基于二元蚁群算法的高碳制造业碳排放多目标规划方法

以多目标优化为核心的碳排放规划方法,求解过程中偏重局部探索,存在约束条件不明确、碳排放量居高不下的问题,由此,提出基于二元蚁群算法的高碳制造业碳排放多目标规划方法。深入分析高碳制造业碳排放特征,提取企业碳排放驱动因素。经济增长目标和碳减排目标,建立多目标碳排放规划模型。在碳排放、能量消耗、投入产出、科技投入以及产业扩张等方面,分别设置规划约束条件,基于二元蚁群搜索原理,设计多目标规划求解算法,并引入一系列环境评价指标,加强“全局探索”和“局部搜索”之间的平衡性,生成最优规划方案。实证分析结果表明:所提多目标规划方法应用后,使得高碳制造业碳排放量降低了12.35%,促进了高碳制造业的节能减排发展。

带拥塞控制的多种群二元蚁群算法

二元蚁群算法在函数优化中有着良好的表现,但仍存在易陷入局部最优和在多峰函数求解中无法同时得到多个解的缺陷.使用拥塞控制策略改善算法的全局寻优能力,同时引入多种群的思想,提出了带拥塞控制多种群二元蚁群算法.通过对几个不同函数(包括单峰与多峰)的测试,实验结果表明该改进算法在保证较好的全局搜索能力的基础上,拥有很好的多目标求解能力。

二元蚁群优化算法研究综述

二元蚁群优化算法作为蚁群算法改进的一种,其独特的随机二元网络结构在离散域及连续域优化问题中均得到较好的应用,但探索和利用的冲突、单一种群寻优的局限性以及算法评价次数的增加均限制了二元蚁群算法更好的发展。从一维细胞自动机入手,首先对二元蚁群优化算法的基本模型进行描述,然后讨论了近年来对二元蚁群优化算法的若干改进及应用;最后评述了二元蚁群优化算法未来的研究方向和主要研究内容。

基于二元蚁群算法求解组卷问题

通过分析组卷的数学模型及目标函数,抽象出组卷模型实质是一个多目标线性规划模型,并将二元蚁群算法用于求解组卷问题。由于采用二进制编码,任意时刻每只蚂蚁只需根据其面前两条路径上的信息素强度决定该题选或不选,这对单个蚂蚁的智能行为要求非常低,而且存储空间也相对减少。实验结果表明,该算法能快速有效地完成组卷过程,具有较强的实用性。

基于生命周期的二元蚁群优化算法

将自然生态系统中生物生命周期的思想引入二元蚁群优化算法中,通过对蚂蚁设置相应的营养阈值而执行繁殖、迁徙、死亡操作,从而保持种群的动态多样性,进而克服二元蚁群优化算法易陷入局部最优的缺陷,然后结合分形维数将该算法应用于属性约简问题中,通过UCI中的6个数据集进行测试,结果表明该算法具有较好的可行性和有效性.

混合二元蚁群算法求解集装箱装载问题

集装箱装载问题是一个具有复杂约束条件的组合优化问题,属于NP-hard问题。针对集装箱装载问题的特点,设计了空间三叉树,对可利用空间采用三叉树划分策略,利用二元蚁群算法结合启发式算法进行求解,即先利用二元蚁群算法确定预备装入货物集,再用启发式算法决定货物的装入优先级顺序,并给出了有效的装箱算法。实例结果表明该算法的有效性和实用性。

多目标优化的多种群混合行为二元蚁群算法

针对二元蚁群算法在求解多目标问题时难以同时得到多个解和难以得到Pareto曲面的缺陷,使用多种群策略,改善算法的全局搜索能力,引入环境评价/奖励因子和蚁群混合行为搜索机制,提出了多种群混合行为二元蚁群算法。通过对几个不同带约束多目标函数的测试,实验结果表明该算法在保证全局搜索能力的基础上,拥有很好的多目标求解能力。

