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。     

基于混合遗传算法的中国旅行商问题满意解

针对组合优化中的旅行商问题 ,提出了贪心法与遗传算法相结合的混合遗传算法。文中给出了相应步骤并就中国旅行商问题得出满意解 ,该解优于已报道的结果。     

点阵结构部件的增材制造路径连接方法

旨在提高点阵结构部件增材制造的加工效率。点阵结构经分层切片后,每层将产生大量待填充多边形,通过将这些多边形抽象为离散点,并在切片层面内求解旅行商问题,进行连接路径的规划,进而获得高效率的点阵模型填充路径。算法综合考虑到旅行商问题的计算效率以及连接路径的计算总长:采用蚁群算法可获得无交叉连接轨迹,计算2000个点的连接规划耗时小于3.5s,对照国际先进算法仅增加0.2%的路径总长;当部分抽象点距离过远,则采用距离聚类的方式将抽象点集分割为子集,再分别进行路径规划。仿真及试验验证结果表明,该方法可以获得高效的无交叉连接路径,有效降低连接路径总长及加工时间:总打印时间减少17.52%,总连接长度减少17.38%,满足实际增材制造需求。     

基于自适应连续蚁群算法的卫星星座设计(英文)

蚁群算法是一种解决多变量问题的新型启发式仿生算法。本文分析了卫星对地面的覆盖条件,提出用——/(n 1)重覆盖率来评价星座的覆盖性能,建立了以覆盖性能为目标函数的卫星星座参数优化模型。采用蚁群算法对卫星星座参数进行优化,为星座优化问题提供了一种新方法。在连续蚁群算法的基础上对算法进行改进,提出蚂蚁种群数量的自适应准则,有效的提高了搜索范围与收敛速度。通过仿真表明,与其他方法相比,蚁群算法在星座参数优化有着明显的效率。     

求解旅行商问题的改进育种算法

介绍了基本育种算法,提出了求解旅行商问题的育种算法,给出了4种变异策略,算法的测试表明,策略D是一种简单有效的算法.在分析基本育种算法特征基础上,提出了改进育种算法,对CTSP问题进行了仿真实验,仿真研究表明,改进后的育种算法具有优良的性能.     

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。     

基于蚁群算法的无人机协同多任务分配

采用蚁群算法对无人机协同多任务分配问题(CMTAP)进行研究。在通用CMTAP模型的基础上,综合考虑包括动态任务时间约束和无人机任务能力的差别多类复杂约束条件,建立扩展的协同多任务分配模型。在多子群蚁群算法的基础上,提出了基于分工机制的蚁群算法对CMTAP进行求解。根据协同多任务分配的特点,设计了基于任务能力评估的问题解构造策略和基于任务代价的状态转移规则,提高了算法的性能。仿真实验结果表明该方法能有效地解决无人机协同多任务分配问题。     

集合划分问题的蚁群算法

集合划分问题是一个典型的NP完全问题,建立了集合划分问题的优化数学模型,采用蚁群算法解决了此问题.对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则.与贪心法作了比较,结果表明该方法比较有效.     

基于改进蚁群算法的飞机低空突防航路规划

蚁群算法是一种新型的基于群体的仿生算法。采用蚁群算法实现了飞机低空突防的航路规划,为航路规划问题提供了新的解决思路。并对原始蚁群算法进行了改进,提出了保留最优解、自适应选择策略和自适应信息素调整准则,有效地提高了算法的收敛速度和解的性能。最后用计算机进行了仿真,取得了较好的结果。     

基于蚁群算法的多路径QoS路由算法研究

针对现代网络通信量不断地增大以及蚁群算法在解决路由问题时存在的一些不足提出了基于改进蚁群算法的路由优化算法。该算法将蚁群系统的特点和流量工程的思想相结合对基本的蚁群算法进行了3方面的改进：将路由器的缓冲队列的利用率加入下一结点选择的标准;采用链路的利用率做为全局更新信息素;选择多条路径来进行数据传输。仿真实验结果表明该算法可以实现网络负载均衡,降低拥塞发生的可能性,提高了网络资源的利用率。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

