基于改进MMAS的多配送中心车辆调度问题研究

针对城市多配送中心车辆调度问题,在分析最大最小蚁群算法的基础上,提出了改进MMAS算法,该算法重点对信息素的挥发机制进行探讨,并引入自适应机制对信息素的确定方案进行改进。实验结果证明,改进MMAS算法对于优化多配送中心物流车辆路径问题是有效的。     

利用蚁群算法优化前向神经网络

蚁群算法(antcolonyalgorithm,简称ACA)是一种最新提出的新型的寻优策略,本文尝试将蚁群算法用于三层前向神经网络的训练过程,建立了相应的优化模型,进行了实际的编程计算,并与加动量项的BP算法、演化算法以及模拟退火算法进行比较,结果表明该方法具有更好的全局收敛性,以及对初值的不敏感性等特点。     

基于改进蚁群算法的配送中心多目标选址问题研究

本文以配送中心多目标选址为研究对象,提出了解决多目标问题的新方法一改进蚁群算法,该算法通过蚁群对目标的单独优化和蚁群之间信息互递相结合,多个蚁群并行优化各目标分量,使各目标分量在彼此约束的条件下朝最优解逐渐接近,该算法具有很强的灵活性和收敛性,对于解决大规模、复杂的物流配送网络规划问题具有很大的实用价值。     

浅析蚁群算法在优化前向神经网络中的作用

蚁群算法（ant colony algorithm，简称ACA）是一种最新提出的新型的寻优策略，文章尝试将蚁群算法用于三层前向神经网络的训练过程，建立了相应的优化模型，进行了实际的编程计算，并与加动量项的BP算法、演化算法以及模拟退火算法进行比较，结果表明该方法具有更好的全局收敛性，以及对初值的不敏感性等特点。     

基于自适应重迭正交变换的音频信号编码

本文提出了一种基于自适应重迭正交变换的音频信号编码算法,讨论了变换系数的量化及自适应比特分配问题。实验结果表明该方法的编码质量优于传统的离散余弦变换,没有分块效应,而计算量则相当。     

蚁群神经网络用于股票价格短期预测

股票价格是非线性时间序列,传统BP神经网络预测模型存在容易陷入局部极小和收敛速度慢的缺陷。本文针对这些问题,采用蚁群神经网络预测模型用于预测股票价格,该模型将蚁群算法作为训练神经网络的学习算法。实验数据表明,该模型对于股票价格的短期预测效果与传统BP神经网络预测模型相比,具有较好的自适应性及较快的收敛速度。     

同步卫星转发器二维时频资源蚁群调度算法

针对地球同步卫星转发器多任务时频资源调度问题，考虑任务执行时间和占用带宽需求，建立了以卫星系统总收益为目标的多约束规划模型，提出了基于任务频率时间窗口更新的蚁群调度算法。该算法综合考虑了任务优先级和时间灵活度，以增强蚁群在状态转移规则下的搜索能力；同时设计了虚拟任务、伪随机状态转移规则和信息素参数，保证算法向最优解逐步收敛。实例仿真表明，该算法相对于传统蚁群算法、遗传算法和启发式算法，在算法结果、寻优能力和稳定性方面具有显著优势。     

基于梳状导频的OFDM分组自适应比特装载与功率控制

无线通信环境中信道信息(ChannelStateInformation,CSI)随时间变化明显,需要不断地更新自适应比特装载和功率控制的策略。现有的OFDM自适应比特装载方法需要大量的信令来传递当前比特装载的策略,不适用于无线通信的应用环境。为此,本文针对OFDM系统的特征提出了一种利用插入梳状导频的信道估计得到的带有误差的信道信息,来完成自适应比特装载的算法。首先把OFDM子载波进行分组,然后利用基于梳状导频的信道估计对信道时变进行跟踪,使用即时获得的CS完成自适应比特装载算法。仿真实验证明,在保证算法简单、实用及保证要求的误码率(BER)性能的情况下,信道信令的开销低于传统算法的10%。     

蚁群算法的0-1背包问题求解研究

提出解决背包问题的蚁群算法思想及求解0-1背包问题问题描述,给出了改进常规的蚁群算法的方法.     

一种基于路径目的节点数的改进蚁群算法

组播技术是无线Mesh网的关键技术之一,它可以大大提高信息的传播效率。介绍了信息组播的主要步骤,指出蚁群算法是构建路由组播树的高效启发式算法。对传统的蚁群算法进行定性分析,并对其进行改进,在计算路径费用以及信息素更新时考虑路径上的目的节点个数,路径上的目的节点数越多,其信息素增长速率越快。两个例子的仿真结果表明,该改进算法与传统蚁群算法相比分别使费用和代价减少了28.57%和22.36%,改善了系统性能。     

