用混合型蚂蚁群算法求解TSP问题

介绍了求解TSP问题的混合型蚂蚁群算法,并以att532(美国532个城市)为例给出了计算实验结果,说明了混合型蚂蚁群算法能改进标准蚂蚁群算法的计算效率和计算结果的质量。

一种求解TSP问题的改进蚂蚁群算法

通过用混合型蚂蚁群算法求解TSP问题的方法和步骤 ,并以att5 32 (美国 5 32个城市 )为例给出计算实验结果 。

基于混沌蚂蚁群算法的PID控制器的参数整定

将蚂蚁混沌动力学、群组织和优化机制进行巧妙的结合,本文给出了一种基于群智能理论的新的优化方法,即混沌蚂蚁群算法CAS。同时采用该方法对PID控制器的参数进行了整定,它以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益和相位裕度为约束条件,建立了优化数学模型,数值结果显示采用混沌蚂蚁群算法的整定性能要优于采用遗传算法整定的性能。同时本文的方法由于不需要采用编码过程,因此比采用遗传算法的辨识方法要简练。

改进的混沌蚂蚁群算法

混沌蚂蚁群算法是受自然界真实蚂蚁的混沌行为和自组织行为启发而产生的一种基于群智能理论的优化算法。介绍了该算法的基本原理,并在对其进行算法分析的基础之上,提出了一种改进的混沌蚂蚁群算法,该改进算法采用全面学习策略和一种简单的精细搜索策略以提高算法的性能。数值实验表明,该改进算法的收敛精度和结果稳定性优于混沌蚂蚁群算法。在此基础上,将其应用于对PID控制器参数的优化,仿真显示其结果优于混沌蚂蚁群算法。

一种基于混沌蚂蚁群算法的系统参数辨识方法

提出了一种基于混沌蚂蚁群算法的控制系统辨识方法,这种方法在给定控制系统数学模型的条件下,将控制系统的参数辨识问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对问题进行求解。以典型控制系统为例进行了计算机仿真,实验结果表明,使用混沌蚂蚁群算法可以得到很好的参数估计结果。

基于混沌蚂蚁群算法的Lorenz混沌系统的参数估计

通过构造一个适当的适应度函数,首先将混沌系统的参数估计问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对这个问题进行求解.以典型的Lorenz混沌系统为例进行了数值模拟.实验数值仿真结果表明,使用该方法可以对混沌系统的未知参数进行有效地估计.

混沌蚂蚁群算法设计T-S模糊系统

介绍了混沌蚂蚁群算法,然后利用该算法设计T-S模糊系统,给出了具体的设计过程,并成功地将其应用于非线性动态系统辨识和自适应模糊控制,最后给出了数值仿真,数值仿真表明该方法是有效的.

混沌蚂蚁群优化求解自由节点B样条曲线拟合

B样条曲线拟合问题中,将节点作为自由变量可大幅提高拟合精度,但这就使曲线拟合问题转化为求解困难的连续多峰值、多变量非线性优化问题,当待拟合的曲线是不连续、有尖点情况,就更为困难。针对这一问题,基于混沌蚂蚁群优化算法CASO,提出了一种新的B样条曲线拟合算法CASO-DF。该算法结合B样条曲线拟合原理,通过蚁群中蚂蚁个体的混沌行为,调整自由节点位置,通过蚁群的自组织行为自适应地调整内部节点数目,解决了B样条曲线拟合问题。仿真结果表明了CASO-DF算法能够有效实现自由节点B样条曲线拟合,且性能优于其他同类算法。

融合粒子群优化的蚁群算法对TSP问题的应用研究

提出了一种融合粒子群优化的蚁群算法来求解旅行商问题(TSP)。使用粒子群算法对蚁群算法的参数(β,ρ,q0)进行优化来得到这三个参数的最佳组合值,并且运用蚁群系统算法(ACS)寻找最短路径。新算法克服了参数选择对算法性能的影响,具有很强的全局搜索能力。对旅行商问题的仿真实验结果表明:与传统蚁群算法相比,新算法体现了较高的性能,取得了不错的效果。

基于混沌蚂蚁的传感器网络分布式任务分配

受蚂蚁的混沌行为和自组织行为启发,提出了一种基于混沌蚂蚁的无线传感器网络分布式任务分配算法,以延长无线传感器网络生命期、节省能量消耗和均衡网络负载,该算法的目标函数考虑了任务能耗和任务执行可靠性。任务分配的优化解通过任务映射、通信路由路径分配和任务分配方案优化3个步骤获得,任务映射由蚂蚁的混沌行为产生,通信路由路径分配由蚂蚁的邻居选择方法确定,用A*算法实现,任务分配方案优化由蚁群的自组织能力实现。通过仿真实验和应用实例比较与分析,表明了该算法能有效地均衡网络负载和延长网络生命期。

