基于遗传-蚁群优化算法的QoS组播路由算法设计

为了提高网络路由性能,提出并设计了一种基于遗传-蚁群优化算法的服务质量(quality of service,QoS)组播路由算法。首先,设计了自适应变频采集策略用于采集网络与节点信息,以此获得网络和节点的状态,为后续路由优化提供数据支持;其次,计算路径代价,将路径代价最小作为优化目标,建立QoS组播路由优化模型,并设置相关约束条件;最后,结合遗传算法和蚁群算法提出一种遗传-蚁群优化算法求解上述模型,输出最优路径,完成路由优化。实验结果表明,所提算法可有效降低路径长度与路径代价,提高搜索效率与路由请求成功率,优化后的路由时延抖动较小。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

基于蚁群算法的交通-配电网抢修恢复优化决策方法

极端事件导致大停电后,受损的交通道路会影响电网抢修车队前往故障线路区域的进度,从而延缓配电网恢复。为此,提出了一种结合损坏道路修复的配电网抢修恢复方法。首先,在分析不同受损道路对抢修车行驶影响的基础上,构建交通网抢修车约束。其次,考虑受损道路抢修对电网抢修的影响,以配电网失电量最小为目标,协调线路抢修和道路修复建立配电网抢修策略模型,并采用蚁群算法对所提模型进行求解。最后,以IEEE33节点配电网与一个12节点交通网相耦合的系统作为算例进行分析,仿真结果表明,所提方法切实有效提高了配电网抢修速度,减小了大停电后配电网负荷的失电量。所提方案更适用于灾害发生的实际情况,可为配电网灾后恢复提供参考。

基于粒子-蚁群混合算法的截割头形状优化设计

针对EBH-150型横轴式掘进机截割头在截割过程中遇到的载荷波动问题,采用粒子-蚁群混合算法对现有抛物线形截割头进行优化设计。利用Matlab数值模拟软件,对截齿的排列参数进行多目标优化,以期减少载荷波动并提升掘进机的工作稳定性。优化结果显示,截割头的截线间距经过调整后,从外向内逐渐减小,使得单个截齿受力更为均匀。横向载荷波动降低了约62%,其他方向的载荷波动也显著降低,均超过50%。这些改进有效提高了掘进机横摆进刀的稳定性,并有助于延长截割头的使用寿命。尽管优化后的截割头在某些方向上的载荷均值有所增加,但载荷峰值降低,避免了单个截齿的过载现象。总体而言,优化设计取得了理想的效果,但仍需通过实际应用进行验证。本研究为掘进机截割头的优化设计提供了一种有效的算法支持,对于提高掘进机的工作效率和安全性能具有重要意义。

基于蚁群算法的多目标农产品物流配送路径优化

针对农产品物流配送的路径优化问题,考虑将运输总成本、碳排放量、客户满意度融入其中,建立多目标农产品物流配送模型,提出一种改进蚁群算法,在基础蚁群算法的基础上,初始化信息素浓度、信息素更新策略、动态化信息素挥发因子,并引入多种局部搜索,以某物流企业为例,对所提算法和现有算法进行对比,得出几种算法各自的配送路径、运输成本、碳排放量、客户满意度。实验结果表明,对比其余现有算法,所提出的改进蚁群算法搜索收敛速度更快且求解出来的效果更好,从而证明改进后算法性能更好。

基于改进自适应多种群遗传算法的结构-控制系统一体化优化

提出一种改进的自适应多种群遗传算法,以更好地解决建筑结构-主动控制系统一体化优化问题,即同时对被控结构参数、控制算法参数、主动作动器布置位置进行优化。该遗传算法对编码方法、初始种群生成、选择策略、交叉概率和变异概率的自适应调整、多种群协同进化中移民策略等进行改进。研究结果表明:改进的自适应多种群遗传算法和改进的基本遗传算法优化结果总体一致,表明前者分析结果是正确的,并且具有较高的精度;改进的自适应多种群遗传算法和改进的基本遗传算法首次得到优化分析最优解的平均进化代数分别为320与730,表明前者比后者收敛速度更快;改进的自适应多种群遗传算法每次能达到或接近最优解,可有效克服基本遗传算法优化结果随机性较强的缺点;经改进的自适应多种群遗传算法优化的主动控制系统取得明显减振效果,E1 Centro波输入时,主动控制结构层间位移角峰值和绝对加速度峰值较无控时分别平均减小54.5%与46.7%。算例结果表明了改进的自适应多种群遗传算法的有效性,实现了对建筑结构-主动控制系统的一体化优化。

