智能蚂蚁算法——蚁群算法的改进

蚁群算法是一种解决组合优化问题的有效算法。在蚁群算法的基础上,提出了一种新的启发式搜索方法———智能蚂蚁算法。智能蚂蚁算法与蚁群算法相比,主要在以下四点进行了改进:第一,取消了外激素;第二,自动调整选择最优路径的比例;第三,目标城市的选择方法不同;第四,引入扰动以避免陷入局部优化。实验结果表明,智能蚂蚁算法可以在减少计算量的同时,取得更好的搜索结果。

智能蚂蚁算法及其在电信网动态路由优化中的应用

本文介绍一种新的、启发式的、具有自组织能力的智能蚂蚁算法；并针对我国电信网的具体情况，提出借助这种智能蚂蚁算法，用分散控制的方式实现电信网动态路由优化的一种方案，目的是提高网络资源的利用率、网络运行的效率和可靠性。

一种结合O3-opt局部优化的智能蚂蚁算法研究

针对基本蚂蚁算法容易出现停滞、参数难以确定的局限性,改进为一种智能蚂蚁算法,改进之处包括:(1)引入蚁群优化算法中对转移概率公式、信息素更新规则的修改;(2)在蚂蚁算法中加入O3-opt局部优化,从而进一步缩短解路线的长度,以加快蚂蚁算法的收敛速度。最后,通过实例仿真验证了智能蚂蚁算法与基本蚂蚁算法相比具有明显的优越性。

基于智能蚂蚁算法的路由选择

智能蚂蚁算法已经成功地运用于TSP问题和一系列的离散优化问题,文中分析了智能蚂蚁算法的工作原理,并基于蚂蚁的自组织能力描述了一种新的分布式动态路由选择方法, QoS保证的分布式路由选择算法(DQRA)。DQRA 能以并行的方式解决网络中呼叫的时延和带宽分配问题。理论证明此种算法简单,易于实现,能有效地解决大型网络的负载平衡问题。选择 Matlab仿真软件对 DQRA算法进行仿真,并且比较了当业务要求带宽变化时阻塞率的变化,进一步证明了算法的有效性。

基于智能蚂蚁算法的脱硫静态模型优化

为了自动寻找脱硫过程的规律和知识,对脱硫过程进行决策支持,采用RBF神经网络作为建模工具,针对建模过程中出现的RBF中心和宽度难以确定的难点,在分析蚂蚁算法机理的基础上,提出了使用智能蚂蚁算法对RBF神经网络模型的中心和宽度进行自适应选择,从而达到模型训练精度和范化能力的一个最优的平衡,进而提高模型的预报精度;在分析脱硫工艺原理的基础上,通过有效的数据预处理,最后进行仿真分析,其模型的预报精度好于传统脱硫静态模型,具有一定的实用性和推广价值。

智能蚂蚁算法在电力系统无功优化中的应用

为了快速有效地求解大型电力系统无功优化的问题,在蚁群算法的基础上,提出了一种基于局域网的智能算法,智能蚂蚁算法与蚁群算法相比,主要进行了几点改进:第一,取消了外激素;第二,自动调整选择最优路径的比例;第三,引入扰动以避免陷入局部优化,并给出其全局渐近收敛性,该算法作为一种新兴的优化算法,具有适用范围广,寻优能力强,程序实现简单等优点,很适合电力系统无功优化的特点。

基于复杂适应系统的蚂蚁群体智能研究

蚁群算法是一种基于群体智能的算法,蚂蚁群体智能有广泛的实际应用,该智能有其本身的优点,但同时也存在群体迷失的问题。首先简单介绍蚂蚁群体智能、复杂适应系统和涌现,然后利用复杂适应系统和涌现对蚂蚁群体智能的特点和运行机制进行分析,最后用这些特点来分析蚂蚁群体智能中的群体迷失现象产生的条件和原因,并提出相应对策。

蚁群算法的研究现状和应用及蚂蚁智能体的硬件实现

概要地对近年来引起广泛兴趣的蚁群算法的研究现状进行了考察 ,简要地介绍了几种修正的蚁群算法 ,如蚁群系统 (ACS)、最大最小蚁群系统 (MMAS)、具有变异特征的蚁群算法、与遗传算法相结合的蚁群算法等 ;大致介绍了几种蚂蚁智能体的硬件实现 ,并且以蚁群算法在电力系统中的几个应用为例 。

复杂多陷阱环境下机器人导航路径的蚁群规划策略

为了提高复杂多陷阱环境下的机器人路径规划质量和规划效率,提出了多因素启发蚁群算法的路径规划方法。使用栅格法建立了工作环境的“0-1”矩阵模型,同时给出了环境模型的转移图结构。分析了蚂蚁进入陷阱时“蚂蚁回退策略”和“蚂蚁夭折策略”的缺陷,针对这些缺陷,将安全启发因素和智能蚂蚁策略融入到蚁群算法中,提出了能够高效应对陷阱问题的多因素启发蚁群算法,并将其应用于复杂多陷阱环境下的路径规划。在3种仿真环境下对改进措施进行验证,由实验结果可以看出,多因素引导蚁群算法能够有效避开障碍物密集区域;在复杂多陷阱环境下改进算法规划的路径长度明显短于传统算法,路径拐点远少于传统算法,迭代次数明显少于传统算法。以上实验结果表明,多因素启发蚁群算法的规划质量和规划效率均优于传统蚁群算法。

基于分类蚁群算法的彩色图像自动分类

为提升图像自动分类算法的通用性和鲁棒性,加快算法收敛速度,针对图像分类的特点,对传统蚁群算法进行改进,引入分类蚁群模型。随机蚂蚁识别统计图像类别,构建类别表,确定聚类中心;智能蚂蚁按相应的搜索前进策略进行分类。相比基本蚁群分类算法,该算法可以在较短的时间内完成图像的自动分类。

多Agent动态调度方法在染色车间调度中的应用

为解决复杂、繁琐的染色车间调度问题,根据印染生产过程的工艺特点和约束条件,建立了染色车间作业调度问题模型。为了提高调度系统对生产环境经常发生变化的自适应能力和全局优化能力,提出了一种基于蚂蚁智能与强化学习相结合的协商策略的多Agent动态调度方法。在该方法中,智能Agent能根据行为的历史反馈和立即反馈来选择相应的行为,也能根据算法的历史奖励来选择相应的智能调度算法,从而把一小部分工序任务的实时局部优化和大部分工序任务的全局优化结合起来。调度实例的求解结果验证了该方法的有效性。