论文研究多集散点车辆路径问题及其蚁群算法研究.pdf

基于排序优化选择的蚁群算法研究，张心蕾，庄卫华，蚁群算法（ACA）是一种模拟昆虫王国中蚂蚁群体智能行为的仿生优化算法。标准蚁群算法搜索时间长、易陷于局部最优解是其最为突出的

通过对蚂蚁信息激素释放、路径转移的重新定义，并将图像空间的模糊连接关系引入蚂蚁的觅食过程中，进而转换为蚂蚁搜寻食物的准则，实现了医学影像图像的分割，并进一步分析了算法实现中相关影响因素参数选择的问题。

提出了一种在MIMD分布式存储环境下求解块三对角线性方程组的并行算法。基于Galerkin原理适当取基构造算法，使整个计算过程只在相邻处理机间通信两次，并给出了系数矩阵为对称正定矩阵时算法收敛的条件。

变尺度混沌蚁群优化算法，陈烨，，本文将变尺度混沌搜索算法融合到蚁群算法中，并用于求解连续空间优化问题。蚁群算法每一次迭代结束时，就使用混沌搜索算子在当前

针对蚁群算法存在的搜索时间长、易限于局部最优解等缺陷，提出了一种改进的蚁群算法。通过在初始化信息素矩阵中采用候选城市列表减少劣质解，在局部搜索中采用聚类进行二次搜索，缩小了算法的搜索范围、改善了解空间

蚁群算法（ACS）是一种新型的分布式模拟进化算法，它有较强的解搜索能力、很好的适应性和鲁棒性等，但如果算法中各参数选择不当，则会使算法的运行时间变长，或者陷于局部最优，达到停滞状态。恰当的参数选择，可

讨论了一类广义时变时滞递归神经网络的平衡点的存在性、唯一性和全局指数稳定性。这个神经网络模型包括时滞Hopfield神经网络，时滞Cellular神经网络，时滞Cohen-Grossberg神经网络作

为了解决蚁群算法在求解连续函数优化问题时，存在局部搜索能力较差的缺陷，提出一种新颖的自适应蜂群—蚁群优化算法。新算法在蚁群优化算法的基础上，设计了一种参数q的自适应机制，进而减少了参数个数，提高了其鲁

针对化学反应优化对反馈信息利用不足导致后期求解效率低的问题，提出化学反应蚁群优化算法。该算法利用化学反应优化生成较优解，通过信息素转换策略将较优解转换为蚁群算法的初始信息素，最后由蚁群算法累积更新信息

matlab源码，通过蚁群算法实现路径点规划，能够调参并很好的画图输出结果。