20世纪初年沈阳市近代私营工业的产生发展

沈阳市近代私营工业产生于20世纪初年,至“九一八”事变前夕初具规模。通过对历史文献资料的整理和分析,对私营工业的主要行业结构、发展规模及特点作了较为全面的阐述,指出私营工业在中国半殖民地化逐步加深的历史背景下,在外国资本和本国官僚资本的夹缝中艰难发展,不可能形成独立的工业体系,必然走上畸形的殖民地经济道路。     

一种新的蚁群算法及其在飞行器设计中的应用

尝试将蚁群算法引入飞行器优化设计领域,为此建立了适用于高维、多目标、多约束优化问题的连续空间蚁群算法,并以高超声速飞行器气动布局的多目标优化设计为例进行了验证.优化设计结果与采用遗传算法得到的优化结果进行了对比,指出了蚁群算法的优点.该研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.      

基于蚁群算法的高超声速飞行器气动布局优化设计

针对目前飞行器优化设计领域遗传算法计算量大、效率低的情况,提出了基于连续空间蚁群算法的高超声速飞行器气动布局优化设计方法.蚁群算法是近年来发展的一种全新仿生算法,具有全局性和高效性等特点,已经成功地应用于离散空间的优化设计.采用连续空间蚁群算法,对高超声速飞行器进行了多变量、多约束下的气动布局优化设计,并与采用遗传算法和约束可变多面体法的优化结果进行了对比,指出了蚁群算法的优点.本文的研究可为蚁群算法应用于复杂、高维的大规模飞行器设计问题提供参考.     

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。     

CARDC 激波风洞 TSP 技术研究进展

从基本原理、关键技术和验证应用三个方面总结了近两年在中国空气动力研究与发展中心激波风洞中开展的温敏涂层(TSP)技术相关研究工作。通过解决快速响应温敏发光材料研制、模型研制、数据处理等一系列关键技术,完成图像采集系统、光学系统及标定系统的配套和系统集成,建立了一套适于激波风洞试验的高速 TSP 测量及标定系统。该技术可在激波风洞试验中获取模型被测面温敏涂层的发光图像,基于该图像可以直接观察模型表面热流分布和捕捉峰值热流的准确位置。结合温敏发光材料的物性参数标定数据,能够实现对模型表面热流的定量测量。不同于传统的传感器点热流测量技术只能得到模型表面有限数量的离散点的热流值,TSP 技术能够以高空间分辨率得到较大面积区域的详细热流分布信息,可更加全面的测量模型外表面的热环境,并且可以据此进一步分析和辨别边界层流态以及确定边界层转捩位置。试验对比表明,TSP 技术的测量结果与点热流传感器的测量结果具有良好的一致性。目前该技术已趋于成熟,在Φ2 m 和Φ0.6 m 激波风洞上成功应用于边界层转捩研究、局部干扰区热环境研究和复杂外形飞行器热环境研究等领域,已成为激波风洞除点测热技术之外又一重要测热技术。     

基于人工蜂群算法的航空电子系统负载均衡研究

针对航空电子系统中存在的任务请求多、资源利用率低、负载不均衡等问题,通过基于人工蜂群算法,设计并实现航空电子系统负载平衡机制.建立航空电子系统负载均衡数学模型,通过研究人工蜂群算法的四个阶段来求解航空电子系统的负载均衡,将待分配的计算任务指派给当前负载最轻的处理器.实验结果表明该算法负载均衡效果好.     

基于改进人工蜂群算法的多值属性系统故障诊断策略

针对实际工程应用中常见的多值属性系统故障诊断策略问题,在传统人工蜂群算法(Artificial Bee ColonyAlgorithm,简称 ABC算法)的基础上,提出改进蜂群算法用于多值属性系统的测试序列寻优。首先,在蜂群算法中重新定义多值 D矩阵和五元组的含义;其次,引入方向信息概率矩阵,设置状态转移规则和矩阵元素更新策略;最后,采用导弹舵系统实例说明算法的实现过程和有效性。最终测试序列寻优结果表明:与传统的多值 Rollout算法相比,文中所提算法能得到较好的诊断策略结果,具有一定的应用价值。