基于交通流量控制的二元蚁群优化模型

针对多模域上的蚁群优化,提出了一种交通流量控制策略。此策略启发于由A.Dussutour等发现的真实蚁群在高度拥挤下的交通组织行为。算法引入了“交通流量控制”策略来保持群体的多样性,对于每段路径都引入相应的流量阈值。算法被应用于几个典型多模函数优化中并与二元蚁群优化、二元菁英蚁群优化和二元蚁群系统算法进行比较。实验结果证明基于交通流量控制的二元蚁群优化算法能够在多模域中获得稳定的全局和局部峰值集,拥有远优于上述算法的多模搜索能力。

基于二元蚁群算法的多目标订单分配问题求解

为了在最小化综合成本的同时尽量均衡企业的生产负荷以及为水平型制造协作联盟(HMCA)订单分配的管理工作提供依据,设计多种群混合行为二元蚁群算法,用于求解HMCA订单分配的多目标模型。该方法在二元蚁群算法的基础上引入区域划分、环境评价与奖励策略,以弥补二元蚁群算法难以同时寻找多个解的缺陷,通过引入中心扰动行为,进一步提高求解质量。实验结果表明,该算法可以保证分布性,且求解质量较高。

一种结合二元蚁群和粗糙集的连续属性离散化算法

离散化是一个重要的数据预处理过程,在规则提取、知识发现、分类等研究领域都有广泛的应用。提出一种结合二元蚁群和粗糙集的连续属性离散化算法。该算法在多维连续属性候选断点集空间上构建二元蚁群网络,通过粗糙集近似分类精度建立蚁群算法适宜度评价函数,寻找全局最优离散化断点集。通过UCI数据集验证算法的有效性,实验结果表明,该算法具有较好的离散化性能。

基于二元蚁群算法的多层前馈神经网络

提出了一种基于二元蚁群算法的多层前馈神经网络,同时为了避免二元蚁群算法陷入局部最优引入了拥挤交通组织策略。将二元蚁群算法和神经网络混合,可兼有神经网络广泛映射能力和二元蚁群算法快速全局收敛能力,通过在函数逼近实验表明取得了较好的结果。

人工生命Bug模型二元蚁群算法求解多0/1背包问题

从一维有趣的Bug人工生命模型出发,并对该模型进行扩展,将蚂蚁对信息素的大小进行选择的概率函数作为细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,同时引入更多的随机因素有效防止二元蚁群算法易陷入局部最优的缺陷,然后通过增加细胞状态集合元素数目的方式对Bug模型二元蚁群算法进行扩展,应用于多0/1背包问题的求解。仿真实验表明,运用文中算法不仅能快速有效地完成多0/1背包问题的求解过程,而且在一定程度上体现了计算的本质。

基于层次分析法与二元蚁群算法的智能组卷设计

利用改进的二进制蚁群算法,根据试卷总分值、考试时间、试卷平均难度、知识点分值、试卷区分度、题型分值6个约束条件,建立多任务、多目标约束组卷模型;然后利用改进的层次分析法确定组卷目标的权重,通过加权离差模型对智能组卷问题进行建模;最后利用二元蚁群算法求解模型,得到最优组卷方案.层次分析方法比较全面地考虑了出题者的主观因素,而二元蚁群算法充分利用了蚁群算法的智能特点,二者相结合能有效地提高智能组卷的成功率.

可控搜索偏向的二元蚁群算法

蚁群算法按照信息素轨迹产生的偏向对解空间进行搜索.当前改进蚁群算法性能的主要方法是提高种群的多样性,少有对搜索偏向进行控制.本文以可控搜索偏向作为研究的出发点,通过对至今最优信息素更新方式的分析,得出了从任意代到算法收敛没有发现较优解的概率下限.并以此为基础,把访问量与蚂蚁数量的关系作为控制偏向的依据,在兼顾提高种群多样性的前提下,设计了可控搜索偏向的二元蚁群算法.通过多个函数的测试以及0-1多背包问题的应用,其实验结果表明该算法有较好的搜索能力以及较快的收敛速度.

