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。

基于改进的蚁群算法的目标物流车辆路径优化

随着冷链物流发展,物流车的路径优化已逐渐显现在大众的视野中,但是运输成本与路径一直困扰着物流公司,针对此类情况,文中提出冷链物流车的路径优化。主要设计以下两个方面:通过建立冷链物流模型,从碳排放成本与车辆运输成本进行模型建立;通过改进的蚁群算法研究,引入最优最差蚁群算法与启发因子算法对其路径优化建立模型。通过传统蚁群算法的研究与改进后的蚁群算法可以缩短车辆行驶路径,改进后的蚁群算法可以提升收敛性,优化了车辆行驶路径。结果表明,基于改进的蚁群算法可以优化路线、降低运输成本,优于传统的蚁群算法路径优化,提高了公司运输效率。

基于改进蚁群算法的给水管网优化设计方法研究

给水管网优化设计中的目标函数具有多峰性和非线性,传统优化算法易陷入局部最优解,因此,本文研究基于改进蚁群算法的给水管网优化设计方法。通过给水管网的水力计算获取管网节点水压数据,引入自适应惩罚函数,将节点水压计算得来的惩罚成本加入经济性目标函数,形成给水管网优化设计的经济性模型,采用二进制编码改进蚁群算法后寻找模型最优解,完成给水管网的优化设计。采用设计方法对给水管网进行优化,可以在确保管网全部节点安全稳定供水的同时,获得更优的造价方案。

基于改进蚁群算法的邮船舱室模块移运路径规划

针对大型邮船舱室模块运输过程中存在的移运路线长、路线混乱、舱室模块易与障碍物发生碰撞等问题,提出应用加入动态搜索模型的蚁群算法对邮船舱室模块进行路线规划,为运输舱室模块提供清晰、便捷的移运路线。对主竖区的障碍物进行分析,建立模拟实际工况的栅格地图,采用改进蚁群算法寻找移运路径。对不同位置所经过的栅格地图和蚁群数量进行动态调整。采用模拟退火算法寻找蚁群算法的参数。采用离散点分析确定移运路径的主、支通道。仿真试验结果表明,应用改进蚁群算法建立主、支通道进行舱室模块移运可有效提高舱室模块的运输效率。

改进并行蚁群算法在配电网网架优化中的应用

针对蚁群算法收敛速度慢、易陷入局部极小的不足,在并行蚁群算法的基础上,改进组间蚂蚁沟通交流方式,并提出一种自适应分组策略,在算法运行过程中,每过一定迭代次数,将蚂蚁的组数减半,每组蚂蚁的数量倍增,直至为一组蚂蚁。每次蚂蚁组数减半时,采用一种组间信息素融合规则更新留存组蚂蚁路径信息素。通过一个配电网网架优化问题的实例进行实验,仿真结果表明改进算法在收敛速度和寻优方面都有所提升。

求解多目标车辆路径优化的改进蚁群算法研究

针对降低物流配送过程中产生的配送总成本和碳排放量这一研究目标,在带软时间窗和容量限制的车辆路径优化问题上,综合考虑了车辆载重、行驶速度和行驶距离等因素,提出了一种以配送总成本最低、碳排放量最少的多目标车辆路径优化模型。并对该模型设计了改进蚁群算法来求解,算法首先在初始信息素的生成和路径转移规则等环节进行了改进,然后引入新的信息素更新公式和混沌扰动机制来更新路径上的信息素,最后利用研究算例对模型和算法进行测试,结果表明:多目标模型能更好的兼顾物流配送中的配送总成本和碳排放量,与经典蚁群算法相比,改进蚁群算法在配送总成本上平均节省了6.5%、碳排放量上平均节省了3.5%,验证了所提方法的有效性。

基于改进蚁群算法的蔬菜大田无人农机路径优化

推进蔬菜机械化与无人化种植能够保障优良的蔬菜规模化种植技术效益,有力保证蔬菜质量与品质,有利于蔬菜规模化生产种植技术产业体系的发展。利用无人拖拉机作业GPS定位点集将实际农业作业区域转化为规则矩形,在此基础上建立以无人拖拉机总转弯距离最短为优化模型,采用蚁群算法对无人拖拉机耕地作业路径序列进行搜索。同时考虑到传统蚁群算法易陷入局部最优、全局搜索能力不足等问题,提出一种基于和声搜索策略的改进蚁群算法,通过引入sigmoid函数与和声搜索机制改善路径搜索能力,得到高质量耕地作业路径序列。将传统蚁群算法(AC)、精英蚁群算法(ELAC)作为对比算法,将传统梭形、回形作业方法作为路径对比作业方法,针对不同耕地作业规模进行无人拖拉机作业路径搜索试验。结果表明,本文算法得到的总转弯距离较梭形耕法降低35.53%~43.08%、较回形耕法降低24.98%~86.88%。精英蚁群算法在小规模作业区域中性能较优,但随着蔬菜大田规模扩大,改进和声蚁群算法优化效果更明显。

基于改进蚁群算法的放牧路径优化研究

为了解决我国部分牧场放牧路径规划粗放和长期过度放牧的问题,首先将放牧路径规划抽象成二维栅格路径规划,对牧场进行栅格化建模,针对牧场条件多变的特点对牧场进行精细化模拟;然后根据放牧场景,设计随迭代时间改变的信息素浓度更新机制,改进蚁群算法实现放牧路径随牧场条件变化的及时优化,解决持续放牧的盲目性。通过仿真表明,栅格化建模提高了放牧路径规划的精益性,改进的蚁群算法加快了收敛速度,提出的放牧路径优化方法应对放牧条件多变的情况具有优势,提高了放牧路径规划的合理性,提升了牧场管理的科学化水平。

