基于视觉修正的改进最大最小蚂蚁系统求解TSP

蚁群算法的研究与发展为解决优化问题提供了良好的方案,但是依然存在收敛速度慢和容易陷入局部最优的问题。为此,提出一种基于视觉修正的VC-MMAS算法。该算法以启发式信息为依据初始化信息素浓度,从而加速初期的算法收敛速度;引入“天文蚁”对历史最优路径进行检查和修正,同时使用“双优”策略更新信息素,帮助算法跳出局部最优。在旅行商问题(TSP)上的实验对比表明,该算法与其他算法相比具有更好的全局寻优能力和稳定性。

基于最大最小蚂蚁系统的动态车辆路径问题研究

在描述动态车辆路径问题的基础上,通过对计划周期分片,将动态车辆路径问题转换为一系列的静态子问题,并采用改进的最大最小蚂蚁系统对静态子问题进行求解。在最大最小蚂蚁系统中,针对聚类分布和随机分布的客户,分别采用顺序法和并行法构建路线,信息素的更新量随着可选客户数量的不同而改变,同时在算法执行过程中对期望启发式因子、选择概率、信息素持续因子和蚂蚁数量等参数进行自适应调整。以整个路线的行驶距离作为目标,采用该算法对9个算例进行测试,与其他文献中算法的计算结果相比较,在使用车辆数量基本一致的情况下,9个问题都得到了最好解和最好平均解,表明了算法的有效性。

线性离散系统最小信息损失动态状态估计原理及其在热网中的应用

综合能源系统作为未来能源系统的发展趋势,可以有效地助力我国“双碳”目标的实现。状态估计作为能量管理系统的基础核心,在综合能源系统领域变得日益重要。无论是热网还是气网,其动态过程的建模最后都可以转化为线性离散系统的形式。因此,该文从信息科学的视角对线性离散系统动态状态估计的理论基础进行研究。根据最小信息损失(minimuminformationloss,MIL)决策原理,提出通用的线性离散系统MIL动态状态估计新原理,建立MIL动态状态估计模型,分析不同时刻噪声相关性、不同噪声概率分布类型对该模型的影响,在理论上证明全信息滚动时域估计、多断面加权最小二乘、多断面加权最小绝对值等常用估计方法均为MIL动态状态估计在一定假设下的特例。进一步以热网为例对该原理进行验证,建立热网状态空间模型和热网MIL动态状态估计模型,对该模型在考虑不同噪声概率分布类型、不同时刻噪声相关性、预测信息等方面的普适性进行验证。

基于最大最小蚂蚁系统的容迟网络缓存机制

容迟网络(Delay Tolerant Network, DTN)是指节点资源紧张、网络延迟较大或链接频繁中断的网络结构。为保障消息到达率,DTN采用了缓存机制,导致网络开销大幅提升。为了在提升消息到达率的同时降低网络开销,通过考虑消息类别,将蚁群算法引入容迟网络缓存机制中,提出了基于最大最小蚂蚁系统的容迟网络缓存机制。在该机制中,节点致力于维护消息的信息素浓度,依据消息的类别及自身属性得到消息的丢弃权重,进而实现容迟网络的消息丢弃。实验结果表明,与基于传统蚁群算法的容迟网络缓存机制相比,所提的容迟网络缓存机制提高了7.7%的消息到达率并降低了5.4%的网络开销。

基于改进最大-最小蚂蚁系统的多工艺路线决策方法

为实现工艺规划与生产调度的集成,提出了基于最大-最小蚂蚁系统的多工艺路线决策方法。给出了零件可行性工艺路线图的概念,建立了多工艺路线决策问题的数学模型,从而将零件的工艺路线规划问题转化为对零件可行性工艺路线图中具备最优值的路径搜索和寻优问题。提出了基于精英蚂蚁排序策略的改进最大-最小蚂蚁系统,并设计了算法流程。最后,通过仿真实例,验证了改进算法具有的良好的鲁棒性,并在性能上优于其他算法。

基于最大最小蚂蚁系统的物流配送中心选址算法的研究

提出了一种基于信息素自适应调节的最大最小蚂蚁系统的多物流配送中心选址算法,利用改进的蚁群算法的路径寻优机制结合蚂蚁聚集尸体的行为模式,根据物流配送总成本最低的原则将各配送点与候选配送中心进行聚类,合理选择配送中心。将已有物流配送模型进行拓展,加入经营管理成本。分别利用基本蚁群聚类算法和改进的蚁群聚类算法对配送中心选址进行仿真,实验结果表明在解决大规模配送中心选址问题时,改进的算法在解的质量和收敛速度方面明显优于基本蚁群聚类算法。

