数字化城市交通向导仿真的蚁群优化算法

以求解旅行商问题的蚁群算法为基础,充分考虑交通向导最佳路径的具体要求,对算法的选择机制、更新机制以及协调机制作进一步改进,引入自适应的转移策略,并融入节约法,以克服基本蚁群算法计算时间长、易出现停滞等缺陷。以湖北荆门地区车辆选择路径为研究对象,采用蚁群优化算法建立了车辆最佳路径的模型,并对其进行了仿真分析。仿真实验结果表明,优化算法比基本蚁群算法的路径更优,寻路时间更短。     

蚁群算法的军事物流配送路径优化

在对一般VRP问题分析的基础上,建立了军事物流配送路径优化问题的数学模型,运用蚁群算法进行了仿真实验,实验结果表明,蚁群算法可以快速有效地解决军事物流配送的路径优化问题。     

基于蚁群算法的固体火箭发动机总体参数优化

为建立一种支持连续域、离散域混合变量的优化算法以用于固体火箭发动机总体参数优化,改进了基本蚁群算法,融入"网格划分"、"哑元化"和"变尺度局部搜索"三种策略,以改进算法的寻优性能和使用范围,其中局部搜索算法仍采用蚁群算法。使用了几个较具欺骗性的经典测试函数对改进蚁群算法进行了测试,计算结果表明改进蚁群算法找到全局最优值的概率较大。应用改进蚁群算法对固体火箭发动机总体设计中的两个重要总体参数——燃烧室工作压强和喷管面积比,进行了优化求解,获得了满意结果。诸算例的优化结果表明,该改进蚁群算法具有支持混合变量,全局寻优性能稳定和搜索精度高的优点,对工程优化设计问题具有较好的寻优性能和更强的适用性。     

多投递下带时间窗的卡车与无人机协同配送问题

无人机因其碳排放少、灵活性高、成本低等优势被越来越多地用于物流配送。考虑到无人机单投递情况下负载利用不足和卡车在客户点等待客户时间窗开启过程的时间损失,针对带时间窗的卡车与无人机协同配送问题进行优化,提出一种多投递下带时间窗的卡车与无人机协同配送(VRPDTW-MD)问题。提出了基于VRPDTW-MD特点的遗传算法对其求解,算法中,设计了多种交汇节点变异算子、交汇节点修复算子和服务节点交叉算子,用于调整卡车与无人机相互之间的交会点以及访问点。通过不同类型与规模算例求解验证了问题和算法的有效性,分析了不同卡车与无人机协同配送模式对运营成本的影响,为“卡车+无人机”模式的配送路径规划提供决策依据。     

基于改进蚁群算法的无人机侦察航路规划研究

蚁群算法是一种新的源于大自然生物界的仿生随机优化方法,在一系列组合优化问题求解中取得了成效。本文将蚁群算法引入无人机侦察航路的规划,对基本蚁群算法提出了改进,提供了一种新的有效的航路优化算法,并对无人机的侦察航路进行了仿真计算。仿真结果表明改进的蚁群算法克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,仿真结果验证了该算法的有效性。     

基于HTGVNS算法的卡车与无人机协同配送方法

在现代物流中,针对最后一公里配送中的成本高昂、耗时长、道路不易通行等难题,首次引入卡车与无人机协同配送模式,并以总配送时间最小化为目标,建立混合整数规划模型(MIP)。提出一种新的混合禁忌可变邻域搜索算法(HTGVNS)进行求解。算法利用旅行商问题(TSP)求解器和系统性邻域变化的探索能力求解卡车路径,将客户分配给无人机形成聚类,再使用禁忌搜索过程来优化无人机路径。通过求解不同规模算例验证了所建模型的可行性和算法的有效性。结果表明卡车与无人机协同配送模式能有效地减少配送时间,提高配送效率。     

基于蚁群算法的壁板钻铆顺序多目标优化

针对自动钻铆过程中,钻铆顺序规划存在不足的问题,结合蚁群算法,提出一种生成优化钻铆顺序的新方法。以钻铆效率和钻铆精度为目标函数建立钻铆顺序多目标优化模型,构造蚁群算法的计算要素,进而应用蚁群算法进行求解,并引入Pareto最优解,得到优化的钻铆顺序。通过对某型双曲率壁板进行仿真的结果表明,该方法能有效解决钻铆顺序的优化问题。     

航空项目资源均衡优化问题的蚁群-模拟退火算法

为有效提高复杂航空项目资源利用率、节约项目成本,提出了一种求解大规模网络计划资源均衡优化问题的蚁群-模拟退火算法。该方法中,首先采用预处理方法对航空项目分级网络计划实施合并,并结合资源指数与搭接网络关系定义建立了资源优化目标函数。然后,探讨了以网络计划为基础的蚁群-模拟退火算法解空间构建方法,给出了算法的状态转移规则、信息素更新规则,提出了增加搜索效率的模拟退火局部搜索策略,并建立了详细的资源均衡优化方案求解步骤。最后,采用典型实例验证了方法的有效性。     