基于改进蚁群算法的化学危险品车辆配送路径优化

合理规划化学危险品车辆的配送路径,不仅可以提高配送效率,也减少了化学危险品在运输时发生事故的风险。为了优化化学危险品车辆配送路径,对蚁群算法提出了一些改进方法。首先,对客户选择策略采取分段计算的方法,以加快算法的收敛速度;其次,在构建一条完整的闭合路径时,过滤距离路径较远的客户,提高搜索最优路径的能力;最后,采用整体与局部相结合的方式完成信息素强度更新,避免算法出现停滞现象,提高算法的精确度。采用标准数据集进行仿真实验,实验数据表明改进后算法在收敛速度、路径优化能力和求解精确性方面都有较好的性能。

基于改进蚁群算法的天然气输送管网参数节能优化设计方法

为了降低天然气输送管网的损耗率,节约投资费用,提出了基于改进蚁群算法的天然气输送管网参数节能优化设计方法。通过分析天然气输送管网参数优化问题及影响因素,构建了优化目标函数,设置了管道的强度、稳定性、气体流量和节点流量等约束条件。在节能优化设计方案中,通过选择适宜的惩罚因子保证优化结果,引出管网优化的广义目标函数;利用局部搜索改进蚁群算法;通过信息素更新,实现管径组合的信息素强化。仿真实验结果表明,所提方法能够将天然气损耗率降低至2.5%以下,且总投资成本相较BP人工神经网络法、动态与黄金分割法均有所降低。

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。

基于多目标优化和改进蚁群算法的战时物资投送路径规划

战时物资投送的路径规划不良直接影响配送任务的完成。文章从时效性、安全性和节约性3个要素着手建立多目标优化模型,在经典蚁群算法的基础上进行改进,提出一种战时物资投送路径规划方法,并用实例验证了算法有效性和优越性。

一种改进的并行蚁群优化求解算法

为了提高并行蚁群优化算法的求解性能,对ACO算法进行了改进.针对有明显聚类特征的大规模TSP问题,充分利用问题本身所具有的特征,提出了一种带聚类处理的蚁群算法,该算法比较ACS算法可以在更短的时间内找到相同质量的解,而且在相同的运行时间内,该改进算法总能找到最好的解.在VC++环境下进行仿真实验,求解了TSP库中的实例pr136、pr107,分别得到了其最短距离,结果表明了编程思路的正确性及高效性.

基于改进蚁群算法的多源设计变更传播路径优化

在复杂产品开发中,设计变更及优化是一个非常重要的问题。已有相关工作主要基于任务重分配以及结构变化的动态配置研究,存在设计中的稳定性和设计时间均不理想等问题,因此提出一种多源设计最优传播路径搜索方法,即采用复杂产品的有向加权网络模型,通过改进蚁群算法计算得出最优变更传播路径。实验验证发现:变更影响较小时,变更传播影响的覆盖率为38.2%,比高变更传播影响下的覆盖率降低了5.9%,并且路径搜索中未出现零部件重复的现象。利用改进蚁群算法能够解决传播过程中的路径耦合问题,实现全局最优解的搜索,对复杂产品设计变更传播路径优化具有一定的实际意义。

改进蚁群算法在低碳冷链物流路径优化中的应用

根据冷链物流配送基础理论,将碳排放成本融入路径优化问题中,建立以总成本最小为优化目标的冷链物流路径优化数学模型。在传统蚁群算法的基础上,对初始信息素浓度、信息素更新策略及转移规则进行改进,并通过对比参数不同取值下的结果来确定合理参数。以某冷链物流企业为例,通过MATLAB软件进行仿真实验,验证模型和算法的有效性。

基于改进蚁群动态规划的光储微网容量优化配置

为降低并网光储微网的综合发电成本,并提高优化容量配置性能,该文研究基于改进蚁群动态规划算法的光储微网容量优化配置方法。针对传统启发式算法容易陷入局部最优以及早熟收敛的问题,首先将蚁群算法与动态规划算法结合,简化计算过程;进而,将迭代次数有关的衰减参数引入调节因子中,提高其全局搜索能力;最后,将Boltzmann选择机制引进蚁群搜索过程,并在蚁群信息素更新过程中采用偏转角度因子与拐点参数进行修正,从而大幅提高算法的优化性能。通过对海宁某小区实际数据进行仿真分析,验证了该算法的实用性和优越性。

基于改进多目标蚁群算法的辽阳灌区渠系优化配水研究

为提高灌区渠系配水的科学性,采用改进的多目标蚁群算法,以辽阳大型灌区为例,对其灌区渠系配水量进行优化计算。结果表明:相比于改进前,改进后模型收敛度得到明显改善,使得辽阳灌区配水率平均提高13.6%,平均配水量增加8.75万m^(3)。研究成果对于大型灌区渠系优化配水方法具有重要参考意义。

基于改进多目标蚁群算法浑北灌区优化配水研究

为提高灌区渠系配水的科学性,文中以沈阳浑北大型灌区为例,采用改进的多目标蚁群算法,对其灌区渠系配水量进行优化计算。研究成果对于大型灌区优化配水具有重要参考价值。

基于改进蚁群算法的Web服务组合优化

为解决基础蚁群算法存在的前期搜索速度慢、后期容易陷入局部最优解的问题,针对服务组合的动态性、不稳定性以及非功能属性限制等情况,提出基于改进蚁群算法的Web服务组合优化方法。首先分别介绍基本蚁群算法和L-I-ACO改进蚁群算法,再将其应用到Web服务组合优化建模中,最后通过对比实验测试两种算法的性能。实验结果表明,L-I-ACO改进蚁群算法性能较好,它弥补了基础蚁群算法的不足,提高了动态组合优化过程中的准确率和效率,更利于选取符合客户要求的服务。