第Ⅰ类双边装配线平衡问题的改进蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第Ⅰ类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷入局部最优解.用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比.结果表明:改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解;应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21.01 s,比普通蚁群算法减少了9.14 s,计算效率提高了30.3%.      

基于改进蚁群算法的高速公路疏散路径研究

根据高速公路应急疏散的特点,在交通分配中应用改进蚁群算法模型。首先引入路段交通量和通行时间函数作为算法转移规则的一部分,从而在进行搜索时优先考虑容量大和通行时间较短的路径。其次通过实验分析蚁群算法参数对计算结果和收敛速度的影响,给出了最优的参数组合。最后将最优参数组合应用于改进蚁群算法中,并通过仿真实验将改进蚁群算法与基础蚁群算法的路径搜索结果进行对比。结果表明:采用最优参数组合的蚁群算法不但加快了搜索速度,而且优化了全局最优解,通过基于GIS的高速公路应急疏散系统进行路径分析,得到系统最优的可视化疏散路径。     

一种基于蚁群算法的服务组合方法

Web服务是一种新型的信息集成架构,将多个Web服务组合成一个能完成复杂任务的组合技术是Web服务中关键技术之一．文中提出了一种基于蚁群算法的服务组合方法,对于服务序列可生成全局最优联盟,同时算法基于蚁群系统的学习能力可以有效减少联盟生成的搜索时间和计算量,可实现性好．     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。     

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

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.     

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...     

基于贪心策略下混合蚁群算法的无人机航迹规划

针对复杂环境下无人机航迹规划中航行误差的校正问题,提出一种改进的蚁群算法.该算法在蚁群算法的基础上,首先将粒子群算法中的适应度作为启发值引入信息素更新中,改进了原始的信息素更新模型;其次使用贪心策略在选择校正点时进行剪枝运算,优化了算法的选择策略;最后使用A*算法替代原始算法的随机初始化,修改了信息素的更新方式,优化了生成路径的质量.对规划路径,使用Dubins曲线对航迹进行光滑,光滑后航迹既能满足航迹约束,也能满足飞行器的性能约束.研究结果表明:在参数设置上,当蚁群数量较大时,设置较小的启发值常数能获得更好的结果;对贪心蚁群算法使用A*算法进行初始化,能有效加速蚁群算法收敛速度,提高解的质量,实验显示改进后航迹长度减少了约6％,时间减少了约25％.     

考虑轨迹相似度的综合客运枢纽出租车合乘方法研究

针对综合客运枢纽出租车停靠点乘客滞留问题,提出一种考虑轨迹相似度的枢纽出租车合乘模型. 以车辆数最小与总里程最短为目标,基于包围面积的轨迹相似度指标在形态上约束合乘后车辆的行驶轨迹. 设计两阶段算法求解此NP-hard 问题,第1 阶段利用kmedoids 方法对乘客需求聚类,第2 阶段设计蚁群算法求解得到乘客匹配方案及合乘行驶路径. 实测数据实验证明：该方法能较好优化车辆数和总里程,减少乘客等待时间;轨迹相似性度量约束能有效提高合乘后路径的JAC值,满足乘客希望合乘路径与原始路径差异最小化的心理.     

基于等值线搜索带的地磁匹配算法

针对TERCOM算法在地磁匹配应用中存在的不足,提出了基于等值线搜索带的改进匹配算法,将地磁基准图上的匹配搜索区域缩小到航迹起始点地磁测量值对应的地磁场等值线附近区域,从而减少匹配搜索时间和计算量.仿真实验结果表明,该算法在保证匹配精度的前提下,能够有效降低匹配计算时间,提高匹配算法的实时性.     

具有粒子群特征的并行蚁群算法在输电网络规划中的应用

输电网络规划是一个复杂的多变量非线性整数规划问题,针对蚁群算法计算时间长、易陷入局部最优解等问题,本文提出一种新的具有粒子群特征的并行蚁群算法,并应用于输电网络规划.实验结果证明了该算法在输电网络规划优化中应用的可行性和有效性.     

求解拆卸线平衡问题的改进人工蜂群算法

大规模拆卸线平衡问题（disassembly line balancing problem,DLBP）是NP完全问题。为克服传统算法求解DLBP搜索过于随机、易于早熟,且求解难度随任务规模的增加呈指数级增长等不足,构建了基于最小化工作站、均衡负荷、尽早拆卸有危害和高需求零部件的DLBP多目标优化模型,在此基础上,提出了改进人工蜂群算法。该算法包括以下4个阶段:在初始解生成阶段,引入危害指标和需求指标,提升算法收敛性能;在雇佣蜂搜索阶段,采取可变步长搜索策略,增加对较优解的搜索深度,加速淘汰劣解;在观察蜂搜索阶段,采用常规搜索与蠕动搜索相结合的混合搜索策略;在侦察蜂搜索阶段,构造了基于分布估计的搜索策略,引导搜索过程。应用本文算法对70个测试问题进行求解,其中65个求得了最优解,寻优率为92.86%;对10个任务实例求得最优解的需求指标为9730个,比蚁群算法减少了360个;52个任务实例的开启工作站数目、平滑率和拆卸成本3项指标均取得了更优的结果,求解较大规模问题的性能显著提升。      

