地震波阻抗反演的蚁群算法实现

波阻抗反演属于求解最优化问题,其优化目标函数可能包含多个在一定范围上的连续变量,传统的优化手段存在有些函数难以优化,容易陷入局部解,收敛速度较慢等问题。蚁群算法具有正反馈性、分布式计算和贪婪式启发搜索的特点,克服了传统优化算法的缺陷。通过分析蚁群算法的原理,提出了地震道非线性反演中蚁群算法的实现方法。利用模型对该方法进行了检验,在无噪情况下,反演结果与模型一致;在加入5%,10%和30%噪声的情况下,反演结果与模型的相似系数分别为98.76%,97.85%和86.42%。

用改进蚁群算法求解函数优化问题

提出将蚁群算法用于求解函数优化问题的新方法。使用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁觅食的方式,更新搜索路径上的信息素,按照转移概率来决定搜索方向,即通过信息素来指引搜索,最后搜索收敛于各个全局最优解。给出了基于此思想的具体算法,并通过计算示例仿真说明了该算法的有效性,表明该算法可以同时快速收敛发现多个全局最优解,并保持稳定。

需求可拆分车辆路径问题的蜂群优化算法

文章研究了需求可拆分的车辆路径问题,通过解除传统车辆路径问题中每个任务点需求只能由1辆车满足的约束,建立了寻求满足配送要求最短行驶距离的数学优化模型,在改进反应阈值和刺激信号值的基础上提出了一种新型蜂群优化算法。仿真实验结果验证了算法的可行性,并通过与其他典型算法对比凸显了该算法较强的寻优能力。

用改进蚁群算法求解多目标优化问题

蚁群算法是一种崭新的仿生模拟进化算法,该算法在许多领域已经得到应用。多目标优化问题是一类很重要的优化问题,优化与求解较难。对此,提出了一种改进蚁群算法用于求解多目标优化问题,得到一组变量的权重后,用一定数量的蚂蚁在解空间中首先随机搜索,然后模拟蚂蚁寻食的方式,通过信息素来指引搜索。给出了具体的算法,示例仿真说明了其有效性,并表明该算法可以快速发现多个全局最优解。

几种仿生优化算法的比较研究

仿生优化算法是一类模拟自然生物进化或者群体社会行为的随机搜索方法的统称。由于这些算法求解时不依赖于梯度信息,故其应用范围较广,特别适用于传统方法难以解决的大规模复杂优化问题。阐述了三种典型的仿生优化算法——遗传算法、蚁群算法和混合蛙跳算法各自的产生背景、基本思想以及实现步骤,然后深入分析讨论了它们的异同之处与适用范围,最后指出了仿生优化算法今后的发展趋势和研究方向,其中提出的一些改进思路对进一步的研究工作有一定的理论意义和应用价值。

基于增强蜂群优化算法的特征选择算法

针对传统蜂群优化(BCO)算法探测能力强但搜索能力较弱的问题,提出一种搜索能力增强的BCO算法,并将其应用于数据特征选择问题以提高特征选择的性能。首先,为食物源引入全局权重的概念,用以评估各食物源对种群的重要性,降低蜂群搜索的随机性;然后,设计了两步筛选的招募方法提高蜂群搜索能力并保持多样性;最终,为食物源引入局部权重的概念,用于评估某个食物源与类标签的相关性,从而优化解特征选择问题。仿真实验结果表明,所提方法可以明显提高BCO的优化效果,同时获得了较好的特征选择效果,并且优于基于差异的人工蜂群算法(DisABC)和蜂群优化特征选择算法(BCOFS)。

仿生优化算法及其在函数优化问题中的应用

仿生优化算法是一类解决函数优化问题的更好方法.本文基于遗传算法、蚁群算法和人工鱼群算法的基本原理,探讨了各种算法在求解函数优化问题中的应用.两个典型函数极值问题的数值实验表明,这三种仿生优化算法在求解函数优化问题中具有良好的优化性能,其中鱼群算法性能最好.

