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。

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。

基于嵌套蚁群算法的机器人拣货作业联合优化

针对物流仓储中心拣货作业过程中系统订单分批和拣货路径分步拣选效率低的问题,提出一种基于嵌套蚁群的订单分批和路径优化的联合拣货策略。首先,建立以最小化总路径为目标的订单分批与拣货路径联合优化模型;然后,考虑双重优化的复杂性,设计一种嵌套蚁群算法对模型进行求解,以订单分批模型为基准不断优化订单分批结果,得出最优分批集合单,其优化集合单再嵌套蚁群算法实现拣货路径优化。为验证该算法对随机订单有效性,抽取某一天17:00-18:00时段内既有货架区货物又有地堆区货物的43个订单算例进行仿真实验,与传统订单分批和拣货路径分步拣选策略相比,基于嵌套蚁群算法的拣货作业联合优化模型的随机订单拣货路径更短、拣货时间更少,经过联合优化后,机器人总拣选距离缩短了170 m。基于嵌套蚁群算法的拣货作业联合优化模型和其求解算法可以有效解决订单分批与拣货路径联合优化问题,为配送中心拣选系统的优化提供依据。

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。

双重信息引导的蚁群算法求解绿色多舱车辆路径问题

针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP),文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解.首先,在DIACO的全局搜索阶段,重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM),使其同时包含客户块信息和客户序列信息,即建立具有双重信息的PCM(DIPCM),从而更全面学习和累积优质解的信息;采用3种启发式方法生成较高质量个体,用于初始化DIPCM,可快速引导算法朝向解空间中优质区域进行搜索.其次,在DIACO的局部搜索阶段,设计结合自适应策略的多种变邻域操作,用于对解空间的优质区域执行深入搜索.再次,提出信息素浓度平衡机制,以防止搜索陷入停滞.最后,使用不同规模的算例进行仿真测试和算法对比,结果验证了DIACO是求解GMCVRP的有效算法.

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。

基于集成改进蚁群算法的作战环推荐方法

作战环推荐是依靠优化算法从作战网络中为指挥员推荐最优的作战环,以对目标形成高质量打击。未来作战中的作战环推荐面临体系规模大、决策节奏快的特点。对此,提出了一种集成改进的蚁群算法,能够实现高效、高质的作战环推荐优化求解。首先,将作战环推荐问题转换为一种基于多仓库路径规划的数学模型。然后,针对原始蚁群算法前期收敛速度慢、算法参数对结果影响大和容易陷入局部最优的问题分别提出了3种改进策略:基于边权重信息的信息素初始化、基于差分进化的蚁群算法参数自适应优化和基于遗传算子的全局搜索能力提升,并进行了集成改进。最后,在案例分析中对集成改进蚁群算法进行了分析和对比,验证了所提算法在不需要大幅提高耗时的情况下,优化结果要优于未集成改进的蚁群算法,且相比于原始蚁群算法提升效果显著。

基于改进蚁群算法的无线通信网络容量感知路由优化方法

常规的无线通信网络容量感知路由发现过程一般是单结构形式,感知范围受限制,导致平均吞吐量不断下降,为此文中对基于改进蚁群算法的无线通信网络容量感知路由优化方法进行了设计与研究。根据当前的路由优化需求,先进行有效的容量预测,采用交叉处理的方式,打破感知范围的限制,设置路由交叉发现过程,构建改进蚁群测算通信网络容量感知路由优化模型,采用变异调整的方式来实现路由优化处理。最终的测试结果表明,针对导入的5组测试指令,分别调整数据流为10、12、15及20,最终测试计算出的平均吞吐量均在280 Kb·s-1以上,且随着数据流对数的增加不断提高,该无线通信网络容量感知路由处理效果显著提升,达到了预期的优化结果。

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。

基于避障寻优改进蚁群算法的机器人路径规划

针对蚁群算法在处理路径规划过程中存在收敛速度慢,规划路径冗余等问题,提出了一种基于避障信息和快速寻优策略的改进蚁群算法。为了改善蚁群的首次搜索效率和精度,引入切比雪夫距离改进距离启发函数,在转移概率中增加目标点对机器人的引导作用;采用自适应转移概率调整路径规划过程中节点的选择方式,并根据节点周围的障碍物分布设置初始信息素,使得蚂蚁首次生成有效路径的比率从60%提高至92%;同时删除生成路径的垃圾信息,提高最优路径节点的信息素浓度,平衡了蚁群的局部和全局搜索能力,加快了最优路径的速度;通过平滑生成的路径,减少机器人转弯次数,缩短了路径距离。选择SSA、ACO、IACO、I-ACO等算法在3种栅格环境上进行性能测试。结果表明,改进的蚁群算法路径寻优上优于其他算法。

基于离散粒子群算法的管道保温结构优化研究

针对目前管道保温结构优化算法不稳定、结果优化程度不高的问题,建立以经济效益为目标函数,以满足国家散热损失标准等条件为约束函数的离散型数学模型。以BPSO算法为基础改变其位置更新规则,防止种群进化失效;采用自适应权重增加粒子的全局和局部搜索能力;充分利用模拟退火算法的思想避免出现早熟现象。应用改进的算法分别对普通蒸汽管道和核电站的蒸汽管道进行系统仿真实验。结果表明,该算法能够在满足国家散热损失标准等条件下取得最优解,可以为管道保温结构提供合理的优化方案。

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。