简介：蚂蚁大军的智慧幻想；“社会”与“军队”；齐心协力，内外有别；人蚁大战，由来已久；谁拟“军规”立蚁国

简介：TSP是一个经典的组合优化问题,已被证明。它还是经典的NP完全难题,该问题已被广泛用于物流系统中车辆选路等方面。近年来,学者们基于生物理论提出了许多解决此类问题的方法,其中就包括蚁群算法。通过描述TSP问题,并在此基础上探讨运用蚁群算法求解TSP问题。

简介：蚁群优化算法是一种新型的模拟进化优化算法，为求解复杂的组合优化问题提供了一种新的思路。文章对蚁群优化算法理论及其收敛性进行了分析．并从选择策略、信息素更新、信息素浓度的变异等多方面对蚁群优化算法提出了改进，不仅使其跳出局部最优解的能力更强，而且能较快地收敛狲全局最优解，在TSP问题上的应用表明改进算法具有良好的性能。

简介：摘 要：本文提出了一种在蚁群搜索路径过程中,通过建立α(信息素启发式因子), β(期望启发式因子)的互锁关系,动态自适应调整α、β的改进蚁群算法;并进行静态已知环境建模,通过仿真实验,验证了该方法的可行性和有效性,同时将其应用到TSP问题,并取得了较好实验效果.

简介：研究在VLSI布线中采用蚁群算法的优劣性。先介绍用蚁群算法实现阶梯叉树走线．再通过Matlab编程对蚁群算法和迷宫算法分别实现曼哈顿走线进行比较，结果表明，蚁群算法在VLSI布线中的适用性不受布线结构的限制，而且在得出最优解方面比迷宫算法具有优势，只是受计算速度的限制。一般来说，只要能够给出布线的具体要求，蚁群算法都可以合理地应用于VLSI布线中。

简介：合理配置车间作业调度中的各种资源可提高生产设备利用率与生产效率,降低生产成本。本文提出了一种求解混流装配线作业调度的蚁群算法,从信息素更新、状态转移概率论证该算法。通过计算目标函数与目标追随法、遗传算法、模拟退火算法比较,结果证明该算法对作业调度能够起到优化作用。

简介：为了解决蚁群算法收敛速度慢和易陷入局部最优的问题，提高算法在连续空间中的寻优能力．本文提出了一种基于有向搜索的智能蚁群优化算法。该算法使转移概率较大的蚂蚁个体在解空间中进行局部有向变步长搜索，有效地避免了算法陷入局部最优，缩短了搜索时间，在寻优精确度取得了很好的效果。通过仿真验证了算法的有效性

简介：介绍了蚁群算法的原理及蚁群算法在多段图中的应用,给出了实现程序,并进行了性能分析。

简介：蚁群算法是近年来新出现的一种随机搜索寻优算法，该算法为求解复杂的组合优化问题提供了一种新思路，引起了众多学者的研究兴趣。通过在函数优化问题中的应用，说明该算法能有效地避免陷入局部最优，指出了蚁群算法在优化问题中的应用前景。

简介：蚁群算法是受现实蚂蚁群体行为启发而得出的一类仿生算法。从蚁群算法与实际交通问题的求解有很强直接对应特性出发,对蚁群算法在交通领域的应用进行全面综述。蚁群算法也可应用于交通过程建模、交通过程优化及导航、交通运输规划等交通领域。

简介：提出了一种基于改进蚁群算法的动态K-均值聚类算法思想,该算法首先利用蚁群算法的较强处理局部极值的能力,动态地确定了聚类数目和中心,然后利用蚁群聚类得到的结果,再进行K-均值聚类弥补蚁群算法的不足。两者有机结合起来可以寻求到具有全局分布特性的最优聚类,实现了基于改进的蚁群聚类算法分析。

简介：根据SAT问题的特点,通过分析传统蚁群算法和遗传算法在求解SAT问题上的不足,提出一种基于混合蚁群遗传算法的SAT问题求解方法。给出一种新的初始解的生成方式;在迭代过程中,根据较优解的累积信息提出进化算子;利用当前得到的最优解,通过改变不满足子句中文字的取值,增加变异算子。最后选取标准测试集中的20个实例对算法进行测试,实验结果表明：改进后的算法通常仅通过较少次数的迭代就能找到解,能够有效避免蚁群算法和遗传算法过早收敛的缺点,具有较强的寻优能力。