基于仿生群优化的化学类实验室信息化管理模式研究

化学类实验室信息化管理是教育管理信息化领域亟待解决的问题,采用仿生群优化(Bionic colony optimization,BCO)方法,设计了基于BCO的资源优化配置模式、安全智能预警模式、智能优化排课模式、远程智能监控模式、智能考勤管理模式和智能环境监测模式,完成化学类实验室信息化管理模式设计,有效地提高了管理效率.

仿生优化算法在片上网络映射的应用研究

片上系统发展到片上网络阶段,能耗问题已经成为片上网络技术的重要约束。在片上网络映射中应用了生物仿生算法—蚁群优化算法使系统能耗达到优化,实验表明蚁群优化算法运用较好的局部搜索算法可以很快地收敛,针对不同的应用,可以减少15%-40%的通讯能耗。

带约束的清洁排班问题模型及其求解

保洁服务公司的清洁任务往往具有不同级别、不同时长和不同周期等特点,缺乏通用清洁排班问题模型,现阶段主要依赖人工排班方案,存在耗时费力且排班质量不稳定等问题。因此提出了属于NP难问题的带约束的清洁排班问题的数学模型,并使用模拟退火算法(SA)、蜂群算法(BCO)、蚁群算法(ACO)和粒子群优化算法(PSO)对该模型进行求解,最后以某清洁服务公司实际排班情况进行了实证分析。实验结果表明,与人工排班方案进行对比,启发式智能优化算法求解带约束的清洁排班问题具有明显优势,获得的清洁排班表的人力需求明显减少。具体来说,在一年排班周期内这些算法比人工排班方案可节省清洁人力218.62~513.30 h。可见基于启发式智能优化算法的数学模型对带约束的清洁排班问题的求解可行且有效,能为保洁服务公司提供科学管理的决策支持。

智能仿生鱼系统的设计与实现

针对传统渔业养殖中渔场巡查和水质监测中大量人力物力损耗的问题,设计可实现自动化养殖的仿生鱼系统。集成循迹避障模块、定位模块和实时图像采集模块,搭载蚁群优化算法实现最优路径规划的水面航行和水面监测功能;集成水质监测传感器模块,搭载主成分分析算法实现实时水质评价;集成压水舱采样模块实现远程水体采样。仿真结果表明,该系统具备良好的路径规划和水质评价性能,可有效推动自动化养殖的实现。

绞吸式挖泥船仿生绞刀刀齿的蚁群优化

为了提高绞吸式挖泥船仿生绞刀减粘降阻的效果,获得更高的生产效率和经济效益,应用蚁群算法对仿生绞刀的凸包的几何尺寸及其分布进行优化,得到对于不同类型的土壤和在一定的压力范围内所需的凸包形仿生绞刀的结构尺寸。

Multi-Hop Routing Optimization Method Based on Improved Ant Algorithm for Vehicle to Roadside Network

This paper proposes a route optimization method to improve the performance of route selection in Vehicle Ad-hoc Network （VANET）. A novel bionic swarm intelligence algorithm, which is called ant colony algorithm, was introduced into a traditional ad-hoc route algorithm named AODV. Based on the analysis of movement characteristics of vehicles and according to the spatial relationship between the vehicles and the roadside units, the parameters in ant colony system were modified to enhance the performance of the route selection probability rules. When the vehicle moves into the range of several different roadsides, it could build the route by sending some route testing packets as ants, so that the route table can be built by the reply information of test ants, and then the node can establish the optimization path to send the application packets. The simulation results indicate that the proposed algorithm has better performance than the traditional AODV algorithm, especially when the vehicle is in higher speed or the number of nodes increases.

基于改进蚁群算法的移动机器人全局路径规划

蚁群算法作为智能化仿生优化算法,其自组织性和智能性对研究全局路径规划问题具有指导性意义,基于此提出一种改进蚁群算法。首先采用栅格法建立环境模型并对传统的蚁群算法进行改进,对算法的启发因子和信息素更新策略进行研究与改进。仿真结果表明,改进的蚁群算法相对传统的蚁群算法具有收敛速度快和优化性能良好的特点。