共查询到20条相似文献,搜索用时 0 毫秒
1.
2.
3.
蚁群算法与遗传算法结合使用方法论 总被引:2,自引:0,他引:2
自然界有很多动物和植物的本领值得我们学习,这就是仿生学的由来。蚁群算法就是对自然界蚂蚁的寻径方式进行模拟而得出的一种仿生算法。在蚁群寻找食物时,它们总能找到一条从食物到巢穴之间的最优路径。这是因为蚂蚁在会在路径上释放出一种特殊的信息素。最优路径上的激素浓度越来越大,最终整个蚁群找出最优路径。遗传算法也是参考生物进化的过程演化而来的一种随机搜索方法。两种算法具有很好的互补性。 相似文献
4.
5.
6.
7.
利用基本蚁群算法自动生成航线,在搜索的过程中容易陷入局部最优、搜索时间长等问题,引入Adadelta算法,增加了蚁群算法的随机性,改变了信息素的更新规划,将信息素挥发系数进行自适应调整,从而极大改善了蚁群算法的性能。仿真试验结果显示,本文方法比对比方法的搜索能力更强,效率更高,得到的航线不仅有效避开了海上障碍物与禁航区,而且距离更短,是一种有效的航线自动生成算法。 相似文献
8.
利用单片机的高速处理能力,可补偿PID算法的不足,在对直线电机的控制过程中,能明显的改善控制的性能,电机在启动调整过程中,超调量被大大减小。 相似文献
9.
在海上图像识别系统中,由于海上环境的不稳定及海上噪声的影响,对于海上拍摄图像纹理进行特征值的全面稳定提取还存在很大的提升空间。蚁群算法由于具有全局智能化的搜索能力,且同时有很好的自适应反馈能力及优良的鲁棒性特征而得到广泛应用。本文在研究现有蚁群算法基础上,提出一种新的对海面图像特征提取的有效蚁群算法,从而实现对海上图像有效识别。仿真表明,该算法不仅具有较低的算法复杂度,并且图像识别率较高。 相似文献
10.
针对巡航导弹的航路规划问题,提出了一种应用蚁群算法在连续空间中的航路搜索方法,并进行了仿真验证.建立了将数字地图和战场环境信息转化为航路搜索空间的航路代价模型,通过一元多项式函数逼近航路的水平投影将航路搜索问题转为求解连续空间优化问题,而后将蚁群算法拓展到该问题的求解.仿真表明,蚁群算法可以在连续空间的航路规划中得到较好的搜索效果. 相似文献
11.
12.
由于海洋航行环境复杂,同时受到各种风、浪、流等多种因素的影响,使得在通航水域发生的安全事故随之增加,造成巨大的财产损失,同时危及船员的生命安全。为了保障船舶在海洋上安全高速航行,必须设计出最为安全可靠的最优航线。针对传统的蚁群算法在船舶最优航线导航过程中后期存在收敛速度慢、易出现停滞的缺陷,设计一种改进的蚁群算法进行船舶最优航线导航。首先利用混合更新策略,对船舶航线栅格上的信息素进行更新,然后在找到的船舶的所有可行航线中,搜索出最优航线,最后进行仿真测试。实验结果表明,相比较于对比算法,改进蚁群算法搜索到的航线更优,更为安全可靠,所耗费的时间少于对比算法,是一种效率高、可靠性好的船舶最优航线导航算法。 相似文献
13.
14.
15.
针对复杂装配产品的装配序列规划问题,构建了包含零部件装配方向、重量、尺寸、装配关系数以及装配连接方法的装配序列评价体系函数.提出一种改进的蚁群算法,建立了算法寻优的数学模型和以零部件为对象的启发式函数,将启发式函数值作为引导蚂蚁进行零部件选择的信息素,并在蚂蚁逐步寻优过程中加入候选零部件筛选规则、装配方向规则和装配阻碍规则等计算规则,辅助蚂蚁摒弃劣质解选择最优解,直到获得产品的整条装配序列.最后以船舶某机型柴油机气缸盖模型为例,验证了改进蚁群算法在求解复杂产品装配序列规划问题的可行性和有效性. 相似文献
16.
17.
人为因素对于海上交通安全具有很大的影响作用,船舶管理人员、航运企业和海事管理部门需采取有效地预防措施。运用蚁群聚类算法从船员素质及教育、船员心理及生理因素、组织管理和环境因素4个方面进行聚类分析,从而得出对海上交通安全影响较大的人为因素的分类结果。实验结果表明,组织管理是海上交通人为因素中的关键。 相似文献
18.
传统的基于遗传算法的港口集装箱调配方法没有充分考虑集装箱调配过程中的影响因素,导致港口集装箱调配中花费的成本较多,为此将蚁群算法应用到港口集装箱调配中。首先确定港口集装箱调配的影响因素,主要因素包括集卡数量、集装箱数量、港口前沿和堆场距离、堆场的各个集装箱区的位置以及港口岸桥与龙门吊配置数量等,将影响因素作为可变成本,然后将集装箱调配成本花费最少作为优化目标,最后采用蚁群算法寻找花费成本最少的调配路径,以此完成港口集装箱调配。实验以可变成本与惩罚成本作为实验指标,结果表明,传统方法花费的可变成本与惩罚成本都比此次设计的方法花费的成本多,由此可证明此次设计的港口集装箱调配方法减少了调配成本。 相似文献
19.
20.
物流配送在国民经济中发挥着越来越重要的作用,先进的物流配送系统是企业增强竞争力的重要手段.而进行物流配送系统的优化,主要就是配送路径的选择.虽然蚁群算法已广泛应用于解决路径优化问题,但此算法所固有的收敛速度缺陷一直制约着物流系统配送路径优化问题的解决.本文在系统分析蚁群算法的基础上,结合遗传算法,提出了一种新型的改进蚁群算法,并通过算例对改进蚁群算法的有效性进行了验证. 相似文献