基于混沌蚂蚁的分布式系统协同优化方法

针对复杂分布式系统的优化问题,提出基于混沌蚂蚁的复杂分布式系统协同优化方法.在系统理论指导下,分析复杂分布式系统中自主Agent的基本动力学特征,进而提出复杂分布式系统协同优化模型.在此基础上,借助混沌蚂蚁群算法(CAS)的思想,建立基于混沌蚂蚁的复杂分布式系统协同优化算法(CAS-CO).通过对复杂多Agent网络中基于位置的任务分配问题进行仿真实验,同时与已有算法仿真结果对比,表明CAS-CO算法可行有效,反映文中模型的正确性和Agent的自主性在复杂分布式系统设计和构建中的重要性.

基于遗传-蚁群混合算法的多层办公建筑节能优化设计

为解决建筑工程设计中节能优化问题,以福建省南平工业园区科技创新产业园配套基础设施1#办公楼为研究对象,运用遗传-蚁群混合算法计算分析目标函数和1个制冷周期内建筑能耗动态变化过程。结果表明,在目标函数建筑能耗求解上,遗传-蚁群混合算法的效率最高,遗传算法的运行效率次之,蚂蚁群算法的运行效率最低,具有较好的收敛性和全局搜索能力;不同算法得到建筑能耗优化结果也不相同,建筑能耗优化结果按蚂蚁群算法、遗传算法和遗传-蚁群混合算法的顺序依次降低;基于遗传-蚁群混合算法表明:模型A的建筑能耗稳定在2274kWh,模型B的建筑能耗稳定在2240kWh,相对于模型A,在1个制冷周期内,模型B具有更低的能耗,因此,模型B在节能方面更具有优势。

基于混合优化算法的城市应急疏散公交车辆路径优化研究

本文就突发事件条件下,研究用公交车进行疏散的路径选择的模型,叫做混合优化算法求解模型,该模型是基于粒子群算法和蚂蚁群算法。用粒子群算法的粒子位置向量得到每辆公交车所需运送的人群种类,用蚁群算法优化单车路径,根据优化的总路径评价得到最优解。

带创造性思维的混沌蚂蚁群优化算法

针对混沌蚂蚁群优化算法(CASO)容易陷入局部极值和精度低的缺陷,从认知学角度进行分析,将创造性思维(CT)引入CASO算法,提出了一种带创造性思维的混沌蚂蚁群优化算法(CTCASO).基于CT过程的"四阶段"模型,构建了算法框架,改进了位置更新公式,从而使蚂蚁个体在惯性、认知能力的基础上增强了CT能力,提高了蚁群的整体寻优能力.仿真结果表明,所提出的算法搜索能力强、稳定性好,并且未增加新的参数和计算难度.

基于PLC的柱塞式挤压机控制系统研发

针对国内某大型国有硬质合金企业的柱塞式挤压机国产化研制项目,设计出了一种基于CJ1H系列PLC、DeviceNet总线和工业控制计算机组成的挤压机控制系统。本文就该控制系统的控制策略、硬件组成、PLC程序设计和人机界面等内容进行介绍。

无线可充电传感器网络充电路线规划

随着物联网的快速发展,无线传感器网络WSN在生活中的应用也越来越广泛。本文运用蚂蚁群算法、目标规划模型、模拟退火算法研究了在派出1个移动充电器和派出4个移动充电器两种情况下,规划能够使移动充电器在路上的能量消耗达到最小化的充电路线,求解在已知路线下能够保证整个系统一直正常运行的29个传感器的最小电池容量等问题。最后对模型进行了合理性检验、评价以及应用建议。

一种用于网格的启发性智能调度策略

任务调度是计算网格系统中极其关键的一部分,一种好的调度方法可以极大地提高整个系统的性能。针对蚂蚁算法在网格调度中早期信息素匮乏和蚂蚁分工单一的缺陷,提出了一种新的启发性智能调度方法。在调度过程前期,采用遗传算法为各网格节点生成丰富的信息素,作为调度中心进行任务调度的依据,然后在多群蚂蚁算法中,各种群的蚂蚁根据分工的不同在属于自己的空间中寻找最优解,从而缩小了搜索规模,加快了收敛速度,优化了调度性能。