基于蚁群算法的城市公交线网模型优化方法研究

蚁群算法是一种求解组合优化问题的新型通用启发式方法,城市公交线网模型优化是一个复杂的非线性组合优化问题.本文将蚁群算法用于城市公交线网模型优化问题的研究,建立了城市公交线网的数学模型,该模型以乘客公交总出行时间最短与公交运营投入最小为目标函数,并在此基础上设计了相应的算法.算例证明了该算法在城市公交线网优化中应用的可行性和有效性.     

基于最大最小蚁群算法求解最小点覆盖问题

最小点覆盖问题是组合优化中经典的NP完全问题.最大最小蚁群算法通过对信息素浓度的限定使其不会在好的顶点上变得更强,也不会使过弱的点被忽略从而避免了局部最优现象的出现.针对最小点覆盖问题使用最大最小蚁群算法进行求解,避免了蚁群算法求解最小点覆盖问题时出现的早期停滞现象,通过实验表明算法对最小点覆盖问题的可行性.     

人工蚁群算法理论及其在经典 TSP 问题中的实现

人工蚁群算法是一种新型的模拟进化算法也是一种随机型智能搜索寻优算法.较系 统地总结了这一算法的基本理论.分析了其基本摸型和算法在TSP问题中的实现方式给出了 改进算法及其在多点通信路由问题中的应用.并对人工蚁群算法的优化性能进行了分析讨论.     

基于蚁群算法优化的EPS系统PID控制

汽车电动助力转向系统是一个非线性时变的复杂系统,在对它进行控制时,单独采用常规PID控制难以达到平稳准确的效果,在此加入蚁群算法(ACO)对其进行优化而得到稳定的最优参数解.根据车辆动力学关系,建立了两自由度整车模型、电动助力转向系统模型以及带有蚁群算法优化的PID控制器模型.通过Matlab,对该模型进行仿真分析.仿真结果表明,蚁群算法和PID控制的结合,使系统控制更精确、运行更加平稳.     

基于GBAS的公交路径选择仿真系统研究

通过对公交系统进行网络描述,提出以换乘次数最少为首要优化目标,以公交出行距离最短为第二优化目标的基于GBAS(基于图的蚁群系统)的公交出行路径选择算法.同时,以该算法为核心研发一套仿真系统对算法有效性进行验证,亦具有一定的应用参考价值.     

Ad Hoc网络基于蚁群的按需路由算法研究

目前已有一些研究将蚁群优化算法应用于Ad Hoc网络,文中在分析已有成果的基础上提出了一种新的按需路由算法,该算法综合了蚁群优化和AODV及DSR协议的思想,在源和目的之间建立起多路径路由,有效地提高了网络传输性能.模拟结果显示,该算法能较好地适应MANET动态变化的拓扑环境,在性能上优于一些相关的算法.     

基于蚁群算法的动车组周转计划研究

通过对高速铁路动车组运用现状进行分析,建立了高速铁路动车组在不固定区段使用条件下周转优化的指派模型,并提出了解决该组合优化问题的蚁群算法,以及动车组使用数量的公式.最后以武广客专为算例,计算出动车组优化运用方案,并铺画了一个车站相关的动车组周转图.通过验证,本文模型和算法具有可行性.     

基于蚁群算法的多QoS约束的多播路由优化算法

蚁群算法是一种新型的随机优化算法,能有效地解决QoS受限的多播路由问题.文中基于蚂蚁具有找到蚁巢与食物之间的最短路径的工作原理,并在分析多约束QoS的多播路由的基础上,提出了一种具有全局优化能力的多播路由算法(OQMRA),仿真实验表明了该算法是合理的和有效的.     

蚁群算法在网格资源调度中的应用

网格资源调度是网格研究的热点问题,蚁群算法是解决多项式复杂程度的非确定问题（non-deterministic polynomial,NP）的一种有效方法。通过对网格资源调度过程和蚁群算法的研究,提出了网格环境下用蚁群算法进行资源调度的方法。采用网格模拟器GridSim进行仿真,实验结果表明,蚁群算法用于网格资源调度可以减少系统总执行时间和任务完成时间。     

蚁群算法在城市交通路径选择中的应用

针对城市交通路径选择问题,引入蚁群算法并将其改进为可同时满足对路程和时间最优的路径搜索算法,设计了相关的搜索规则和流程.在大量试验的基础上,讨论了算法中各种参数对路径搜索算法收敛性(包括收敛速度和准确度)的影响,并获得了一纽最优的经验参数.分析了搜索中产生伪最优解路径的规律,并通过控制收敛速度和加快趋向最优路径对蚁群算法进行了优化.结果显示,所进行的优化能有效抑制伪最优路径的产生,在2个周期内即可完成搜索.     

基于蚁群算法的动态路径选择问题

论述蚁群算法在动态路径选择问题上应用。在蚂蚁寻径原理基础上,建立经济圈公路网蚁群算法模型,并对算法的参数进行标定。针对算法的缺陷,对信息素更新策略进行了优化改进,使其能更快的收敛到全局最优解。该模型算法对经济圈道路交通智能化动态诱导系统的建立大有帮助。     

双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法.通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人...     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

Identification of Dynamic Parameters Based on Pseudo-Parallel Ant Colony Optimization Algorithm

IntroductionReal ants are capable of finding the shortest pathfrom a food source to the nest. Inspired by this factand the behavior of ant colonies, a novel optimizationalgorithm called ant system (AS) was first developedby Dorigo in1992[1]. In the following years, diversemodifications of the AS algorithm were made andapplied to many different types of optimization prob-lems, and satisfactory results were obtained. Re-cently, the AS algorithm has been extended to an al-gorithm for solving d…     

基于蚁群算法的供应链系统脆性研究

随着供应链系统的规模不断扩大,多层次结构和外部环境因素使得供应链系统复杂程度越来越高,通过应用蚁群算法对供应链中系统脆性分析可寻找供应链系统脆性因子的最佳路径.     

基于Pareto蚁群算法的船舶风险规避路径优化

船舶在海上航行时,一直面临着海上运输风险的威胁,为了降低海上运输风险同时考虑船舶经济效益,本文建立了以运输风险最小和航行成本最小的双目标路径优化模型,实现船舶风险规避.运用栅格法构建环境模型,为相应的栅格路径赋予航行成本和运输风险,并设计了一种基于Pareto最优解集和NSGA小生境方法的多目标蚁群算法.以印度洋海域的2条航线为案例,以经典单目标蚁群算法为对比,验证了模型和算法的有效性.结果表明,该模型和算法在解决船舶风险规避路径优化问题上具有良好的效果,能为决策者制定船舶海上运输风险规避路径提供决策参考.     

蚁群算法在语音识别中的应用研究

提出了一种新的基于蚁群算法的语音识别中的动态时间规划方法——蚁群动态时间规划算法，并详细介绍了其基本原理、信息素更新规则，给出了系统流程图。经过理论分析与实验测试，证明了蚁群算法在这个系统中比传统的DTW算法更能提高识别率且更有效率。     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.