基于MPI的并行最大最小蚂蚁系统

现有蚁群系统在求解大规模组合优化问题时所需的计算时间较长。针对该不足,提出基于消息传递接口的粗粒度异步协作并行最大最小蚂蚁系统,能在保证解质量的前提下,降低并行计算中的通信开销。在曙光4000L并行机上进行的数值实验结果表明,该系统具有较优的并行加速比和加速效率,且适合于大规模TSP问题的求解。

最大-最小蚂蚁系统及K-TSP问题的求解

蚂蚁算法目前已得到广泛的运用。为克服基本蚂蚁算法容易出现停滞现象等缺陷,许多学者提出了改进的蚂蚁算法。最大—最小蚂蚁系统是其中性能最优良的蚂蚁算法。在简述基本蚂蚁算法及最大—最小蚂蚁系统对其改进的基础上,实现了用最大-最小蚂蚁系统求解K-TSP问题的算法,列出了求解结果,并与文献[7]中的结果进行了对比,指出最大最小蚂蚁系统是求解K-TSP问题的有效算法。

离散时间非线性最小相位系统的动态输出反馈镇定

研究了离散时间非线性最小相位系统的动态输出反馈镇定 .首先对离散时间非线性系统引入了逼近渐近稳定性的概念 .基于此概念 ,提出了一种动态补偿器设计的新方法 .主要结果是 ,如果一非线性系统的零动态是逼近渐近稳定的 ,则能用动态输出反馈镇定 .

基于最大—最小蚂蚁系统优化ELM的电解槽故障诊断

针对铝电解槽故障特征种类繁多,难以快速准确的实现故障类型诊断,设计了一种基于最大-最小蚂蚁系统(MMAS)优化的极限学习机(ELM)故障诊断方法;介绍了电解槽常见的故障类型及其对槽电压的影响,对采集到的故障情况下的槽电压信号进行降噪处理,根据对降噪后故障信号的局域均值分解(LMD)结果得到故障特征;采用ELM算法辨识故障类型,针对ELM算法存在的参数问题,采用MMAS对ELM隐含层参数寻优;结果表明,MMAS优化的ELM既保证了较快的训练速度,同时获得了更高的故障测试正确率。

基于最大最小蚂蚁系统的一种应急物流路径规划方法

根据应急物流中存在的一些问题,利用最大最小蚂蚁系统收敛速度快和避免局部最优的优势,提出了一种基于最大最小蚂蚁系统的应急物流路径规划方法.该方法通过最大最小蚂蚁系统将信息素限制在一个适当的范围之内,克服了传统算法收敛速度慢和易陷于局部最优的缺点.对应用最大最小蚂蚁系统的应急物流系统进行仿真实验,结果表明:该方法能快速实现应急物流配送,满足了实际需要,减少了物流成本.

云存储系统中基于动态规划的最小开销数据副本布局研究

传统的副本布局策略较少考虑数据传输开销,且对网络结构有所限定,导致通用性不足。为此,基于动态规划方法,以最小化数据管理开销为目标,提出一种云存储系统中最小开销数据副本布局策略。在数据管理综合开销模型的基础上,比较数据中心放置与不放置副本2种情况下的开销,从而确定副本位置。实验结果表明,该策略能够实现副本的合理分布,在有效降低数据管理开销的同时,可减少平均响应时间与网络传输量,提升云存储系统性能。

基于最小二乘支持向量机的传感器非线性动态系统辨识

讨论了一种基于最小二乘支持向量机的非线性动态传感器系统辨识方法,并给出了相应的推导过程和学习算法。首先,将传感器的非线性动态系统分解为静态非线性子环节和动态线性子环节串联——Hammerstein模型;然后,建立类似线性的中间模型,通过该模型能将Hammerstein模型的非线性传递函数转换为等价的类线性形式;再通过LS-SVM线性回归算法求取中间模型参数;最后推导出中间模型参数与Hammerstein模型参数之间的关系,并通过该关系反演出原传感器系统的Hammerstein模型参数,实现传感器非线性动态辨识。仿真与实际传感器系统辨识的实验结果均表明该方法可行。

