暂无评论
蚁群算法是一种新型的随机优化算法，能有效地解决QoS受限的多播路由问题。基于蚂蚁具有找到蚁巢与食物之间的最短路径原理工作，并在分析多约束QoS的多播路由的基础上，提出了一种具有全局优化能力的多播路由算
不确定条件下的优化问题更贴近真实世界环境，因而日益受到广泛关注。综述了蚁群优化在求解一组不确定条件下的组合优化问题，即随机组合优化问题方面的应用。首先介绍了不确定条件下组合优化问题的概念分类模型，给出
线缆布线是复杂机电产品设计中的普遍性难题。针对线缆布局设计中存在的效率低、可靠性差等问题，提出了一种基于改进蚁群算法的线缆路径规划方法。采用分段式空间划分方法对待布线空间进行环境建模，同时对布线空间进
在二维静态环境下的机器人路径规划中，采用基本蚁群算法寻优存在搜索时间较长、效率较低、容易陷入局部最优等问题。针对这些问题对基本蚁群算法进行改进，改进的蚁群算法使用不同的期望值机制，采用挥发系数自适应方
可满足问题（SAT）是一个NP-hard问题，将SAT问题转换为无约束的离散优化（最小值）问题。并根据MDorigo提出的蚁群算法，给出了一种求解SAT问题的新方法：改进的最大最小蚁群系统（MMAS-
改进蚁群算法和Flod算法，对路径进行双向平滑度优化，提升路径平滑度。算法支持自定义起始点和目标点，并可更换地图。
针对传统人工蜂群算法局部搜索的低效性，提出了双重进化人工蜂群算法。在需要两点进行操作的搜索过程中，采用一点随机选取，另一点通过遍历可行解，以其中最优解确定位置的半随机式搜索策略。用该策略改进插入点算子
栅格环境下蚁群算法规划出的移动机器人路径存在运行慢、路径弯多、转折次数多、局部最优等问题。为获得较优路径，提出了惯性蚁群算法。在传统蚁群算法规划的路径上，采用惯性优化原理，对每一个节点进行遍历，当两个
提出了路径相似度的概念,并根据较优可行解与最优解的相似度,来进行路径选择和信息素更新,以求能更快加速收敛和防止早熟、停滞现象。该算法根据截之间的相似度,自适应地调整路径选择策略和信息量更新策略。基于旅
利用蚁群算法的基本原理，将多维有约束的优化问题通过罚惩因子方式转换为统一的多变量目标函数形式，并将所有独立变量分成不同的等份区域，以蚂蚁走过每一变量的一个区域并访问完所有变量所构成的构造图作为优化问题
暂无评论