收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于过程优化的蚁群算法研究与应用

许世杰  
【摘要】: 蚁群算法(Ant Colony Algorithm,ACA)是20世纪90年代初期提出的一种新型模拟进化算法。其思想吸收了蚂蚁的行为特征,通过模拟真实蚁群探索食物的过程来完成对问题的求解。它具有系统性、分布式计算、自组织性、正反馈等特点,已广泛应用到通讯、交通、化工、数据分析和人工智能等领域。蚁群算法具有很多优点,但在实施过程中也存在缺陷:(1)在算法运行的初始阶段执行效率低,信息素随机分布,路径杂乱无章;(2)搜索过程中易陷入局部最优解,易出现早熟、停滞现象;(3)难以解决实际应用中连续域的函数优化问题等。 本文对蚁群算法进行了较为系统的分析和研究,并针对传统蚁群算法存在的缺陷提出了基于过程优化的蚁群算法,通过对传统蚁群算法的运行过程实施一系列优化,达到提高算法执行效率和寻优能力的目的。创新点及具体改进途径包括: (一)在算法运行的初始阶段采用正交、均匀设计等优化方法,创建正交、均匀离散过程。 1.基于正交离散过程优化的蚁群算法通过正交离散有效地改善信息素分布,优化初始化过程,并利用动态转移概率等策略来构造和选择路径,大大改进了算法的性能。根据该算法建立的配方设计数学模型在肉鸽(童鸽)饲料配比中进行了应用仿真运算,试验结果显示,基于正交离散过程优化的蚁群算法执行效率比传统优化方法有很大提高,是解决连续函数优化问题的一种新方法。 2.基于均匀离散过程优化的蚁群算法通过深度均匀离散子族群搜索和全局均匀离散搜索过程产生局部最优和全局最优解,进一步克服了正交离散水平较少、设计方案欠灵活的缺点。算法性能测试结果显示,基于均匀离散过程优化的蚁群算法优化值良好,优化性能稳定,在迭代次数和执行时间上也表现出一定优势,是基于正交离散过程优化蚁群算法的有益补充。 (二)创建混合蛙跳算法和蚁群算法的融合算法。 混合蛙跳融合蚁群算法在算法的运行过程中前期利用混合蛙跳算法高效的全局搜索能力建立初始优化解群,后期利用蚁群算法求解精度高的特点进行精细解搜索,有效地解决了混合蛙跳算法搜索精度低和蚁群算法运行速度慢、易陷入局部最优、早熟收敛的问题。通过算法性能测试和群体动画路径规划的实际应用,证明混合蛙跳融合蚁群算法是解决连续函数优化问题的有效途径。 综上所述,通过以上的改进,与传统蚁群算法相比较,基于过程优化的蚁群算法执行效率显著提高,寻优能力明显改善,在实际应用中为解决连续域的函数优化问题提供了可参考的模型和求解方法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 邹海洋;;蚁群算法在智能交通系统中的应用[J];科技信息;2011年19期
2 胡庆婉;刘永财;奠俊保;吴上;;蚁群算法在TSP问题中的参数设定[J];电脑知识与技术;2011年20期
3 邓慧娴;刘朝臣;;物流配送路径中蚁群算法改进策略[J];安徽科技学院学报;2011年03期
4 赵辉;徐俊刚;;基于OpenMP多核架构下并行蚁群算法研究[J];微型机与应用;2011年16期
5 张银玲;牛小梅;;蚁群算法在移动机器人路径规划中的仿真研究[J];计算机仿真;2011年06期
6 王霄;吴开军;;基于改进蚁群算法的无线Mesh网QoS路由算法研究[J];计算机系统应用;2011年07期
7 周伦钢;;基于蚁群算法的粮食应急调度研究[J];电脑知识与技术;2011年19期
8 刘广聪;邬欢欢;郑慧君;;基于蚁群优化的无线传感器网络QoS路由[J];计算机工程与应用;2011年20期
9 潘佳梁;衣同胜;李兵;;基于蚁群算法的雷达系统测试序列优化研究[J];计算机与数字工程;2011年07期
10 计三有;王星;;基于蚁群算法的图书物流中心配送路径规划[J];湖北工业大学学报;2011年04期
11 刘毅;;人工智能在自动组卷建模中应用研究[J];计算机仿真;2011年08期
12 张宝健;;变异蚁群算法在电力系统无功优化中的应用[J];福建电脑;2011年05期
13 刘向娇;吴素萍;刘佳梅;;基于OPENMP求解旅行商问题的并行蚁群算法[J];微电子学与计算机;2011年07期
14 张宏彬;郭静;王超;陈崚;;基于TSP的构建系统发生树的蚁群算法[J];计算机工程与应用;2011年24期
15 闫文;;基于蚁群算法的神经网络在电子商务中的应用[J];信息与电脑(理论版);2011年08期
16 戴宏发;张源原;孙国强;刘成亮;;蚁群算法研究现状及发展[J];科技创新导报;2011年21期