基于压缩感知的SIFT图像匹配算法的研究

针对尺度不变特征变换(SIFT)算法的计算量大、速度慢等缺点,提出了一种融合压缩感知的图像匹配算法。首先对目标图像和待匹配图像进行预处理,利用压缩感知技术进行图像压缩,结合SIFT算法提取图像的特征点,通过自适应阈值序贯相似性检测(SSDA)匹配算法进行图像快速匹配搜索,从而找到最佳匹配位置。     

基于车载连续序列图像的道路曲率计算方法

提出一种基于车载连续序列图像的道路曲率计算方法.算法首先利用车载视 觉系统进行内外参数标定实现对路面车道线的三维重建,利用三维重建误差模型对重建 的数据点进行误差估计,并对数据点进行选弃.对序列图像中路面车道线重建出来的曲线 采用ICP 算法进行曲线匹配,并将匹配后的曲线映射到统一的参考坐标系中.最后利用匹 配曲线上的数据点进行圆周拟合,计算道路曲率.实验中利用真实的车载连续序列图像对 算法进行验证.针对曲率半径分别为96 m和430 m两段不同程度的弯道,利用本文算法计 算对应道路的曲率半径.结果表明,本文算法能够精确地计算出不同弯道的道路曲率,特 别是针对平缓弯道的曲率计算,比基于单幅图像的曲率计算方法更加准确与稳定.     

基于灰度投影和宏块线性搜索的电子稳像

为减轻因摄像机震动造成的视频序列失稳,提出了一种基于灰度投影和宏块线性搜索的电子稳像方法.该方法首先利用灰度投影进行粗匹配,估计当前图像相对于参考图像的偏移量;再利用块匹配结合正方形线性搜索进行精确匹配,得到较精确的位置偏移量,进而进行运动补偿实现视频稳定.实验结果表明,该方法能使稳像精度得到提高,同时与全搜索法和菱形搜索法相比,计算复杂度有所减小.     

基于混合蚁群算法的车辆路径问题研究

为了求解车辆路径问题,设计了一种结合节约算法和邻域搜索算法的混合蚁群算法,该算法改善了标准蚁群算法搜索时间长、容易陷入局部最优解的问题。首次引入节约算法以提高初始解的质量,使得蚁群算法在较优的路径中进行搜索,从而更有效地收敛到最优解;运用最大最小蚂蚁系统控制路径的信息素,避免算法陷入局部最优解;采用邻域搜索算法优化某阶段最优解的子路径。应用该混合蚁群算法对VRPLIB数据库实例进行了运算,取得了较为满意的结果。     

基于改进蚁群和免疫算法融合的多配送中心路径优化

随着物流行业的快速发展,货物运输需求和仓储需求也在不断增加。在构建物流网络的同时,需考虑车辆路径的配送中心选址问题,而现实中这两个问题是互相影响的。因此,本文建立了以免疫算法为框架,以蚁群算法为核心的综合算法模型。模型第一阶段改进了蚁群算法的禁忌搜索,并融合免疫算法;第二阶段设计了免疫-蚁群算法来求解车辆路径和配送中心选址的相互影响关系,并结合算例数据给出全局最优成本。算例结果表明,该综合算法模型明显优于传统免疫选址-蚁群寻优算法,可节约49.5%的总成本,验证了算法的可行性和有效性。     

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.     

多源风险防控下危险废物物流的应急选址模型

为有效防控危险废物安全事故的环境污染、人员伤亡及财产损失,提出一种多源风险防控下危险废物物流的应急选址模型.根据风险受体和环境介质的多样性,构建多源风险度量模型;考虑应急服务半径和多源风险控制的隶属关系,设计"多源风险控制"系数,以多源风险控制最大化和应急成本最小化为目标,构建0-1整数线性规划模型;根据模型计算的复杂性,设计基于遗传算法的多目标求解方法.通过算例验证模型和算法的有效性,计算结果表明:新模型和算法可为危险废物应急管理提供有效选址方案,相较于传统精确算法,新方法可为小规模问题提供的优化方案节约应急成本0.02×108元,并在求解大规模问题时缩短91.67％ 的搜索时间.     

基于自适应蚁群算法的图像分割

蚁群算法良好的离散性，并行性，正反馈性和鲁棒性，非常适合于图像分割。但基本蚁群算法蚂蚁的搜索是随机的，计算量大，不利于算法的收敛，为此，本文提出了设置初始聚类中心的设想，并以小窗口为对象实施算法，由此大大减小了计算量。另外基本蚁群算法中挥发系数固定，会导致算法可能过早收敛或停滞，针对这一不足，本文将其修改为随蚂蚁通过可行路径个数动态变化，使其收敛性和稳定性有了一定提高。实验证明了方法的有效性。