基于蚁群算法的改进神经网络备件库存分类模型研究

针对基于BP神经网络的备件库存预测模型的不足,提出基于蚁群算法的改进神经网络算法应用于备件预测模型。首先建立了基于蚁群算法的改进神经网络备件库存分类模型：其次进行了实验分析及对比。验证了模型的可行性。对装备备件预测具有一定的参考价值。     

基于蚁群系统算法的车辆路径问题研究

通过引入改进的蚂蚁算法--蚁群系统算法来解决基本的车辆路径问题。针对具体实例运用计算机编程得出了基于蚁群系统算法的最优解,并与其它两种启发式算法进行对比,指出了蚁群系统算法的优势与存在的不足,提出了进一步研究的方向。     

单亲遗传算法在TSP问题中的应用

基于单亲遗传算法的思想,编写了求解TSP问题的程序,给出了数值算例,并与遗传算法及蚁群算法在TSP问题的求解效率上进行了比较。结果表明,单亲遗传算法是求解TSP等组合优化问题的非常有效的算法。     

蚁群算法在卷烟配送路径优化中的应用研究

针对目前烟草商业企业的物流配送中存在的问题,提出用仿生学的蚁群优化算法对卷烟配送路径的选择进行优化,以基本的蚁群优化算法模型和原理为理论基础,建立了相应的数学模型,并结合某烟草公司的案例对本算法的应用进行了计算机仿真,实验结果表明该算法在求解卷烟配送的路径优化问题上是行之有效的。     

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。     

考虑外包车辆和加班条件的车辆调度问题研究

针对现实生活中配送企业车辆资源有限和配送工作人员加班工作的特征,在同时考虑外包车辆和配送人员加班情况下,建立以最小化车辆配送总成本为目标函数的车辆调度模型,并将免疫算法与蚁群算法相结合对模型进行求解。最后结合车辆调度具体算例,将免疫蚁群算法与蚁群算法进行比较,结果表明该算法不仅可以获得最优解,而且提高了求解效率,是一种有效的方法。     

蚁群算法在卷烟配送路径优化中的应用研究

针对目前烟草商业企业的物流配送中存在的问题,提出用仿生学的蚁群优化算法对卷烟配送路径的选择进行优化,以基本的蚁群优化算法模型和原理为理论基础,建立了相应的数学模型,并结合某烟草公司的案例对本算法的应用进行了计算机仿真,实验结果表明该算法在求解卷烟配送的路径优化问题上是行之有效的.     

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。     

基于蚁群算法的数据挖掘在第三方物流中的应用

叙述了蚁群算法的基本原理,通过案例分析,采用基于蚁群算法的数据挖掘方法对物流配送路径进行优化,并验证了该算法的有效性,为企业进行决策分析和数据处理提供依据。     

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。     

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。     

三种常见现代优化算法的比较

现代最优化算法比较常见的有遗传算法、蚁群算法、粒子群算法、鱼群算法和模拟退火算法。这些算法主要是解决优化问题中的难解问题。文章主要是对遗传算法、粒子群算法和模拟退火算法三个算法的优化性能进行比较。首先介绍了三个算法的基本思想,以此可以了解三种算法有着自身的特点和优势,而后用这三种算法对典型函数进行计算,并对优化结果比较分析,提出了今后研究的方向。     

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。     

带时间窗的应急救助物资配送车辆路径优化模型研究

在自然灾害突发后,必须将救助物资在规定的时间内运送到受灾点。针对带有时间窗的应急救助物资配送车辆路径优化问题进行研究,建立车辆路径优化模型并运用了蚁群算法进行求解,取得了较好的效果。     

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。     

基于免疫—蚁群算法的应急物流配送网络优化研究

论文针对应急物流的配送车辆路径优化问题,建立以应急物流初期有限资源的分配达到整体的最优化（时间短、效率高、安全高、成本低）的多目标模型,结合模型的特点,利用免疫算法和蚁群算法相融合的启发式算法进行求解,最后进行算例分析,解决应急物流配送车辆路径选择的实际问题。     

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。     

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。