基于DNA-蚁群算法的车辆路径优化问题求解

蚁群算法在解决车辆路径问题(VRP)时存在过早收敛于局部最优解、收敛速度慢等问题,并且由于蚁群算法的参数选择没有严格规定,如果参数选择不当,将影响其寻找最优解的效率。为解决上述问题,将DNA算法中的交叉变异思想应用于基本蚁群算法中,提出一种新的DNA-蚁群算法,将基本蚁群算法中的参数进行DNA交叉变异,有效控制蚁群算法的参数选择,从而得到一组最优参数来求解VRP模型。实验结果表明,DNA-蚁群算法能有效解决车辆路径优化问题,更快寻找到全局最优解或较优解,提高了基本蚁群算法的寻优能力和效率。

融合粒子群与蚁群算法优化XML群体智能搜索

随着Web技术及其应用的快速发展,XML已经成为互联网上信息表示和数据交换的一个重要标准,其作用已深入到网络社区的每个角落;针对XML文档进行群体搜索的特点与不足,提出利用群智能算法的概率变换规则对其进行改进,首先采用路径离散化规则,结合XML半结构化的特点及概率知识,再融合粒子群算法与蚁群算法进行动态群体搜索,而群体自适应杂交、多次编码、迭代选择等不仅可以提高数据搜索的范围、精度和收敛的效率,而且可以避免早熟,降低算法的复杂度.仿真实验表明这种融合方法具有更好的查询效果.

基于蚁群-粒子群混合算法的水资源优化配置研究

【目的】对区域水资源的合理优化配置进行研究,为区域经济的发展、水资源的合理开发利用和节水型社会的建立提供参考。【方法】建立以经济、社会、生态环境效益为目标函数,各目标加权和为最优解的水资源优化配置模型,采用蚁群-粒子群混合算法对模型进行求解,并对渭北工业区进行水资源优化配置的实例分析,通过原供水量与优化配置水量的比较验证所建立模型的合理性。【结果】经计算,75%保证率下渭北工业区水资源的配置结果为:2015年地表水、地下水、外调水、中水供水量分别为1 747.30,13 244.84,12 905.95和1 060.23万m3;2020年各水源供水量分别为2 019.19,12 214.42,23 530.42和1 798.60万m3;与原始供水量相比,2015年和2020年总供水量分别减少312.73和421.11万m3,表现在农业供水量减少,生活、工业、生态用水均达到供需平衡。【结论】基于蚁群-粒子群混合算法的水资源优化配置结果合理,可作为研究区水资源合理开发利用决策的参考;蚁群-粒子群混合算法收敛速度快,寻优性能优越,可用于水资源优化配置的分析。

基于改进蚁群算法的项目组合工期-成本优化

战略导向下的项目组合工期-成本优化是现代企业进行多项目管理所面临的重要问题之一,对企业实现资源效益最大化有着至关重要的促进作用。以战略导向下的项目组合工期-成本综合值最小化为研究对象,提出了优化组合项目中工序选择和执行次序的数学模型,在引入自适应权重法、调整信息素系数和混沌扰动变量的基础上,设计了求解该优化模型的改进蚁群算法。通过实例运算表明,改进后的蚁群算法,能够有效地提高算法全局搜索寻优能力和收敛速度,在求解战略导向下的项目组合工期-成本优化问题方面有较强的鲁棒性和实用价值。

遗传-蚁群算法求解司钻控制室操纵器布局优化

在传统的计算机辅助司钻控制室布局设计中通常采用交互式输入和修改,不能以全局最优化的思想支持布局设计全过程,故将遗传-蚁群算法引入司钻控制室布局设计中.根据人的认知特性规律,总结出布局原则,并建立相应的数学模型,将布局原则以目标函数变量的形式作用于布局优化过程.从工业设计的角度,研究了面向司钻控制室操纵器空间几何位置布局优化的适应度函数、信息素和启发信息的表达形式,建立了遗传-蚁群算法应用于司钻控制室操纵器布局优化设计过程中的流程.以某型钻机控制台上的操纵器布局设计为例,进行了多目标优化计算,实现了布局原则量化并与算法结合,提高了设计效率.

施工项目工期-成本优化问题的蚁群算法

为了确定施工项目工期-成本均衡曲线,从而为施工项目计划和控制决策提供有效依据,提出了施工项目工期成本优化问题的蚁群算法.该方法利用施工项目工期成本优化问题的组合优化问题本质,将其转化为旅行商问题,利用自适应权重方法将工期、成本两个目标综合成单目标,采用蚁群算法进行Pareto解的搜索.通过两个实例的计算结果表明,该方法可以有效地确定具有实用价值的Pareto解,且具有较高的全局寻优能力和搜索效率,对于具有大规模网络计划的工期成本优化问题的求解是十分适用的.