带变异算子的启发式最大最小蚂蚁系统求解流水车间调度问题

针对蚂蚁算法在求解流水车间调度问题(FSP)时易出现停滞以及计算时间较长的缺点,对最大最小蚂蚁系统(MMAS)进行了改进,提出一种带变异算子的启发式最大最小蚂蚁系统,在改进的算法中,指出了启发式信息值的求法,对一些参数作动态性调整并融入了遗传算法中的变异操作,最后,通过仿真结果表明了该算法对求解FSP问题是有效的。

Modified L-P小波最小二乘支持向量机及在动态系统辩识中的应用

为了提高动态系统的辩识品质,提出了一种新的可调带宽多维支持向量小波核函数—modified L-P小波核函数。理论上证明了这种核函数是满足平移不变核定理的支持向量核函数。由于该核函数具有平移伸缩正交性,而且适用于信号的局部分析、信噪分离和突变信号的检测,从而提升了支持向量机的泛化性能。应用Modified L-P小波核作为最小二乘支持向量机的核函数,可以简化计算复杂性,提高学习效率。回归实验和动态系统辩识的仿真结果表明,Modified L-P小波核函数最小二乘支持向量机的建模和逼近能力优于基于L-P小波核函数或高斯核函数最小二乘支持向量机,更适合工程应用。

基于最小二乘支持向量机摩擦建模的机电伺服系统动态面控制

为降低摩擦力对伺服系统的影响并解决摩擦建模不准确问题,提出了一种基于最小二乘支持向量机摩擦建模的机电伺服系统动态面控制法。该方法根据实验数据利用最小二乘支持向量机对摩擦力建模,并利用建立的摩擦力模型结合动态面控制法设计控制器对摩擦进行补偿。基于Lyapunov理论证明闭环系统的稳定性。仿真结果表明,与未补偿之前相比,该方法能够提高系统的跟踪精度和减小跟踪误差。

基于递推最小二乘法的阀控缸液压系统控制策略

阀控缸液压系统存在建模不准确、动态控制精度较低和控制算法调试困难的问题,为此,提出了一种基于递推最小二乘法(RLS)的反步法动态面控制策略,并采用半实物仿真平台对其控制算法进行了调试验证。首先,建立了阀控缸液压系统非线性状态空间模型,推导了该系统的最小二乘矩阵形式和递推算法公式;然后,基于李雅普诺夫稳定性理论和动态面控制技术,建立了阀控非对称缸系统的控制模型,设计了一种基于RLS的反步法动态面控制器;最后,基于半实物仿真平台,对改造后的Linux操作系统进行了实时性验证,完成了阀控非对称缸系统参数辨识和基于RLS的反步法动态面控制试验任务。试验结果表明:RLS算法不仅能用于准确地估计系统模型参数,更能有效地适应系统模型参数的变化;相比于常规PID控制方法,基于RLS反步法动态面控制策略在阀控非对称缸系统稳定状态和换向的过程中,其动态控制精度分别提高了72.9%和20.3%,可为今后阀控缸液压系统建模及非线性控制策略研究提供较高的理论参考。

基于模拟退火策略的最大-最小蚂蚁系统

介绍了一种基于模拟退火策略的最大-最小蚂蚁系统。根据模拟退火策略来决定使用迭代最优信息素更新规则或是至今最优信息素更新规则。设计出一种随机扰动策略,有效地避免了算法陷入停滞状态。将此算法应用在旅行商问题上,实验结果证明了该算法的有效性。

基于最大-最小蚂蚁系统的PID参数整定

PID参数是影响PID控制器控制效果的重要参数。本文提出一种基于最大-最小蚂蚁系统(MMAS)进行PID参数整定的新型算法MPID,并给出了MPID算法的具体实现步骤。实验仿真表明,MPID算法与基于遗传算法、基本蚁群算法的PID整定方法相比,优化效果有明显改善,说明了该算法的可行性和优越性。

最小最大车辆路径问题的动态自适应蚁群优化算法

为求解最小最大车辆路径问题,提出动态自适应蚁群优化算法.该算法采用动态最大最小蚂蚁系统策略调整最优解,每次迭代更新τmin,将τmin作为当前信息素矩阵最大值的函数,根据当前最优弧调整选择弧的概率.采用一种灰色模型预测及控制信息素矩阵的边界,以增强蚁群算法参数的自适应性能.对信息素浓度相对较高的多个节点及其附近的边,利用信息素关联累积规则进行信息素更新.将文中算法进行场景的实例测试,仿真结果表明,该算法与线性规划、其他相关的蚁群算法相比,收敛速度更快,具有更好的优化性能和应用效果.