基于最大最小蚁群优化算法的缓层土质三维边坡临界滑动面搜索

解决滑坡问题的关键在于边坡的稳定性分析,而边坡稳定性分析的要点在于边坡临界滑动面的搜索以及边坡安全系数的计算。为更准确地搜索边坡的临界滑动面,将最大最小蚁群优化算法应用于缓层土质三维边坡临界滑动面搜索。首先采用光滑有限元法结合莫尔-库伦强度准则对边坡模型进行弹塑性分析,计算得到边坡的应力场;然后在边坡内部构建一组独立于有限元法单元网格的条带结点网络,在此基础上引入最大最小蚁群优化算法,结合滑动面应力法建立搜索边坡临界滑动面并求取对应安全系数的计算模型;最后利用该计算模型分别对均质边坡算例、双层材料边坡算例和公路路堑边坡工程实例进行计算与分析。结果表明:通过将该计算模型的计算结果与二维极限平衡法和三维强度折减法的计算结果进行对比,并结合某公路路堑边坡实例的滑坡实际发展趋势,验证了该计算模型的有效性和准确性,可为缓层土质边坡的开挖和支护设计提供依据。

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。

基于蚁群算法的绝热层缠绕路径优化

为解决绝热层缠绕成型过程中胶带撕裂褶皱和间隙控制等问题,本文提出一种基于多因素改进蚁群算法的缠绕路径优化方法。优化策略包括:构建蚂蚁决策空间,改变启发式函数,引入带隙缩放系数。利用ACIS几何造型库构建芯模、胶带三维模型,提出一种胶带应变计算方法,以评估胶带撕裂褶皱程度。缠绕仿真及试验验证结果表明:该方法能够有效优化绝热层缠绕路径,解决胶带撕裂褶皱问题,并满足缠绕胶带带隙要求,提高绝热层缠绕成型质量。本文研究为绝热层缠绕成型工艺提供了一种新型的路径优化方法。

现代战争物资分配的研究——基于多目标优化的蚁群算法模型

针对现代战争中红蓝双方物资分配问题,为了优化分配供应,提出一种基于蚁群算法优化现代战争物资分配的方法。引入蚁群算法构建最短路径模型,模型充分考虑约束条件,确保每个位置唯一访问;综合考虑火力打击目标,同时分析不考虑时间窗的多目标优化情况;通过信息素初始化、状态转移率标准和信息素更新,构建有效的路径规划模型;构建判断矩阵对目标因素进行一致性检验;最终通过蚁群算法获得红队和蓝队的最短路径长度并得出红蓝方运输车辆最优配置及总人数。

基于改进蚁群优化算法的AGV路径规划

【目的】针对传统蚁群算法(ant colonyalgorithm, ACA)在移动机器人(automatic guided vehicle, AGV)路径规划中搜索效率低、寻找路径长、拐点个数多等问题,提出一种改进的蚁群优化算法(ant colony optimization, ACO)。【方法】首先,在蚁群算法中加入预估代价值策略来改进启发函数,增强目标点的引导作用,提升搜索效率;然后,结合狼群算法(wolf pack algorithm, WPA)分配机制来更新信息素,解决路径规划时易陷入局部最优的问题;接着加入拐点影响因子来降低路径拐点;最后,采用动态避障策略来解决死锁问题。【结果】运用改进蚁群优化算法后,移动机器人路径规划时,最佳路径长度、迭代次数和拐点数等比传统算法分别降低9.7%、57.8%、65.0%。【结论】本研究结果能为移动机器人在复杂环境下的路径选择提供重要参考。

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。

基于广义Hurst指数和蚁群优化算法的配对交易策略研究

以上海期货交易所的8种金属类期货为研究对象,首先结合传统协整理论和一阶矩广义Hurst指数方法筛选出具有较强均值回复特性的期货对作为最优配对组合,然后对选出的最优配对组合设计交易策略,利用蚁群智能优化算法确定多空交易的最优开仓阈值。在实证回测阶段,对历史数据采用滑动窗口方法进行多次样本内及样本外回测,并与基于均值和标准差的传统固定阈值策略进行对比。结果发现,螺纹钢-热卷、热卷-铝期货配对为不同样本期下的最佳配对组合。从交易效果看,采用蚁群智能优化算法所确定的上、下开仓阈值策略相比于传统阈值策略,在多空交易中获得了更高的年化收益率和夏普比率。

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。

基于蚁群优化算法的计算机网络通信安全加密系统

为提升当前计算机网络通信的安全水平,本文基于“蚁群优化算法”设计一种计算机网络通信安全加密系统。本文首先简述蚁群优化算法的基础,指出计算机网络通信安全的重要性,其次引出基于蚁群优化算法的加密技术,并进行案例分析。最后通过案例分析,表明所设计的计算机网络通信安全加密系统,在平均加密时间、平均解密时间、系统吞吐量和系统加密强度方面,优于其他算法,切实提升当前计算机网络通信安全水平,十分有效,值得推广。