一种适用于稀疏多径信道的自适应均衡算法

针对传统的自适应均衡算法在稀疏多径信道下性能表现不佳的问题,提出了一种基于基追踪降噪的自适应均衡算法。该算法利用稀疏多径信道下均衡器权值的稀疏性,将自适应均衡器的训练过程看作压缩感知理论中稀疏信号对字典的加权求和,并利用重构算法直接对稀疏权值进行求解,解决了迭代参数设置和收敛慢的问题。采用基追踪降噪作为重构算法并选用变量分离近似稀疏重构对该最优化问题进行求解,既提高了权值的重构精度又降低了计算的复杂度。仿真结果表明,所提算法能够以较低的计算量和较少的训练序列达到更优性能,这对提升系统的通信性能具有参考价值。     

基于蚁群算法的车辆路径问题研究

本文首先对车辆路径问题及蚁群算法进行了介绍,并介绍了使用蚁群算法解决经典车辆路径问题时的参数设计及步骤,然后针对H公司在沈阳市的配送活动建立基于蚁群算法的优化模型,最后使用Matlab进行求解,研究结果表明:优化后的线路节约了车辆配送的总里程数,减少了车辆数量,提高了车辆满载率,降低了企业运输成本。     

蚁群算法在客户关系管理中的应用

客户关系管理(CRM),现已逐渐成为企业生存与发展的焦点之一,也正成为计算机科学技术领域的一个活跃研究方向。文章简介绍CRM;针对客户关系管理中的客户分类问题,提出了一种基于蚁群算法和数据挖掘的客户聚类算法,并开发了一个基于蚁群算法的客户聚类软件。最后对实际问题进行验证,验证结果表明方法是可行的。     

基于Context模型的局部阈值小波图像去噪

本文基于小波阈值去噪的基本理论，提出了一种基于Context模型的自适应小波去噪算法。该方法利用Context模型建立图像小波变换后的系数分类模型并根据分类使用不同的阈值去噪。实验结果表明本文提出的算法无论是PSNR值还是视觉效果，都大大优于传统算法。     

有时间窗的车辆路径问题的改进MAX-MIN蚁群算法

MAX—MIN蚁群算法是一种改进蚁群算法,文本构造了求解VRPTW的最大最小蚁群算法,将仿真结果与其他经典算法进行比较,结果证明该算法性能优良。     

衰落信道中的DS/CDMA系统盲差分自适应接收机

在本文中，我们针对标准MMSE自适应接收机在频率非选择性衰落信道中的相位滑动和失锁问题，提出了一种无需进行训练和信道参数估计的盲差分自适应接收机。为自适应地实现该接收机，我们同时提出了一种基于正交分解的盲平均随机梯度（Orthogonal Decomposition-based Blind Aver-aged stochastic Gradient，简称ODBAG）算法。仿真结果表明，这种以ODBAG算法实现的盲差分自适应接收机在瑞利（Rayleigh）衰落信道中，误码率性能比传统匹配滤波器（Matched Filter，简写为MF）接收机有显著的提高，并接近改进的MMSE自适应接收机的性能。     

基于混合蚁群算法的物流配送路径优化问题的研究

建立优化物流配送路径的数学模型,然后构造求解该问题的混合蚁群算法。进行多次实验和计算,证明用混合蚁群算法优化物流配送路径,可以有效地求得问题的最优解或近似最优解。     

基于粒子滤波步行长度预测的移动ad hoc网络路由算法

针对移动ad hoc网络拓扑结构变化大、路由复杂度高、数据传输性能低等问题,提出了一种新的移动通信系统自适应路由算法。为了使得网络拓扑结构更接近移动网络间歇性连接的特点,该算法在网络结构上采用了一种改进的Levy Walk移动模型。采用一种粒子滤波步行长度预测的方法,通过蒙特卡罗抽样得到递归贝叶斯滤波器,并在粒子滤波后进行步行长度预测,确定消息的副本数量,从而减少由于节点转发过多消息副本带来的能量消耗量,提高消息的传递效率。实验仿真结果表明:与基于改进蚁群优化和利润优化模型的路由算法相比,该算法的消息传递成功率分别提高了0.08和0.04,节点平均能量效率提高了17.9%和13.4%,在提升数据传输成功率和节能上具有较好效果。     

一种线性约束连续自适应方向图控制方法

针对任意阵列天线的自适应空域滤波和低副瓣控制的问题,提出了一种连续自适应方向图控制方法。该方法通过采用线性约束最小方差准则的方向图综合算法（LCMV-PS）产生具有低副瓣特性的静态权矢量,利用该权矢量构造出新的约束条件,进行线性约束最小均方误差（LMS）自适应波束形成。该方法避免了常规的线性约束最小方差（LCMV）算法的矩阵求逆运算,计算复杂度低。对几种天线阵形的计算机仿真结果表明该方法收敛速度快,稳态性能良好。     

蚁群聚类算法在物流配送中心选址中的应用研究

本文提出了包含多个供货点和配送点的物流配送中心选址模型,并将物流配送选址问题分为供货和配送两个阶段,在其中分别应用蚁群聚类算法,实现了整个问题的最优化。这是一种基于蚁群聚类算法的分阶段求解包含多个供货点和配送点的物流配送中心选址算法。