导读:本文包含了混合蚁群算法论文开题报告文献综述及选题提纲参考文献，主要关键词:车辆路径问题,冷链物流,节能减排,混合蚁群算法
混合蚁群算法论文文献综述
方文婷,艾时钟,王晴,范君博[1]（2019）在《基于混合蚁群算法的冷链物流配送路径优化研究》一文中研究指出基于绿色物流发展理念,为企业寻求经济与环境达到双赢的局面,本研究将节能减排转化为绿色成本,融入路径优化问题中,建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题,将A*算法与蚁群算法相结合,利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析,验证了模型和算法的有效性。(本文来源于《中国管理科学》期刊2019年11期）
张惠珍,刘云,倪静[2]（2019）在《基于客户满意度的MOVRPFTW的单亲遗传混合蚁群算法》一文中研究指出为解决基于时间窗和食物新鲜度形成的综合客户满意度,且具有最大运输时间限制的带模糊时间窗的多目标车辆路径问题(MOVRPFTW),建立了相应的数学模型。针对蚁群算法早熟收敛的缺陷,将单亲遗传算法和蚁群算法相结合,利用单亲遗传算法的3种遗传算子和区别于传统遗传算法的两种操作手法,构建了多种单亲遗传混合蚁群算法,并进行算例测试。结果表明:与基本蚁群算法相比,单亲遗传混合蚁群算法求出的解的各项目标的平均值更优;同时,单点单亲遗传混合蚁群算法较多点单亲遗传混合算法在求解此问题中的用时更少、计算效率更高,并且移位算子较其他两种算子具有较好的求解性能。(本文来源于《系统管理学报》期刊2019年05期）
李卓,李文霞,巨玉祥,陈晓明,何晓平[3]（2019）在《混合蚁群算法求解带软时间窗的车辆路径问题》一文中研究指出针对车辆路径问题中传统硬时间窗过于刚性的问题,将软时间窗引入模型约束,建立基于总配送费用最小化的优化模型.同时,考虑到蚁群算法在求解该类问题上的不足,提出萤火虫算法与蚁群算法混合来突破原有算法的瓶颈.将萤火虫个体间的寻优过程引入蚁群算法,以指导蚂蚁搜索额外解空间,以此改善每代可行解的多样性,从而在蚂蚁信息素更新过程中进行扰动,提高算法求解质量.数值实验表明,相较于传统蚁群算法,混合算法在求解的精确性与稳健性上具有显着优势,验证了算法的可行性与有效性.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2019年04期）
吴琦,詹宇,于家旋,任昊宇,任振辉[4]（2019）在《基于混合蚁群算法和变论域模糊控制的混肥系统设计》一文中研究指出为使水肥溶液更好满足果树养分需求,设计一个果园水肥一体化混肥系统。系统采用液位传感器、pH值传感器和EC值传感器检测水肥溶液参数,采用逻辑控制调节水、肥量和溶液EC值,通过基于混合蚁群算法的变论域模糊控制调节水肥溶液pH值。系统仿真及运行试验表明,该算法能够实时调节伸缩因子,将水肥溶液的pH值保持在7.0,实现水肥溶液pH值的精准调节,满足果树生长需要。(本文来源于《中国农机化学报》期刊2019年07期）
崔元洋,邢晓红,陈思尧,文凯,秦显辉[5]（2019）在《基于遗传混合蚁群算法的公共自行车调度研究》一文中研究指出为了提高公共自行车的使用效率和用户满意度水平,保证国内公共交通服务的合理运行与发展,根据公共自行车用车峰时和谷时的不同调度目标,建立两时期车辆调度模型。用车谷时以调度车路径最短为优化目标,用车峰时以用户满意度最高为优化目标。融合遗传算法(Genetic Algorithm, GA)和蚁群算法(Ant Colony System, ACS),形成遗传混合蚁群算法(Genetic Hybrid Ant Colony System Algorithm, GA-ACS),并将融合后的算法应用于调度模型中,以提升获得优化的车辆调度方案的求解速度和质量。群智能算法在不同数据集上的性能比较结果表明,与传统蚁群算法相比,遗传混合蚁群算法在求解速度和求解质量上都有更好的表现,在较短的时间内至少可以缩短10%的调度路程,因此该算法模型可以用于解决实际的公共自行车调度问题。(本文来源于《交通运输研究》期刊2019年02期）
