搜索结果: 16-30 共查到“计算机科学技术 蚁群算法”相关记录159条 . 查询时间(0.102 秒)
针对标准蚁群算法易于出现早熟停滞现象，提出了一种自适应多态免疫蚁群算法（adaptive polymorphic immune ant colony algorithm，PIACA）。通过设置多种状态蚁群及引入自适应多态蚁群竞争机制，PIACA算法能有效抑制收敛过程中的早熟停滞现象。将禁忌表中每只蚂蚁走过的路径视为抗体，对抗体运用局部最优搜索算法和免疫克隆选择算法进行高效优化，提高了解的质量。针对...
改进蚁群算法在潜艇规避机载声纳探测的路径优化应用
蚁群算法 挥发系数 潜艇 路径
2016/9/13
径具有远离非安全区域时有风险规避能力。为加快算法程序的实现速度，引入了目标方向系数方阵W，使收敛速度成倍提高。并运用实例分析了γ、W对最优路径的影响与W对程序运算速度的影响。实例表明，该方法是有效的，说明引入1-ρ、γ、W的合理性与科学性，特别是γ、W有很好的控制能力与实用性。
基于改进蚁群算法的移动机器人路径规划
蚁群算法 路径规划 移动机器人 迷宫
2016/9/13
针对移动机器人路径规划中传统蚁群算法容易出现停滞现象、收敛较慢的问题进行研究。采用局部更新规则和自适应方法，构建了移动机器人在迷宫中的动态路径规划模型。通过计算机仿真和电脑鼠机器人实际行走实验表明，在场地复杂的情况下，该算法可以有效地规划出全局最优路径，加快规划速度，满足实际应用需要。
针对蚁群算法搜索时间长、易于陷入局部最优解的缺点，提出一种新的改进算法——分工合作的加权蚁群算法。此算法采取分工合作的方式，在信息素初始化、状态转移概率中分别加入权值，并运用遗传算法中排序的概念对信息素更新机制进行排序加权，此外对信息素上限加以限制。最后以TSP为例，验证了此改进算法不但在收敛速度上有了大幅度提高，而且有效避免了易于陷入局部最优解的缺点，从而证明了提出的新算法是合理有效的。
针对土木工程领域中的复杂参数反分析问题，基于常规蚁群算法进行了数学模型的构建、算法结构分析，并采用残留信息素数量限制、信息素的持久性系数自适应控制和全局更新规则对算法进行了加强设计，提出了双参数交叉影响的连续域组合优化蚁群算法；同时通过选取五个比较敏感的控制因子：蚁群数量、算法收敛标准、最小信息素持久性系数、循环次数和信息素强度常量进行了数字仿真实验，提出了算法的优化组合参数。通过实例对这种参数识...
提出了一种实现移动机器人在复杂动态环境下进行实时路径规划的新方法。该方法首先利用模糊逻辑来描述机器人局部环境模型；然后采用改进的蚁群系统算法快速地搜索出局部最优路径，并在此路径的引导下，结合机器人滚动规划方法，实现移动机器人在复杂动态环境下的实时路径规划。该方法不仅能克服传感器测量误差等引起环境信息的模糊性和不确定性的影响，还可以充分发挥蚁群算法的群体智能优势来保证系统规划的实时性。仿真结果表明该...
基于混合蚁群算法的网格任务调度
网格 任务调度 蚁群算法
2010/2/20
针对网格任务调度的调度时间长、资源负载不平衡等问题，提出一种基于混合蚁群算法的网格任务调度方法。该方法将禁忌搜索作为蚁群算法的局部搜索策略，以扩大解的搜索空间，避免陷入局部最优，并通过多样化机制提高算法收敛速度。利用平衡因子调节信息素的更新，改善资源的负载平衡性能。
遗传融合蚁群算法的改进与仿真
遗传算法 蚁群算法 信息素 仿真
2010/2/21
原有的遗传融合蚁群算法虽然克服了基本蚁群算法的不足，优化效果得到了改善，能够克服收敛速度较慢，易出现停滞，以及全局搜索能力较低的缺陷。但是还不够，因此，在原有的遗传融合蚁群算法的基础上进行了许多改进以扩大解的搜索空间，更加提高其全局优化寻优速度。并将遗传融合蚁群算法和改进的遗传融合蚁群算法分别应用于TSPLIB中的Att532TSP问题进行了仿真实验。仿真研究表明，改进后的算法具有更优良的全局优化...