简介：高校排课问题是一个有约束、多目标的组合优化问题。本文对蚁群算法、排课相关问题进行了阐述,并利用二部图结构构造了排课数学模型,提出了基于蚁群算法的排课方法。实验结果表明：蚁群算法的排课结果比现用的教务排课系统排课结果更具合理性。

简介：针对传统蚁群算法在解决机器人路径规划问题中存在收敛精度不高的情况,提出一种改进蚁群优化算法。该算法用栅格法对机器人运行环境建立地图模型,利用蚁群算法寻找移动路线,然后采用模拟退火算法,加入回火机制对搜索到的解进行处理,防止陷入局部最优,提高蚁群算法全局搜索能力。在MATLAB软件上的仿真结果表明,相对传统的蚁群算法,改进的蚁群算法在机器人路径规划中能获得更优的路径。

简介：蚁群算法是近十几年迅速发展起来的一种优化算法,能很好地解决静态及动态组合的优化问题,而WSN（无线传感器网络）是近几年涌现出来的新技术,其中的节点定位技术是有待突破的关键技术之一。基于移动信标节点定位的三边测量法基础上,引入蚁群算法来建立信标移动最佳路径的算法,得到了优化后的算法模型,并进行了仿真试验。结果表明：经过蚁群算法优化后,能减少发射信标的数量,得到最优移动路径,使节点定位精度达到10%。

简介：摘要随着当前社会经济和城市建设的飞速发展，高层建筑已成为现代城市的标志。电梯是高层建筑不可或缺的垂直交通工具，为提高大楼的输送效率以及人们工作、生活的效率，电梯群控技术越来越被广泛应用。目前人工智能控制已广泛应用到电梯群控中，包括蚁群算法、模糊控制、神经网络、遗传算法等。其中，蚁群算法是电梯群控领域的一种主流算法，其依据自然界的蚂蚁觅食时寻找路径的方式进行模拟而得出的一种仿生算法。蚁群算法系统是正反馈机制，其算法具有较强的鲁棒性，对离散组合优化问题的求解具有突出的优势。本文分析了基于蚁群控制算法的电梯调度策略及节能。

简介：在现有蚁群算法的基础上,加入公式改进、半径递增、短期记忆、空间分割等策略,同时采用一种距离测度函数将数值特征与类属特征相结合,实现了混合属性数据的聚类.仿真实验表明,新算法能加快聚类速度,得到较好的聚类结果。

简介：摘要：由于现有的布线优化方法多层布线交叉点个数多，线网复杂程度高，为此研究基于蚁群算法的高层居民建筑布线优化方法。在高层建筑的布线中，对三维布线空间的障碍物进行统计，建立建筑布线路径模拟模型。对布线区域坐标网格划分。运用线段搜索的方式来生成访问节点范围，建立一个10m×10m的布线平面，其中含有一定的障碍图形。通过几何图形的转换获得坐标点位置。运用蚁群算法对范围进行访问路径搜索，运用曼哈顿方式走线，将有效访问节点集中的目标点四周的点进行连接。加入引力作用提升蚂蚁去往下一个访问节点的概率，获得访问节点之间的最短距离。当迭代结束后，搜索得到迭代的最优路径，对路径进行信息素更新。将结果与起始终止节点进行连接从而完成优化建筑布线。实验结果表明，小组1的布线交叉点个数为0，线网复杂程度较低，实现了建筑布线优化方法的高效应用。

简介：随着网络技术的高速发展，新型的多媒体业务应运而生，对网络服务质量（QoS）的要求也更高，如何解决多个约束QoS路由问题，成为新关注的热点，在解决这一问题时，路由算法的选择又是其中的一个核心问题，并且带宽、延时、访问花费是决定选择路径的关键因素．论文针对这一状况构建了带有QoS参数的网络模型。并用基于蚁群算法的邻域分区优化算法对QoS单播路由选择进行仿真实验，该方法改善了蚁群算法在求解大规模网络路由选择的算法复杂度和搜索最优路径的时间．

简介：文章通过对蚁群算法的基本原理和工作机制的介绍，蛋白质结构折叠问题的重要性分析，蚁群算法如何运用在蛋白质折叠问题中三个方面阐述蚁群算法的功效。从而进一步探讨蚁群算法作为一种优化算法的实际应用。