基于蚁群算法的大型泵站优化运行研究

为了提高大型泵站运行效率,本文以运行电费最小为原则,根据蚂蚁算法建立泵站优化运行模型,选择案例进行实证分析。结果表明,优化模型能够有效优化泵站日常运行效率,降低运行费用。研究结果可为泵站提高运行效率提供参考。

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。

基于分级思想的多级蚁态蚁群改进算法

广泛应用于经典NP难问题即旅行商问题(Traveling Salesman Problem,TSP)的蚁群优化(Ant Colony Optimization,ACO)算法存在容易陷入局部最优、收敛速度慢等问题,但其采用正反馈机制并具备较强的鲁棒性,适合与其他算法相融合从而改进优化。基于此,引入人工蜂群的分级思想,提出了一种多级蚁态的蚁群改进(Multistage State Ant Colony Optimization,MSACO)算法。通过引入适应度算子将传统单蚁态蚁群划分为王蚁、被雇佣蚁和非雇佣蚁,并且在每次迭代后重新分配身份以动态维持多级蚁态。王蚁寻找最优路径即最优食物源,被雇佣蚁负责路径构建,非雇佣蚁进行局部优化。为了使非雇佣蚁更有效地获得优质解,提出了一种固定邻域优化算法。实验结果表明,在TSPLIB库的7个数据集中,MSACO均可以达到理论最优解程度,较其他改进算法的最优解迭代次数与运行时间可以减少约40%与50%。

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。

改进蚁群优化算法的最大似然DOA估计方法

针对将连续域蚁群优化算法应用于最大似然(maximum likelihood,ML)估计中存在计算量过大的问题,提出一种基于改进蚁群优化(modified ant colony optimization,MACO)算法的最大似然波达方向(maximum likelihood direction of arrival,ML-DOA)估计方法.采用精英反向学习策略获得较优初始解群体,结合全局跨邻域搜索和高斯核函数局部搜索对蚁群的寻优方式进行优化,扩大了算法的搜索空间并加快了收敛速度,最终得到ML估计方法的非线性全局最优解.仿真结果表明,与基于粒子群优化(particle swarm optimization,PSO)算法、蚁群优化(ant colony optimization,ACO)算法的ML估计方法相比,ML-MACO算法的收敛速度是ML-ACO算法的4倍,计算量是ML-ACO算法的1/3,分辨成功率高于ML-PSO算法和ML-ACO算法,估计误差小于ML-PSO算法和ML-ACO算法.ML-MACO算法以更低的计算量保持了ML算法的优良估计性能,收敛性能更优且估计精度更高.

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。

一种自适应蚁群算法改进的短波令牌环协议

在短波令牌环组网过程中,由于节点入环的随机性,形成的令牌传递顺序存在多余的中继,导致令牌控制开销过大,网络时延增加,从而影响到整个网络的性能.为了解决上述问题,本文提出了一种自适应蚁群算法优化的短波令牌环协议.首先,由一轮令牌传递得到网络全部节点的距离矩阵,用来构建初始解空间.其次,通过蚁群算法求解每轮周游的最短路径并对各节点的信息素强度进行更新.最终,经过多次迭代比较后,即可得到最优传输路线.实验表明,优化后的协议重组了相邻节点间前驱后继的关系,省去冗余的令牌转发过程,最大化减少了整个环周期长度,从而节省了令牌绕环的时间.同时在网络平均时延和总控制开销方面明显优于现有协议,验证了该协议的可用性和优越性.

基于蚁群算法的多车拣货路径优化

随着云物流模式在国内的应用与发展,仓储行业为了追求降本增效需要尽快转变其经营方式。为了更好地前进与发展,仓储行业需与云物流模式融合在一起,而其中的拣货作业在仓储中心的地位日趋重要且能够影响其成本的降低。文中在双区库布局的情况下使用蚁群算法对拣货路径进行优化,根据订单分配对拣货路径进行仿真实验,实验结果表明,该算法能够合理地解决拣货路径中遇到的问题,提高拣货效率,更好地提高顾客对订单的满意度。

面向网络隐私数据融合的蚁群算法优化方法

针对目前方法对网络隐私数据进行融合时,由于未能在数据融合前对数据缺失值进行插补处理,导致该方法在进行数据融合时,存在网络生命周期短和网络延时高的问题,提出面向网络隐私数据融合的蚁群算法优化方法。首先对网络隐私数据缺失值进行插补处理,并标准化插补数据生成网络隐私数据特征集;再依据邻域搜索算法优化蚁群算法,根据获取特征集生成网络连通图;最后使用优化后的蚁群算法搜索连通图,获取最佳数据融合值,实现网络隐私数据的融合。实验结果表明,运用上述方法进行数据融合时,网络生命周期长,网络延时低。