改进的二元蚁群算法结合分形理论预测雾霾天气形成的关键因子

随着工业化进程的加剧,雾霾已严重影响到人类的日常生活,分析天气因素进而得出影响雾霾天气的关键因子尤为重要.预测雾霾天气形成的关键因子是一个不断剔除冗余因素保留关键要素的过程,每一个天气因素都有两种状态,被选中为关键因子与否,文章根据该特点,从一维细胞自动机入手,提出了一种以二元蚁群算法作为搜索策略,分形理论作为子集评估度量准则的混合方法.因二元蚁群算法前期信息素匮乏需要较长搜索时间,引入二元粒子群算法对其进行优化,将粒子经过多次迭代之后得到的最优位置通过模糊函数映射成蚂蚁所需的信息素,在较短的时间内形成一条信息素落差明显的路径,缩短算法前期运行时间.最后将所用方法应用于北京,广州和上海三地雾霾天气关键影响因子的预测中,并结合10-交叉验证和SVM算法对预测结果分类准确率进行分析,通过与其它算法进行对比,结果表明文章算法预测结果具有较高可信度,为后期的雾霾治理工作提供了重要的参考依据.

基于改进二元蚁群算法的发输电系统充裕度评估

随着智能电网的建设以及可再生能源发电的并网,电力系统网络容量和规模不断扩大,各种不确定性因素不断增加,对发输电系统充裕度评估工作带来了新的挑战。提出发输电系统充裕度评估指标,分析二元蚁群算法的搜索原理,并利用考虑搜索序列顺序的信息素浓度更新机制对该算法进行改进;在此基础上,提出利用改进二元蚁群算法评估含风电并网的发输电系统充裕度的流程,建立评估模型;最后,利用改进的Garver-6节点系统分析含风电并网的发输电系统的充裕度评估方法,并与蚁群算法、二元蚁群算法对比,验证改进的二元蚁群算法的有效性。

基于二元蚁群优化算法的分类规则挖掘

提出一种基于二元蚁群算法的分类规则挖掘算法.针对蚁群算法计算时间长的缺点,引入一种变异算子,同时为了避免蚁群算法陷入局部最优,又引入灾变算子.通过对美国加州大学机器学习数据集中的测试集进行测试表明,该算法的预测准确率能较大提高.实验同时显示引入变异算子和灾变算子能有效节省计算时间和防止陷入局部最优.

融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法

属性选择是数据挖掘领域用于降低数据特征维度的预处理方法.针对大数据环境下高维数据的属性约简问题,提出了融合基于MapReduce并行改进二元蚁群算法与分形维数的属性选择方法.首先,引入了参数控制的位置更新策略、对蚂蚁个体与种群进行交叉变异、重新定义阻塞机制的信息素更新,提出了并行改进的二元蚁群算法MRIBACO.其次,以并行二元蚁群算法作为离散解空间的搜索策略,结合分形维数提出了属性选择模型.在6个UCI数据集上的实验结果表明,较其他方法计算效率更优,同时表明了其有效性与稳定性.

二元群智能算法求解组卷问题研究

二元蚁群优化算法(BACO-CA)及二元粒子群优化算法(BPSO-CA)作为基于概率的随机搜索智能算法,二者在寻优机理上有着显著的不同。以大规模组合优化问题组卷问题为例,通过设置算法中的参数,探讨二元蚁群优化算法和二元粒子群优化算法求解组卷问题性能的优劣。仿真实验表明,二元蚁群优化算法和二元粒子群优化算法虽然均能在多项式时间内完成组卷问题的求解,但二元粒子群优化算法在求解组卷问题时较二元蚁群优化算法具有更好的时间性能,能在较短的时间收敛到全局最优解。

基于细胞自动机模型的二元群智能算法研究

从一维有趣的Bug人工生命模型出发，并对该模型进行扩展，让agent（Ant或ParcicIe）运动在一维细胞自动机上，通过设置细胞自动机中细胞的内部状态以及细胞的转换函数，提出了适于求解--JL离散优化问题的二元蚁群算法和二元粒子群算法模型，这不仅体现了计算的本质，而且具有较强的实用价值!