广义分配问题的一种小生境遗传蚁群优化算法

提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚁群优化算法用于求解NP难的广义分配问题,以避免经典求解算法存在的易陷于局部最优的缺陷.以典型的广义分配问题——火力分配为例,对该算法进行实验,并将实验结果与其它算法进行分析比较.结果表明:新复合算法优化效率高,运行时间短,对其它的NP问题同样适用.

火力优化分配问题的小生境遗传蚂蚁算法

火力分配问题是NP难题,经典的求解算法存在指数级的时间复杂度。文中提出一种小生境遗传算法与蚁群优化算法相结合的小生境遗传蚂蚁算法,并针对具体问题提出蚂蚁搜索的禁忌规则。对该算法进行了实验,并将实验结果与其他算法进行比较分析,分析结果表明:新算法无论是在优化性能还是在时间性能都取得了非常好的效果。文中算法对其他的NP问题同样适用。

蚁群算法与模拟退火、遗传算法比较分析

文章首先介绍了模拟退火算法和遗传算法的由来及其应用领域,随之引出一种20世纪90年代新型智能算法——蚁群算法,然后以TSP问题为研究对象,阐述三种算法解决TSP问题的实现流程,最后将3种智能算法在两方面进行比较:求解方面和收敛速度方面。实验结果表明:求解方面,蚁群算法所得解最优;收敛速度方面,蚁群算法比模拟退火、遗传算法收敛速度快。

基于遗传-模拟退火的蚁群算法求解TSP问题

传统的蚁群算法具有收敛性好、鲁棒性强等优点,但在解决旅行商(TSP)问题方面存在收敛时间长,容易出现停滞等问题;为了提高传统蚁群算法的解的质量,本文提出了基于遗传-模拟退火的蚁群算法(G-SAACO),将遗传算法和模拟退火算法引入蚁群算法中;其方法是在传统蚁群算法中引入遗传算法的变异与交叉策略来得到候选解,增加解的多样性;同时引进模拟退火算法机制,使得在高温时以较高概率选择候选集中比较差的解加入最新集,温度控制上加入了回火机制,进一步提高解的质量;为了检验改进的蚁群算法,随机选用了TSPLIB中的部分城市进行仿真,结果与传统蚁群算法、模拟退火蚁群算法、遗传蚁群算法相比,算法具有较强的发现较好解的能力,同时增强了平均值的稳定性。

求解旅行商问题的模拟退火蚁群算法

根据蚁群算法与模拟退火算法的特性,提出了求解旅行商问题的混合算法。由模拟退火算法生成信息素分布,然后由蚁群算法根据累计更新的信息素找出若干组解,再经过模拟退火算法在邻域内找另外一个解的操作,得到更有效的解。与模拟退火算法、标准遗传算法、蚁群算法和随机初始化的蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好。

可靠性优化的蚁群算法

建立了可靠性冗余优化模型 ,分析了各种优化方法的优缺点。采用模拟退火算法、遗传算法和蚁群算法分别解决了此问题 ,并通过实例 ,结果表明蚁群算法比较有效。

增强型的蚁群优化算法

旅行商问题是一个NP-Hard组合优化问题。根据蚁群优化算法和旅行商问题的特点,论文提出了对蚁群中具有优质解的蚂蚁个体所走路径上的信息素强度进行增强的方法,并同其他的优化算法进行了比较,仿真结果表明,对具有全局和局部最优解的个体所走路径上的信息素强度进行增强的蚁群优化算法比标准的蚁群优化算法和其他优化算法在执行效率和稳定性上要高。

一种基于蚁群算法的任务调度方法

任务调度是一个NP-hard问题,而且是并行与分布式计算中一个必不可少的组成部分,特别是在网格计算环境中任务调度更加复杂。文中结合蚁群算法的优点,提出了一种基于蚁群算法的任务调度方法,将算法应用于网格计算任务调度问题的求解之中。最后,实验结果这种算法优于普通算法。

智能算法在TSP问题中的应用研究

TSP问题是典型的路径优化问题,具有解决物流路径规划等实际应用意义。为解决TSP问题,文章研究了遗传算法、禁忌搜索算法、蚁群算法和模拟退火算法,以遍历31个省会城市为例,运用MATLAB软件编程仿真。结果表明:蚁群算法优化效果较好,且一致性高,但运行效率不高,可混合运用遗传算法和蚁群算法,以提高运行效率和求解质量。

基于蚁群算法的配电网检修计划优化

从配电网检修计划编制的实际情况出发,同时考虑了线路故障等级的检修时间优化和和设备检修时最优负荷转移路径。针对多种约束条件,对经济性最优为目标的检修计划,通过小生境遗传算法和蚁群算法优化的方法得到配电网检修计划时间优化方案。

求解旅行商问题的混合粒子群优化算法

结合遗传算法、蚁群算法和模拟退火算法的思想,提出用混合粒子群算法来求解著名的旅行商问题.与模拟退火算法、标准遗传算法进行比较,24种混合粒子群算法的效果都比较好,其中交叉策略D和变异策略F的混合粒子群算法的效果最好,而且简单有效.对于目前仍没有较好解法的组合优化问题,通过此算法修改很容易解决.

