一种新的蚁群优化算法信息素更新策略及其性能分析

针对蚁群优化算法的关键步骤——信息素轨迹更新过程进行了深入分析。通过理论上的证明和实验验证,提出了信息素轨迹更新中存在着一个利用—探索困境;在此基础上针对这个现象提出了一种基于Metrop-olis接受准则的信息素更新策略,并通过在不同规模的TSP上的实验,证明了这种新策略的有效性。

基于不同信息素更新策略的卫星数传调度蚁群优化算法

针对具有时间窗口和数传资源限制卫星数传调度问题,提出了基于解构造图模型的蚁群优化算法。借鉴精英机制,设计了绝对精英策略、相对精英策略、收益精英策略和对等精英策略等四种信息素更新策略。通过对不同规模场景的仿真试验,验证了基于不同信息素更新策略的蚁群算法是求解卫星数传调度问题的有效途径。基于信息素平衡思想的相对精英策略、收益精英策略和对等精英策略相对于绝对精英策略而言,能够避免算法过早陷入局部最优或出现退化行为,在规模较大的场景中能够收敛到比绝对精英策略更优的解。在小规模场景中,相对精英策略和收益精英策略所得解最好,而在大规模场景中对等精英策略所得解最好。

基于重要解成分的信息素更新策略

蚁群优化算法通过信息素记录搜索过程中获取的知识,并基于信息素搜索新的解,因此好的信息素更新策略对蚁群优化算法至关重要。针对不同解成分的贡献不同的特点,提出了新的信息素更新策略:首先识别候选解的重要成分,然后在更新信息素时只允许重要的解成分得到加强。基于新的更新策略更新的信息素更好地反映了优质解的特点,从而加快了信息的正反馈过程。以4阶欺骗问题为例,验证了新算法的有效性。

基于拥挤度因子的动态信息素更新策略蚁群算法

针对蚁群算法易陷入局部最优、收敛速度慢的问题,文中提出了一种基于拥挤度因子的动态信息素更新策略的蚁群算法(CFACS)。引入鱼群算法中拥挤度的思想,扩大种群中蚂蚁分布范围,使其探索更大的解空间,提高算法全局搜索能力;采用动态信息素更新策略,在每一次迭代中,自适应调整当前最优路径所释放的信息素浓度,保证蚁群前期的多样性,同时保证算法在后期的收敛性。求解TSP问题的仿真实验表明,改进算法求得解的质量和求解的收敛速度都明显优于传统蚁群算法,较好地平衡了种群多样性与收敛速度之间的矛盾。

蚁群算法优化——基于局部信息素更新

由于常规蚁群算法容易陷入局部最优,出现停滞现象等问题,本文采用了城市选择策略,局部信息素更新策略,最优解预测策略和局部优化策略对蚁群算法进行优化改进,提出了基于局部信息素更新的思想。并通过一些TSP问题对改进的蚁群算法进行验证。实验结果表明改进后的蚁群算法在求解一些TSP问题上可以得到比目前所了解的最优解更满意的解。

基于MMAS的机器人路径规划

文章针对移动机器人系统在复杂环境中搜索目标和寻求最短路径问题,介绍了一种基于MMAS的机器人路径规划新方法;在MMAS算法的信息素更新中,采用了最大-最小蚂蚁系统的思想动态调整信息素,加强了正反馈的效果,同时周游最优蚂蚁和全局最优蚂蚁路径信息的动态更新,在一定程度上增加了解的多样性,也提高了蚂蚁的搜索效率;在搜索过程中,采取随机搜索与重点搜索相结合的方式对路径进行搜索,有利于加快搜索较好的解,而动态调整各项参数后,陷入局部解的可能性大大减少,并且可以找到最优解;最后通过仿真证明了该算法的有效性。