李鹤,姜德文[6]（2019）在《基于改进的蚁群算法(ACO)的混合多目标AGV调度》一文中研究指出蚁群算法是一种通过模拟蚁群的寻路行为对现实问题进行优化的现代智能仿生算法;对实现AGV任务作业调度时,行驶路径最短的实际应用需求,研究中将AGV的路径优化模型转化为旅行商问题,分析了多目标AGV优化中出现的冲突问题;实验中,尝试了一种直接通信机制来进行改进传统算法,改进后的方法能够更好地维持种群的持久性,最终对于AGV调度规划起到积极的作用,有效地提高了AGV调度系统的效率。(本文来源于《计算机测量与控制》期刊2019年06期）
谢喜云[7]（2019）在《基于混合蚁群算法的模拟小波优化设计及电路实现》一文中研究指出小波变换因具有多分辨率分析特点而成为分析与处理非平稳信号的理想工具,被广泛应用于信号处理领域。传统小波变换采用数字方法实现,但其存在运算量大而难以满足实时性要求,同时需要A/D转换,造成功耗高和体积大等缺点,为满足低功耗、低电压和实时性等应用要求需要,研究模拟电路实现小波变换具有十分重要的意义。本文主要研究基于混合蚁群算法的模拟小波实现。其首要任务是对小波函数进行有理函数逼近。针对已有的一些小波逼近方法逼近误差大,系统稳定性不够理想等问题,提出一种基于混合蚁群优化算法的小波逼近方法。首先,利用最小均方误差准则,对小波逼近过程进行具有约束的数学建模。其次,对于构造的优化模型,采用混合蚁群算法求解。仿真实验结果表明,所提出的基于混合蚁群的小波逼近方法逼近效果更好,更具优越性。针对小波变换的模拟电路实现,提出了一种基于运算跨导放大器(OTA)和多端输出的电流控制第二代电流传输器(MOCCCⅡ)的电流模电路实现模拟小波的方法。以高斯小波为例,给出了具体的实现过程和电路结构,包含4个OTA和1个MOCCCⅡ。理论分析和仿真结果表明,用该类电流模电路实现连续小波变换的的方法可行,与同类电流相比,该电路的设计和结构都比较简单,电路中的无源元件全部接地,易于集成,适用于实际应用要求的需要。(本文来源于《湖南理工学院》期刊2019-06-03）
王海,李雪芹,孙玲玲[8]（2019）在《基于改进混合蚁群算法的物流配送路径优化研究》一文中研究指出随着社会经济的不断发展,国家之间综合国力的较量,以及企业之间竞争力的较量,逐渐成为时代发展下的必然趋势,而在大到国家之间小到企业之间的较量,都与物流行业的发展,物流水平的高低有着直接得密切地联系。现代物流企业的营运发展不仅仅是应召了时代发展下的需求,同时也是维系着人们日常生活的有效进展以及相关企业的经营活动的正常开展。如何有效提高物流水平,优化物流配送路径,找出更加利于企业经营发展的道路成为了更多企业所需要思考的问题,故,本文主要就基于改进混合蚁群算法的物流配送路径进行优化性研究。(本文来源于《今日财富》期刊2019年10期）
