求解0/1背包问题的改进人工鱼群算法研究

分析了人工鱼群算法求解组合优化问题的不足,提出一种改进人工鱼群算法。该算法针对背包问题的特点,采用随机键方法对待装载物品进行编码,利用物品的单位价值(价值-质量比)启发式信息进行解码,直接在编码空间上模拟人工鱼行为。使用优质解随机游走寻优、优质解保留劣质解被替换和劣质解随机游走寻优三个更新算子来改善人工鱼群的全局搜索能力。通过实例进行了算法测试和比较。算法测试表明:改进后的人工鱼群算法提高了收敛速度,增强了全局搜索能力。

基于引导素更新和扩散机制的人工蜂群算法

人工蜂群算法是一种新型的搜索算法,其机理是通过模拟蜂群采蜜过程中体现出的智能行为来实现对问题的求解.在现有的蜂群算法中,蜂群间的信息交流仅使用单一的行为通信(跳舞),蜂群间的协作存在明显不足,影响了蜂群算法的求解性能.根据真实蜜蜂多模式传递信息的客观事实,通过引入基于引导素的化学通信方式,提出一种新的更忠实反映蜂群信息传递的蜂群算法,并应用于多维背包问题(MKP)的求解.新算法将行为通信和化学通信相融合,利用引导素的更新和扩散机制使蜂群能够更好地进行协作.MKP的仿真实验结果表明新算法优于传统的ABC算法.与其他一些元启发式搜索算法的比较同样显示了新算法的有效性.

求解多背包问题的人工鱼群算法

多背包问题是出现在现实世界中许多领域的一个NP-hard组合优化问题。提出一种基于人工鱼觅食,追尾、聚群等行为的求解多背包问题的优化算法。针对多约束导致大量非可行解的产生而使算法性能劣化的问题,采用基于启发式规则的调整算子,使人工鱼始终在可行解域中寻优。数值实验结果表明,提出的算法能够快速搜索到最优解。算法对其他有约束组合优化问题也具有应用价值。

求解大规模多背包问题的高级人工鱼群算法

针对复杂的大规模多背包问题,提出了一种基于高级人工鱼群算法的求解方法。为了解决人工鱼群算法收敛速度慢、求解精度低的问题,所提算法通过改进其初始化方法,优化人工鱼个体的行为选择方式和追尾行为来加快问题求解的收敛速度;同时引入了动态视野及步长和人工鱼调整策略来提高算法搜索的精度。仿真实验表明:与现有的算法相比,所提算法不仅能快速收敛,而且可以达到更高的精度,尤其是对于规模越大的多背包问题算法性能提升越明显。

基于极坐标编码的改进人工鱼群算法

针对人工鱼群算法收敛速度慢、求解精度低及易陷入局部最优的问题,提出了一种改进的人工鱼群算法。为提高求解精度,算法采用极坐标编码形式增加单个母体解空间表达的多样性,在迭代求解过程中根据适应度值依概率调整极角,逐步降低观测结果的不确定性。通过对三种行为方式进行调整,去除影响搜索方向性的随机移动行为,将搜索重点集中在最优解邻域内,有效降低算法重搜索的可能性,以提高算法的收敛速度。实验结果表明,该算法在收敛性和稳定性上优于基本人工鱼群算法、自适应人工鱼群算法和生境人工鱼群算法,验证了算法的有效性。

量子人工鱼群算法

融合量子计算与智能优化的新型高效优化算法层出不穷,成为现在优化算法研究的主流.为此,将量子计算引入到人工鱼群算法中,提出一种新型的量子进化算法———量子人工鱼群算法.该算法用量子计算的方法重新描述了人工鱼的行为,用量子比特对人工鱼进行编码,用量子旋转门实现人工鱼的更新操作,用量子非门进行人工鱼变异,从而实现了目标的优化求解.并分别以函数极值和TSP问题为例进行了仿真,验证了算法的有效性.

求解VRP问题的混合鱼群遗传优化算法

首先对物流配送中的一般车辆优化调度问题(VRP)进行了分析,并为之建立了相应的数学模型。随后设计了一个人工混合鱼群算法,并研究了如何应用该算法解决车辆优化调度问题,该算法在初期阶段应用人工鱼群算法迅速获得阶段最优解,在后期阶段应用遗传算法寻求最优解。最后通过仿真实验验证了该算法具有求解速度快,性能稳定等优点。

求解TSP的改进人工鱼群算法

利用遗传算法的交叉算子,并引入去交叉策略,对人工鱼群算法进行了改进,提出了一种改进型人工鱼群算法,并将该算法用于求解旅行商问题(traveling salesman problem,TSP)这一经典的NP难问题。通过实验仿真与目前TSP已知最优解进行对比分析,结果表明,改进后的人工鱼群算法在种群规模较小,迭代次数较少的情况下也可以收敛到已知最优解。