基于参数优化蚁群算法的机器人路径规划研究

采用蚁群算法(Ant Colony Optimization,ACO)求解棉花搬运机器人全局路径规划时,会出现规划效率低、蚁群算法参数的改变对规划效果影响大等问题。提出了一种粒子群参数优化的改进蚁群算法,该算法能够根据地图情况的不同智能地调节参数组合,从而在各种地图中能够发挥蚁群算法的最佳性能。通过实验数据分析蚁群算法重要参数对规划效率的影响,进行参数优化;针对改进后算法耗时大的问题,提出粒子群算法的动态惯性权重调整策略和改进的蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率,在障碍物分布不同的地图中进行仿真实验,通过与蚁群算法路径规划结果的对比,证明了粒子群参数优化的改进蚁群算法能够发挥蚁群算法最佳性能,可提高移动机器人到达目标点的速度并降低机器人运动过程中的损耗。

基于改进蚁群算法作业车间调度问题仿真研究

蚁群算法是一种仿真蚂蚁群体智能行为的仿生优化算法,具有良好的正反馈、鲁棒性、群体性和并行性等特点。针对基本蚁群算法易陷入局部收敛这一缺点,为提高精确高度,提出了一种改进蚁群算法,采用了新的状态转移规则,当算法陷入局部收敛时调整信息素更新策略,并根据陷入局部收敛的程度动态调整信息素挥发系数和信息素强度,使算法能快速跳出局部收敛得到全局最优解;仿真结果验证了改进蚁群算法求解作业车间调度问题的有效性。

考虑工位服务满意度的物料配送路径优化研究

为了解决制造车间物料配送过程中存在的配送效率低、工位服务满意度差以及配送成本高等问题,建立了考虑工位服务满意度的多目标车间物料配送路径优化问题模型,并通过改进蚁群算法对该模型进行求解,包括在基本蚁群算法中引入“时间窗跨度”,以优先服务物料需求紧急程度较高的工位,提高工位服务满意度;结合2-opt邻域搜索算法,对所得结果进行二次优化,避免陷入局部最优;采取自适应信息素更新策略,对信息素进行动态调整等三部分。最后在MATLAB上对该模型和算法进行计算和仿真,实验结果验证了改进蚁群算法的有效性和可行性。

动态分级的改良蚂蚁算法及其应用研究

针对蚂蚁算法处理机器人路径规划问题时收敛速度慢、协同机制不够完善的问题,结合狼群算法思想提出一种动态分级的改良蚂蚁算法。首先,根据动态分级算子建立种群分级模型;然后,为了改善协同机制,通过结合轮盘赌的头狼影响策略来增加种群间交流;最后,为了提高收敛速度,在保留蚂蚁算法信息素更新公式的同时,通过采取归一化处理的动态信息素更新策略来体现精英作用。为验证效果,采用栅格法对机器人运动空间进行建模,将该算法运用于路径规划问题求解中,并与另外几种智能算法进行比较。仿真结果表明,该算法的收敛速度较快,能以较少的迭代次数找到最优路径,效率较高。

结合ABC算法动态分级的双蚁态蚁群算法

针对蚁群算法收敛速度慢、易陷入局部最优等问题,结合人工蜂群算法的分级思想,提出动态分级的双蚁态蚁群算法。根据适应度不同,将蚁群划分为寻优蚁和侦查蚁,并执行不同加权系数的动态信息素更新策略:寻优蚁负责较优路径的搜索,执行较大权重的信息素更新策略,以增强其导向性,提高算法收敛速度。侦查蚁则负责探索非较优路径,发现其他更优解,以保证算法多样性。然后,每次迭代结束则两类蚂蚁进行优良解交换,以提高解的质量。以旅行商问题为例,将其与经典蚁群算法、最新蚁群改进算法以及其他最新优化算法进行对比,其表现皆更优。

人群疏散的社会力蚁群模型

密集人群的运动仿真研究是当下辅助实际应用的一种重要手段.针对现有疏散仿真存在的诸如模拟精确度较低、疏散模型不连续、人群行为过于单一等问题,本文提出一种新的人群疏散模型,该模型将社会力模型与蚁群算法相结合,用社会力作为蚁群算法中信息素更新策略的度量值.建立社会力蚁群模型,该模型充分考虑了人群疏散中个体间的作用力关系,解决了算法中易于出现的停滞和早熟现象.实验结果表明,该方法可以有效发挥蚁群算法在人群模拟中的优势,较传统算法具有更高的效率和运算速度,对大规模建筑内人群疏散有重要参考价值.

