复杂场景下面向群体路径规划的改进人工蜂群算法

处理复杂优化问题时,原始蜂群算法耗时长且精度低,对此,本文提出了一种改进的蜂群算法.该算法借鉴粒子群算法的全局寻优思想完善跟随蜂的局部搜索过程,同时融入分段搜索策略改进引领蜂的位置更新方式,最终提高算法的收敛速度和精度.通过算法性能对比表明,与原始算法相比该算法的精度和稳定性均优于原算法,证明了将该算法用于路径规划中的可行性和有效性.

基于改进蚁狮算法的间歇反应釜优化方法研究

针对蚁狮算法易陷入局部极值点和收敛速度慢的问题,提出一种基于自适应边界调节策略和分段搜索策略的改进型蚁狮算法。通过引入自适应调节因子对蚂蚁围绕蚁狮游走时的范围进行自适应改变,提高了算法的全局寻优能力和寻优精度。融合粒子群算法的记忆保存思想和柯西变异算子对蚂蚁位置进行分段搜索,丰富了蚂蚁种群的多样性,解决了算法易陷入局部最优的问题。将改进的算法应用于乙酸乙酯生产过程的间歇式反应釜,并与蚁狮算法进行比较,实验表明改进后算法收敛速度更快,对间歇式反应釜生产过程中的反应温度、产物浓度和反应时间等参数的优化效果明显。