求解旅行商问题的改进人工鱼群算法

分析了人工鱼群算法求解组合优化问题的不足,提出一种改进人工鱼群算法。该算法针对旅行商问题的特点,采用随机键表达编码,直接在编码空间模拟人工鱼行为,将城市间的距离作为启发式信息,根据状态转移概率和轮盘赌选择策略进行最优解码,加快人工鱼寻优的速度;设计了三个更新算子来改善人工鱼群的全局搜索能力。最后,结合实例对算法进行了比较和分析。算法测试表明:改进后的人工鱼群算法提高了收敛速度,增强了全局搜索能力。

一种求解多背包问题的改进的人工鱼群算法

多背包问题是优化领域中典型的NP难题,传统算法由于计算复杂性高或收敛速度慢等缺点,结果往往不能令人满意。针对上述问题提出了一种求解多背包问题的改进的人工鱼群算法(IAF-SA)。首先将多背包放入方式整数编码,其次对不可行人工鱼编码、不充分人工鱼编码采用"随机修复"策略进行修复,并对人工鱼群算法(AFSA)中觅食、聚群和追尾等行为和产生的人工鱼编码进行改进和修复,最后结合实验对IAFSA算法分析和检验。实验结果表明,求解多背包问题的IAFSA算法相对其它算法不仅具有更快收敛速度和更强鲁棒性,而且以较大的概率收敛于原问题的最优解。

改进二进制人工蜂群算法求解多维背包问题

针对二进制人工蜂群算法收敛速度慢、易陷入局部最优的缺点,提出一种改进的二进制人工蜂群算法。新算法对人工蜂群算法中的邻域搜索公式进行了重新设计,并通过Bayes公式来决定食物源的取值概率。将改进后的算法应用于求解多维背包问题,在求解过程中利用贪婪算法对进化过程中的不可行解进行修复,对背包资源利用不足的可行解进行修正。通过对典型多维背包问题的仿真实验,表明了本文算法在解决多维背包问题上的可行性和有效性。

基于改进的人工鱼群算法的车辆优化调度

求解车辆优化调度问题(VRP)的改进人工鱼群算法(IAFSA),首先将车辆与车辆路径通过PPS-PPR的三维粒子编码方法进行编码,有效构造车辆路径,其次为满足VRP问题的约束条件和加强人工鱼群算法(AFSA)的搜索性能,对AFSA算法的可行性和行为进行了改进,最后给出了求解VRP问题的IAFSA的具体步骤和实验.实验结果表明,IAFSA算法不仅具有较快的收敛速度,而且以较大的概率收敛于VRP的最优解.

基于鱼群算法的多维背包问题研究

将鱼群算法应用于求解多维背包问题,提出一种求解多维背包问题的鱼群算法,MKPAFSA。定义MKPAFSA中的各元素,且引入启发因子和动态因子,并对鱼群算法进行了改进和优化。它减少了人工鱼的搜索时间,有效改善了鱼群算法后期收敛较慢且一般仅能得到满意解域的缺陷。仿真试验取得了较好的结果。

模糊人工蜂群算法的多选择多维背包问题求解

针对传统人工蜂群算法早熟收敛问题,基于模糊化处理和蜂群寻优的特点,提出一种模糊人工蜂群算法。将模糊输入输出机制引入到算法中来保持蜜源访问概率的动态更新。根据算法计算过程中的不同阶段对蜜源访问概率有效调整,避免算法陷入局部极值。通过对多选择多维背包问题的仿真实验和与其他算法的比较,表明本算法可行有效,有良好的鲁棒性。

求解大规模0-1背包问题的改进人工鱼群算法

针对现有算法在求解大规模0-1背包问题时存在求解精度不够和稳定性不足的情况,将贪婪算法引入到人工鱼群算法中,提出一种基于贪婪的极坐标编码人工鱼群算法。该算法引入贪婪思想对母体的初始值以及非法解修正方式进行改进;根据大规模0-1背包问题的特点对算法中的母体结构和迭代方式进行调整,并引入最优保留机制增强算法搜索的方向性。通过对物品为500、700和1 000的背包问题的实验结果表明,该算法具有良好的寻优能力和鲁棒性。

组合优化问题的人工鱼群算法应用

优化组合问题在现实生活中应用普遍,而且工程代表性强,可是想要实现最优化求解不容易,当今组合优化求解的主要方式采用启发式算法。人工鱼群算法是新型的群智能优化的算法,它的原理简单易懂,收敛速度快捷,求解精度颇高。最近几年得到了重视和广泛应用。