罩式退火炉装炉组合的优化模型及其算法

针对罩式炉退火工艺中的钢卷装炉优化组合问题,建立了以最小化装炉计划数和钢卷总加热时间为目标的数学模型,提出了一种自适应遗传算法和蚁群算法相结合的两阶段智能优化算法.该算法按照先优化钢卷装炉计划数后优化钢卷总加热时间的顺序求解该问题.通过现场实际生产数据进行仿真表明,提出的装炉优化组合模型优化效果明显,提高了退火车间的钢卷装炉效率.

基于模糊粒子群优化的计算网格工作调度算法

网格计算是利用网络把分散的计算资源组织起来解决复杂问题的计算模式,工作调度是待解决的主要问题之一。本文提出一种基于模糊粒子群优化的网格计算工作调度算法,该算法利用模糊粒子群优化动态地产生网格计算工作调度的优化方案,使现有计算资源完成所有工作的时间最小化。实验结果表明,与基于遗传算法、模拟退火、蚁群算法的工作调度方法相比,所提出的算法在时间和精度上具有一定的优势。

群智能算法的混合策略研究

蚁群算法和粒子群算法是最典型的2种群智能算法,各具特色和优势,已成功应用于诸多领域,但上述算法也存在一些缺陷。阐述了蚁群算法和粒子群算法分别与遗传算法、模拟退火算法、差分演化算法的各种混合策略。在算法中采用一定策略混合其他优化技术,可以提高算法的运算速度和计算精度。

面向本体的SOA构件定位机制与算法研究

针对基于构件开发的构件间相互通信。互操作和检索组装自动化等问题,以及基于Internet软构(网构软件)的大量的问题都需要解决,首先分析OWL-S和WSMO的异同以及SOA构件库构成条件;接着提出基于本体的SOA构件库定位机制,其构造一种最小二乘法最优估计的自动验证的指标体系、构件服务质量,以及构件反馈机制。建立一种定位的SOA构件库寻址和刻面分类的定位构件树模型,在此基础上,采用小生境蚁群退火遗传算法求解定位的构件树,从而最大限度实现构件自动化组装,以及实现构件的关注点分离和层次粒度的重用,最后通过实验仿真分析了定位算法的有效性。

智能优化算法求解TSP问题

TSP(旅行商)问题代表组合优化问题,具有很强的工程背景和实际应用价值,但至今尚未找到非常有效的求解方法.为此,讨论了最近研究比较热门的使用各种智能优化算法(蚁群算法、遗传算法、模拟退火算法、禁忌搜索算法、Hopfield神经网络、粒子群优化算法、免疫算法等)求解TSP问题的研究进展,指出了各种方法的优缺点和改进策略.最后总结并提出了智能优化算法求解TSP问题的未来研究方向和建议.

求解旅行商问题的几种算法的比较研究

旅行商问题具有重要的理论和实际研究价值,在工程实践中应用广泛。采用遗传算法、蚁群算法和模拟退火算法对旅行商问题进行求解,并选取中国旅行商问题进行仿真,比较了3种算法的优劣,得出了它们各自不同的适用范围:蚁群算法适用于缓慢地较精确的求解场合;模拟退火算法适用于快速精确的求解;遗传算法适用于快速求解,但结果准备度要求不高的情况。

智能排课算法综述

首先介绍了排课问题,分析了基于遗传算法、蚁群算法、模拟退火算法和免疫算法等智能排课算法的基本原理及其算法特点,并对智能排课算法的未来发展做了展望.

智能优化算法及其在焊接优化设计领域的应用

在焊接工艺中,优化设计已经涉及到各个领域,但传统的优化算法往往优化效果不佳,智能优化算法特别是遗传算法已经逐步地应用到焊接优化领域,并成为一个重要的研究方向。在对焊接相关文献进行系统研究的基础上,阐述了焊接优化设计领域应用较为广泛的遗传算法、模拟退火算法和群集算法(蚁群算法和粒子群算法)等几种智能优化算法的基本原理,介绍了智能优化算法在焊接领域组合优化、自动控制、生产调度和图像处理等方面的应用情况。对智能优化算法在焊接优化设计领域应用的未来研究方向进行了展望。

现代启发式算法理论研究

对模拟退火算法、遗传算法、列表搜索算法和蚁群算法等具有代表性的现代启发式算法起源与发展历史、算法理论研究的主要内容及方法等,进行了系统地总结与综述。对算法研究中出现的一些理论问题进行了讨论。探讨了算法在结构和研究体系上的统一性,并指出了将来研究的主要方向。