蚁群-遗传算法优化近红外光谱检测花茶花青素含量的研究

目的本研究基于蚁群-遗传区间偏最小二乘(ACO-GA-iPLS)近红外谱区筛选方法预测花茶花青素含量。方法首先对花茶近红外光谱进行预处理;然后用ACO-iPLS优选出特征子区间;最后对所选的特征子区间,用GA-iPLS进一步细化花青素的特征子区间,并建立花青素的预测模型。结果优选出3个特征子区间(第1、9、10子区间),所建模型对应的交互验证均方根误差(RMSECV)和预测均方根误差(RMSEP)分别为0.1460mg/g和0.1840 mg/g,校正集和预测集相关系数分别为0.9187和0.8856。结论ACO-GA-iPLS可以有效选择近红外光谱特征波长,简化模型,提高模型精度。

基于蚁群-遗传的无线传感器网络路由算法

提出了一种基于蚁群-遗传的无线传感器网络路由算法.通过有限寿命的蚂蚁在源节点与目的节点之间的运动获取多个备选路径,然后把每一个备选路径视为一个基因序列,通过选择、交叉和变异操作获得路径的优化,并适时进行路由维护.仿真结果表明,本算法减少了能耗,延长了网络生存时间,提高了网络的可靠性和自适应性.

基于蚁群-改进遗传算法的双工位堆垛机存取路径优化研究

基于提高双工位堆垛机储存和检索货物的作业效率、缩短作业时间的目的,提出一种基于蚁群-改进遗传算法的双工位堆垛机存取路径优化的方法。通过分析双工位堆垛机运行方法,提出一种变加速的堆垛机运行方法,建立了双工位堆垛机复合作业路径数学模型,设计了蚁群-改进遗传算法,通过算例证明该方法可以有效地优化存取路径,并且比较了蚁群算法与蚁群-改进遗传算法,发现蚁群-改进遗传算法迭代更快,迭代到18代后就达到最优解,并且每个周期路径明显缩短,相对应地完成任务所需时间也减少。

考虑时空拥堵和时间窗的多配送中心路径优化

生鲜配送路径优化问题中,具有产品时效要求高和配送时间不确定的特点,且逐渐大型化和多配送中心化。综合考虑客户时间窗、商品保鲜期、路网拥堵时空特征和多配送中心,构建考虑综合模糊时间窗和速度时空系数的多车场多车型生鲜配送路径优化模型,提出在传统蚁群-遗传算法内嵌入两边逐次修正算法和正交试验设计的改进蚁群-遗传算法(ACO-GA),并利用正交试验设计优化算法参数,以提高算法计算能力。采用不同分布特征的Solomon算例以反映不同聚集形态的客户群体,最后将该模型与其他模型对比,验证模型的合理性,将该算法和传统算法对比,验证算法的有效性。结果表明,该模型可以较好解决配送时效性高和配送时间不确定之间的矛盾,且算法计算能力可接受。研究成果可为生鲜产品精益配送提供新思路。