基于改进蚁群算法的无人机三维航路规划

针对蚁群算法存在收敛速度慢,容易陷入局部最优而导致三维航路规划过程中出现规划时间过长、航路没有达到最优等问题,通过对蚁群算法进行改进,提出了一种天牛须融合改进蚁群的无人机航路规划优化算法,算法通过对蚁群算法的启发函数优化并进行蚁群择优排序,然后融合天牛须算法进行航路规划;将优化算法应用于无人机的三维航路规划中,使规划算法的运行速度更快,无人机的最优航路更短。同时用改进算法与天牛须、蚁群算法的收敛时间、最优路径长度进行对比。仿真实验结果表明,改进算法与另外两种算法相比,在算法收敛度、运行速度方面有明显的提升。     

基于改进蚁群算法的结构形状优化

 对TACO算法进行了改进，引入最大最小蚁群算法，并提出正实数编码方法和添加常数项的信息素更新技术，以增大算法搜索范围，简化搜索过程，降低挥发系数、信息素上下限等参数和优化函数值对算法的影响程度，改善算法的性能，提高算法的普遍适应性，并通过3个函数的优化求解，证明了其有效性。对于目标函数为隐式的复杂结构优化问题，提出将改进的蚁群算法与有限元方法相结合的方法，发展用于航空发动机涡轮盘的结构形状优化分析，结果表明所提出的方法是成功的。     

基于云蚁群算法的高效节能氩弧焊工艺参数优化研究

为在氩弧焊加工过程中提升效率的同时降低能耗,研究了一种氩弧焊高效节能工艺参数的多目标优化模型及算法。首先确定了以焊接速度及焊接电流为优化变量,在综合考虑焊接设备、工件特性、操作方法及焊接质量等约束的前提下,建立了以最小电能消耗以及最短加工时长为优化目标的多目标工艺参数优化模型;提出一种基于云模型的蚁群算法(CBACO)以对所构建的优化模型进行求解,其中包含一种适当的编码方式、一种局部与全局相结合的探索策略、一种基于云模型的变异因子、传统的单点交叉因子、单形交叉因子以及适当的选择策略;通过一个针对某航空器油箱的焊接实例,对所提出的优化模型及算法的实用性进行了验证,结果表明优化参数可在保证加工质量的前提下有效地节省时间60.41%~69.05%,节省电能34.88%~46.30%。     

敏捷成像卫星多星密集任务调度方法

 面向应急观测需求,对敏捷成像卫星多星密集点目标观测任务调度问题进行研究。针对敏捷成像卫星观测特点,综合考虑卫星可观测时间窗口、任务间卫星姿态调整时间、卫星最长连续工作时间、星上存储容量、卫星能量等约束,建立多星任务调度模型。提出了一种改进的蚁群优化(ACO)算法对调度模型进行求解。该算法借鉴了蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想,结合调度相关约束设计寻优策略和信息素更新策略。引入任务优先级、最早及最晚可观测时间等因素来控制转移概率。仿真结果验证了模型和算法的有效性。     

多仓库下物流无人机协同配送方法

无人机以其快捷、低成本优势,在物流配送中可以实现高效的包裹配送,但也存在着运行时间短、载重不足等缺点。针对当前配送建模考虑因素不够全面的问题,构建了基于能耗变化、混合时间窗和同时取送货的多仓库物流无人机配送模型,以实现配送经济成本最低。与经典的多基地车辆路径问题相比,文中研究的问题没有限制无人机出发和返回的仓库,旨在最大限度地减少无人机的数量和所有无人机行驶的总距离。为进一步优化物流无人机配送成本,针对遗传算法(GeneticAlgorithm,GA)寻优能力较差的问题,引入大规模领域搜索算法(LargeNeighbor-hoodSearchAlgorithm,LNS)作为局部搜索算子,进而提出基于改进 GA(ImprovedGA,IGA)的物流无人机协同配送算法。经仿真测试以及 Solomn标准数据验证,该算法较传统 GA在降低配送成本方面成效明显。     

蚁群算法的改进设计及在航迹规划中的应用

将蚁群算法与人工势场算法相结合，提出了一种新的寻优算法。在算法的设计过程中，首先引入人工势场法进行蚁群算法初始信息素的分配，避免了在迭代初始阶段，信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上，从而陷入局部最优的问题。其次，通过引入势场引导函数改进蚁群算法的状态转移函数，避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素，从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解，并通过仿真验证了有效性。     

基于MDP-GERT的航空装备维修保障流程优化研究

针对航空装备维修保障中存在的维修保障能力难以满足保障需求的问题,结合马尔科夫决策过程与图示评审技术,提出了一种新的航空装备维修保障流程优化模型。首先在GERT网络中嵌入决策节点,以总维修时间为目标函数,构建了航空装备维修保障流程MDP-GERT网络模型；然后利用策略迭代法和蒙特卡罗仿真技术,给出了模型的求解方法；最后,结合案例得到多机充氮流程的优化工序和预计时间,验证了模型和算法的可行性和有效性。结果表明:利用该模型对保障流程进行优化,能够有效地为缩短维修保障时间提供决策支持,提高维修保障效率。     

基于蚁群改进 BP算法的组合预测模型在军械器材需求预测中的应用

针对在军械器材采购计划制定环节中的器材需求测算问题,提出基于蚁群改进BP算法的组合预测模型。先结合历史数据,利用多元线性回归预测法和自回归滑动平均模型（ARMA）进行初步预测,将初步预测的结果作为蚁群改进BP网络的输入,从而得到最终的预测结果。实验结果表明,基于蚁群改进BP算法的组合预测模型能够对积累的历史数据进行充分的应用,并且有较高的预测准确性。