Max-Min蚁群算法在固定货架拣选路径优化中的应用

固定货架拣选路径优化问题是一个典型的TSP问题 .为NP完全难题 .使用Max MinAntSystemAlgorithm来求解该问题 ,计算机仿真结果表明该方法能较快地找到最优解 ,而且比神经网络。

基于蚁群优化-蛙跳算法的云计算资源调度算法

针对云计算资源调度存在效率低的问题,提出了基于服务质量(QoS)的云计算资源调度算法。首先,在蚁群优化(ACO)算法中采用质量函数和收敛因子来保证信息素更新的有效性,设置反馈因子来提高概率的选择;其次,在蛙跳算法(SFLA)中通过交叉因子和变异因子来提高SFLA的局部搜索效率;最后,在ACO算法的每一次迭代中通过引入SFLA的局部搜索和全局搜索进行更新,提高了算法的效率。云计算的仿真实验结果表明,与基本的ACO算法、SFLA、改进后的粒子群优化(IPSO)算法、改进的人工蜂群算法(IABC)相比,所提算法在QoS的4个指标中有最少的完成时间、最低的消耗成本、最高的满意度和最低的异常数值,表明所提算法能够有效地运用在云计算资源调度中。

基于蚁群优化算法的0-1背包问题求解

蚁群优化算法在求解旅行商问题、指派问题、Job-shop调度问题和网络路由问题等获得了极大的成功.将蚁群优化算法应用于0-1背包问题,首先将0-1背包问题表示成相应的构造图,并针对该图设计了两个状态转移公式,蚂蚁根据这两个状态转移公式在带权图中移动直到死亡.此时,蚂蚁所走过的路径即构成背包问题的一个可行解.仿真实验对该算法的参数进行了讨论,再与遗传算法进行比较,结果显示该算法具有较高的性能.

基于多目标遗传-蚁群算法的中牟县水资源优化配置

随着经济社会的快速发展,水资源短缺和水环境污染问题变得日益严重.通过建立水资源优化配置模型,运用多目标遗传-蚁群算法(MOGACHA)对配置模型进行求解,并将所配置模型及求解方法应用于优化中牟县水资源配置.结果表明,配置模型及其参数、约束条件的处理是可行的.从配置结果来看,2015年和2020年在不同的保证率(50%、75%、95%)下各需水部门的需水要求均能被满足,系统协调度也都大于0.8,从而有效协调各部门之间的用水竞争问题,实现水资源质与量的高效统一和社会、经济、生态环境的综合效益最大化,促进水资源的可持续利用和经济社会的可持续发展.

基于遗传-蚁群算法的PHEB模糊控制策略优化

以并联式混合动力客车(PHEB)为研究对象,设计了以整车需求转矩与发动机最佳转矩之差以及超级电容荷电状态为输入,以发动机转矩为输出的模糊控制器,并应用遗传-蚁群算法对其进行隶属度函数和控制规则优化。基于MATLAB/Advisor建立了PHEB模糊控制策略模型和整车模型,并对优化前后的实例PHEB性能进行了仿真分析。研究结果表明,优化后的模糊控制策略能够满足设计要求,且等效燃料消耗量比优化前降低了10.2%。

基于蚁群-遗传算法的模糊Petri网参数优化算法

在模糊Petri网(FPN)的建立过程中如何确定模糊产生式规则的各项参数是尚未解决的热点问题。将蚁群算法和遗传算法相结合,提出了GAACA算法。仿真实验表明:该算法具有很强的泛化能力和自适应功能,能够达到参数优化的目的。

蚁群-遗传算法优化近红外光谱检测花茶花青素含量的研究

目的本研究基于蚁群-遗传区间偏最小二乘(ACO-GA-iPLS)近红外谱区筛选方法预测花茶花青素含量。方法首先对花茶近红外光谱进行预处理;然后用ACO-iPLS优选出特征子区间;最后对所选的特征子区间,用GA-iPLS进一步细化花青素的特征子区间,并建立花青素的预测模型。结果优选出3个特征子区间(第1、9、10子区间),所建模型对应的交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.1460mg/g和0.1840 mg/g,校正集和预测集相关系数分别为0.9187和0.8856。结论ACO-GA-iPLS可以有效选择近红外光谱特征波长,简化模型,提高模型精度。

基于改进蚁群算法的低碳冷链配送路径优化

针对目前冷链配送路径优化中存在的综合配送成本考虑不全面的问题,根据生鲜配送特点,综合考虑基本运输成本、碳排放、制冷、货损以及时间窗约束,建立以综合配送成本最小化为目标的路径优化模型。提出改进蚁群算法对该优化模型进行求解,在初始阶段使用遗传算法生成初期信息素分布,而后使用蚁群算法进行后续寻优搜索,再引入模拟退火算法的Metropolis准则筛选优质解。通过仿真实验验证了优化模型和改进算法的有效性,对低碳可持续发展理念下生鲜品冷链配送路径优化问题研究具有一定意义,助力冷链运输行业向低碳经济转型。