基于多层次蚁群算法的快递路径优化

文中根据快递路径的特殊性,针对城内交通和城市间交通的差异性,设计出多层次蚁群算法。在传统蚁群算法的基础上,将网络节点划分为不同层次,并在不同层次内采用不同的状态转移策略,选用不同的启发函数;同时,为了提高算法的收敛速度,并且使其不容易陷入局部最优,该算法对信息素的更新策略进行了调整。利用多层次蚁群算法实现了快递网络中成本和时间折中考虑的路径选择问题,通过与基本蚁群算法找出的时间最优和成本最优路径进行比较,证明了该算法的可行性和有效性。

水平旋转式贴片机贴装质量优化控制仿真

水平旋转式贴片机的贴装优化模型是相当复杂的,不仅需要反映出实际的贴装过程,而且要根据不同元件数量进行贴装求解。若单纯采用某种智能算法对其进行求解,往往会出现求解速度慢或求解精度低。通过分析遗传算法和蚁群算法的优缺点,提出了一种改进的遗传蚁群算法实现对贴装过程的求解,算法前期采用遗传算法求得的初始信息素供蚁群算法使用,加快了算法的求解速度;后期改进蚁群算法的信息素更新策略、选择转移策略、自适应调整启发式因子和期望启发式因子,改进后的蚁群算法更好地反映出贴片机的实际贴装情况,有效地避免陷入局部最优,提高算法的收敛精度。仿真结果表明,改进算法大大地缩短了搜索时间,质量精度明显提高,可实现高效率的贴装。

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。

An adaptive ant colony system algorithm for continuous-space optimization problems

Ant colony algorithms comprise a novel category of evolutionary computation methods for optimization problems, especially for sequencing-type combinatorial optimization problems. An adaptive ant colony algorithm is proposed in this paper to tackle continuous-space optimization problems, using a new objective-function-based heuristic pheromone assignment approach for pheromone update to filtrate solution candidates.Global optimal solutions can be reached more rapidly by self-adjusting the path searching behaviors of the ants according to objective values. The performance of the proposed algorithm is compared with a basic ant colony algorithm and a Square Quadratic Programming approach in solving two benchmark problems with multiple extremes. The results indicated that the efficiency and reliability of the proposed algorithm were greatly improved.

基于免疫修复的快速蚁群优化算法

蚁群优化算法通过信息素记录搜索过程中获取的知识,并基于信息素搜索新的解.影响信息素质量的因素主要是信息素更新策略和蚂蚁已找到的候选解的质量.为了提高已有候选解的质量,提出基于免疫原理识别候选解中的"病变"成分,并对其"病变"成分进行修复.经免疫修复后,候选解的质量大大提高,由它更新的信息素更好地反映了优质解的特点,从而加快了信息的正反馈过程.实验结果验证了该算法的有效性.

混合蚁群算法求解带时间窗的车辆路径问题

采用营运车辆的最短行驶距离作为带时间窗车辆路径问题的优化目标,在混合蚁群算法中采用信息素3层更新策略以完成对车辆的调度,信息素挥发自适应策略充分考虑实时路况,考虑信息素空间扩散特性的局部更新策略,更加忠实于自然界的真实蚂蚁系统,可以提高算法的收敛速度,采用阈值判断的全局信息素更新策略可以防止算法陷入局部最优。通过C#语言实现了混合蚁群算法的计算机求解,最后对10个仿真实例进行仿真计算,结果表明,混合蚁群算法收敛快,寻优结果稳定。