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。     

基于蚁群算法的突发事件应急调度概述

针对突发事件而引起的应急调度目的是为了保证所需资源尽早到达和突发事件损失最小化,本文提出用蚁群算法作为一种智能优化算法来计算出最佳路线。文章概述了蚁群算法,介绍了蚁群优化算法基本流程,评价了它的效果和意义。     

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。     

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.     

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.     

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。     

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。     

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。     

基于蚁群算法的类TSP问题

基于基本的TSP问题,本文提出一种含有资源使用周期问题的类TSP问题的资源配送问题,建立数学模型,给出求解思路,并将蚁群算法应用到类TSP问题的资源配送问题的求解过程当中。最后本文把以上的研究成果应用到实际生产中,以阜新市太平区为例,为该区选取了五洲御景园作为最佳的桶装矿泉水配送站。     

基于蚁群搜捕行为的多无人机协同体系结构探究

随着无人机的应用逐渐广泛,在复杂多变的飞行环境下,单个无人机执行侦察等任务时,面临侦查角度和范围等诸多方面的限制,单个无人机圆满完成任务的难度越来越大,制约了效能的发挥,多无人机协同作战技术正是顺应这一历史潮流诞生和发展的。蚁群在其搜捕行动中能够对原本一无所知的环境进行探索,以发现存在于环境中的食物源[1],通过蚁群的大规模集群协作搜索,以实现对大范围觅食空间的覆盖,基于蚁群的集群协作工作方式,可以建立多Agent无人机协同体系结构。文章对基于蚁群搜捕行为的多无人机协同体系结构进行了探究。     

变电站无功不足危害分析及补偿策略研究

无功补偿是保障电网电压和电力系统变电站经济运行的必备条件之一。无功功率不足会导致电网电压波动发生畸变，系统的输电功率因数降低。不稳定的电压会影响系统整体供电质量，损坏对无功较敏感的贵重用电设备，严重时还会导致整个系统电压崩溃瓦解，造成大面积停电事故。针对无功不足带来的危害，介绍相应的无功补偿设备，结合蚁群算法探讨电网电压调整和无功补偿最优控制策略。     

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。     

蚂蚁救火

英国科学家做过一个有趣的实验，他们把一盘点燃的蚊香放进一个蚁巢里。蚊香的火光与烟雾使惊恐的蚂蚁乱作一团，但片刻之后，蚁群开始变得镇定起来了，开始有蚂蚁向火光冲去，并向燃烧的蚊香喷出蚁酸。随即，越来越多的蚂蚁冲向火光，喷出蚁酸。一只小小的蚂蚁喷出的蚁酸是有限的，因此，许多冲锋的“勇士”葬身在了火光中。但更多的蚂蚁踏着死去蚂蚁的尸身冲向了火光。     

遥感影像匀光算法综述

匀光处理是遥感影像处理中十分重要的一个步骤。文章讨论了遥感影像匀光处理中主要的匀光算法,将匀光算法划分为基于加性噪声模型、照度与反射模型和统计方法的匀光算法三类,分别阐述了三类匀光算法中主要的算法,分析了各种算法的优缺点以及它们的使用范围,并对国内外的研究进展作了概括。最后指出了匀光算法中主要的研究难题,并展望了遥感影像匀光算法的发展前景。     

分布式系统中进程互斥算法的研究

文章通过对几种互斥算法的研究,认识到集中式算法的性能瓶颈以及非基于令牌的分布式算法的不健壮性,得到了改进后的基于令牌的分布式算法;通过对该算法的性能分析,并与前几种算法进行比较,验证了该算法是高效的,并给出正确性证明。