17 孟敬;刘寿强;;基于仿生学信任信誉模型BTRM的无线传感器网络的信任协作研究与实现[J];科技导报;2011年24期
18 黄智辉;符志强;张红;;蚁群算法的优化及在TSP问题上的应用[J];现代计算机(专业版);2011年12期
19 时贵英;吴雅娟;倪红梅;;一种新改进的粒子群优化算法[J];长春理工大学学报(自然科学版);2011年02期
20 葛景陶;;基于改进蚁群算法的高校图书馆书目检索策略研究[J];长沙铁道学院学报(社会科学版);2011年02期
中国重要会议论文全文数据库 前10条
1 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
2 王育平;亓呈明;;改进的蚁群算法求解连续性空间优化问题[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年
3 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
4 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
5 支成秀;梁正友;;融合粒子群优化算法与蚁群算法的随机搜索算法[A];广西计算机学会2006年年会论文集[C];2006年
6 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
7 严彬;熊伟清;程美英;叶青;;基于拥塞控制的多种群二元蚁群算法[A];第二十七届中国控制会议论文集[C];2008年
8 肖岭;熊辉;;一种针对频率指配问题的改进蚁群算法[A];电波科学学报[C];2011年
9 宋春峰;侯媛彬;赵圣刚;;蚁群算法在陀螺温控系统中的应用研究[A];第十四届全国煤矿自动化学术年会暨中国煤炭学会自动化专业委员会学术会议论文集[C];2004年
10 张如伟;黄捍东;赵迪;;一种新的地震非线性反演方法[A];中国地球物理学会第二十四届年会论文集[C];2008年
中国博士学位论文全文数据库 前10条
1 王翔;混合蚁群算法及其在管理优化中的应用[D];东华大学;2012年
2 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
3 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
4 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
5 刘传文;仿生优化算法在数字图像处理中的应用研究[D];武汉理工大学;2008年
6 陈宝文;蚁群优化算法在车辆路径问题中的应用研究[D];哈尔滨工业大学;2009年
7 唐连生;突发事件下的车辆路径问题研究[D];西南交通大学;2008年
8 何荥;用信息法研究天空亮度分布[D];重庆大学;2008年
9 闫博;基于蚁群算法的集装箱港口选择与网络均衡分析[D];大连海事大学;2008年
10 吕雄伟;邮政物流车辆路径问题研究[D];西南交通大学;2009年
中国硕士学位论文全文数据库 前10条
1 傅宏;基于遗传多蚁群算法的QoS组播路由算法研究[D];重庆大学;2010年
2 潘鹏竹;协同制造调度问题的蚁群算法研究[D];沈阳工业大学;2010年
3 饶跃东;基于改进蚁群算法的无人飞行器航迹规划应用研究[D];武汉理工大学;2010年
4 邵晓路;蚁群群体智能网络可视化试验平台研制[D];浙江理工大学;2010年
5 吕海鹏;改进蚁群算法在YKK系列中型高压电机优化设计中的应用[D];哈尔滨理工大学;2010年
6 刘志勇;基于蚁群算法与竞选算法的作业车间调度求解及比较研究[D];广东工业大学;2011年
7 张守年;改进的蚁群算法及其在QoS中的应用[D];华南理工大学;2010年
8 林时来;基于蚁群算法的呼吸信号情感识别研究[D];西南大学;2011年
9 孙莹;无底柱分段崩落法矿山生产调度系统优化研究[D];西安建筑科技大学;2010年
10 李旭;应用点着色聚类改进蚁群算法[D];四川师范大学;2010年
中国重要报纸全文数据库 前2条
1 惠永辉 徐源;张昌龙—— 勇于挑战难题[N];解放军报;2009年
2 本报记者 张巍巍;瞧瞧“机器游侠”特种兵[N];科技日报;2011年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978