基于任务权重蚁群算法在Agent迁移中的应用
移动Agent 蚁群算法 任务权重 路径选择
2010/1/28
针对移动Agent在路径迁移的问题，提出了基于Agent任务权重的改进蚁群算法。该方法是将Agent任务权重的思想应用到蚁群路径信息素的更新当中，使任务权重较大的Agent有权去更新所经过的路径上的信息素，从而提高该算法的全局搜索能力。实验结果表明，相比现有的Agent迁移中路径选择的蚁群算法，提出的改进蚁群算法，在提高该算法的搜索全局最优解的能力的基础上，能更好地提高多任务的Agent系统的运行...
基于改进蚁群算法的铁路路网最优路径规划
蚁群算法 Dijkstra算法 路径规划
2010/1/28
多条件最优路径规划问题是铁路出行查询系统的重要功能之一。将路径规划问题转化为以用户多种条件组合为目标函数的最优化问题，并将改进的蚁群算法应用于该问题，使查询系统能够满足各类用户的查询要求，并给出最优解或次优解。仿真实验表明：该算法的实时性很高，是一种行之有效的方法。
基于复杂网络理论及蚁群算法的MA迁移策略
移动Agent 蚁群算法 复杂网络
2010/1/12
移动Agent问题主要是解决移动Agent在不同主机间移动时如何根据移动Agent的任务和其他约束条件来规划最优的迁移路线。蚁群算法是一种新的生物进化算法，具有并行、正反馈和启发式搜索等特点，是一种解决旅行Agent问题的有效手段，但同时也存在一些缺点，如运算过程中收敛速度慢，易出现停滞现象等。复杂网络理论是一个新兴的理论，它发现现实的网络具有新的特性，为了刻画这一新的网络结构，引入了新的特征度量...
空间机器人每次携带的燃料有限，提高空间机器人的工作效率以及延长其在轨寿命研究具有重要意义，分析了空间机器人多空间站访问问题。为了弥补传统路径规划方法容易陷入局部极小点的问题，提出利用基于蚁群算法的Hopfield神经网络来解决空间机器人多空间站访问问题。仿真实验结果表明，基于蚁群算法的Hopfiled神经网络用于多空间站访问问题，收敛速度要比Hopfield神经网络快，且比Hopfield神经网络...
求解自适应组合优化蚁群算法的研究
自适应 组合优化 信息素
2009/12/28
传统的组合优化蚁群算法在求解过程中要消耗大量的时间，极易陷入局部最优化求解等弊端，同时还会产生大量无用的冗余迭代码，运算效率低。对此，提出了自适应组合优化蚁群算法。通过对改变信息素的迭代、参数选择的分析和增加对信息素局部更新方式，提高了整个系统运算速度及收敛速度，扩充了优化的范围，克服了无用迭代码的产生，减少了停滞现象的出现。通过该算法对旅行商问题进行仿真实验，其结果表明了该算法的可行性和有效性。...
改进蚁群算法求解旅行Agent问题
移动Agent 蚁群算法 迁移策略
2009/12/10
利用蚁群算法来求解TAP问题是解决移动Agent迁移策略的一种有效途径。旅行Agent问题是复杂的组合优化问题，蚁群算法作为一种新的生物进化算法，具有并行、正反馈和启发式搜索等特点，适合求解NP难问题。在蚁群算法的基础上，提出分泌多种信息素的改进蚁群算法来求解旅行Agent问题，动态反应了节点服务能力和网络负载的变化，使迁移更具有灵活性。实验结果表明了该文算法的可行性。
...