡性和可及性。     

组合优化的灰色模型在异常电能表查找中的应用

电力计量装置是供电企业正常作业的基本条件,是电力系统中不可缺少的组成部分,其计量准确与否直接关系到用户和电力企业的利益。若电力计量装置出现异常,尤其是负误差超差,将直接导致供电公司利益受损,严重的可能导致电力系统无法正常运行。文章利用组合优化后的灰色模型建立用户负荷预测模型:首先利用GM(1,1)建立用户负荷预测模型,然后利用马尔科夫链对GM(1,1)的预测结果进行优化,接着利用蚁群算法对优化后的灰色模型进行再度优化,建立组合优化的灰色模型。最后建立负荷阈值模型,将台区所测得用户负荷值与负荷阈值进行对比,若该用户负荷值在负荷阈值范围内,则认为电能表正常;反之则认为电能表异常,列为"潜在异常对象";实例证明组合优化的灰色模型在异常电能表查找中具有良好的工程实用性和有效性。     

突发事件网络舆情引导优化路径

近年来,随着互联网微博、微信等新媒体的兴起,日益强烈的公众权利诉求致使网络舆情趋向多元化,政府部门在应对突发事件的网络舆情引导处置上面临着新的挑战,如果引导不善,极易产生舆情二次发酵,对社会公共安全造成极大威胁。政府部门加强对网络舆情的监测、预警、研判与引导,及时化解突发事件网络舆情危机,对于维护社会稳定、促进国家发展具有十分重要的现实意义。文章针对当前政府部门在网络舆情引导中存在的问题,提出了运用大数据人工智能做好网络舆情监控预警、建立完善的突发事件舆情引导机制与健全突发事件网络舆情监管保障体系等突发事件网络舆情引导的优化路径。     

农产品流通渠道中突发事件对价格的影响分析

本文首先从农产品流通渠道的角度把突发事件分成三类,即农产品产地突发事件、农产品运输突发事件和农产品市场突发事件,然后分别对每类突发事件中对农产品价格的影响进行分析,在此基础上,提出了基于农产品流通渠道中突发事件视角的保障农产品价格稳定的保障措施。