周頔[9]（2018）在《基于多种群多策略的混合遗传-蚁群算法及应用研究》一文中研究指出为了充分利用蚁群算法的并行、正反馈机制、高效求解和遗传算法的随机、快速以及全局收敛等优点,在分析遗传算法的选择、交叉、变异等策略和蚁群算法的寻优策略基础上,基于多种群和多策略,提出一种带有参数自适应调整的混合遗传-蚁群(HPSGAO)算法。在HPSGAO算法的每次循环中,遗传算法获得最优解用于初始化蚁群算法的信息素分配,以实现遗传策略和蚁群策略的有效结合,动态平衡HPSGAO算法的收索范围与收敛速度间的矛盾,进而提高HPSGAO算法的全局择优能力。为了验证提出混合遗传-蚁群算法的优化性能,选择10个TSP问题进行测试,仿真实验结果表明,在多次循环后,HPSGAO算法具有遗传算法和蚁群算法的优势互补,以及较好的求解效率。(本文来源于《计算机与数字工程》期刊2018年12期）
周丽娟[10]（2018）在《混合自适应动态规划和蚁群算法的agent路径规划》一文中研究指出针对agent路径规划算法收敛速度慢和规划效率低的缺点,提出了一种基于自适应动态规划和蚁群算法的agent路径规划算法.首先,利用agent获取的各距离传感器和目标传感器数据来获得系统状态的输入和输出;然后,提出了一种基于蚁群算法的路径各位置信息素更新方法,并用算法收敛后的信息素来初始化值函数;基于初始化的值函数,提出采用自适应的动态规划算法即Q学习算法来更新值函数,实现状态到动作的最优策略.最后,对基于自适应动态规划算法和蚁群算法的agent路径规划算法分别进行了定义和描述.在MATLAB环境下对所提的方法进行了仿真实验,实验结果表明:在固定障碍物和随机障碍物分布两种情况下所提方法均能收敛,而且分别仅需18个和25个时间步就能达到目标,较其它方法具有更高的收敛精度.(本文来源于《中北大学学报(自然科学版)》期刊2018年06期）
混合蚁群算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决基于时间窗和食物新鲜度形成的综合客户满意度,且具有最大运输时间限制的带模糊时间窗的多目标车辆路径问题(MOVRPFTW),建立了相应的数学模型。针对蚁群算法早熟收敛的缺陷,将单亲遗传算法和蚁群算法相结合,利用单亲遗传算法的3种遗传算子和区别于传统遗传算法的两种操作手法,构建了多种单亲遗传混合蚁群算法,并进行算例测试。结果表明:与基本蚁群算法相比,单亲遗传混合蚁群算法求出的解的各项目标的平均值更优;同时,单点单亲遗传混合蚁群算法较多点单亲遗传混合算法在求解此问题中的用时更少、计算效率更高,并且移位算子较其他两种算子具有较好的求解性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
混合蚁群算法论文参考文献
[1].方文婷,艾时钟,王晴,范君博.基于混合蚁群算法的冷链物流配送路径优化研究[J].中国管理科学.2019
[2].张惠珍,刘云,倪静.基于客户满意度的MOVRPFTW的单亲遗传混合蚁群算法[J].系统管理学报.2019
[3].李卓,李文霞,巨玉祥,陈晓明,何晓平.混合蚁群算法求解带软时间窗的车辆路径问题[J].武汉理工大学学报(交通科学与工程版).2019
[4].吴琦,詹宇,于家旋,任昊宇,任振辉.基于混合蚁群算法和变论域模糊控制的混肥系统设计[J].中国农机化学报.2019
[5].崔元洋,邢晓红,陈思尧,文凯,秦显辉.基于遗传混合蚁群算法的公共自行车调度研究[J].交通运输研究.2019
[6].李鹤,姜德文.基于改进的蚁群算法(ACO)的混合多目标AGV调度[J].计算机测量与控制.2019
[7].谢喜云.基于混合蚁群算法的模拟小波优化设计及电路实现[D].湖南理工学院.2019
[8].王海,李雪芹,孙玲玲.基于改进混合蚁群算法的物流配送路径优化研究[J].今日财富.2019
[9].周頔.基于多种群多策略的混合遗传-蚁群算法及应用研究[J].计算机与数字工程.2018
[10].周丽娟.混合自适应动态规划和蚁群算法的agent路径规划[J].中北大学学报(自然科学版).2018