摘要：针对将蚁群算法应用于任务规划调度问题求解时存在的计算时间长、易出现停滞等缺陷,提出一种具有自适应功能的蚁群算法.通过设计一种路径选择机制来提高蚁群路径的多样性;以蚁群目标值作为路径信息素变化的依据,设计一个动态因子更新路径信息素;使用变异蚂蚁以一个动态比率替换策略更新蚁群.实例仿真结果表明,文中算法具有较强的全局寻优能力和较高的搜索效率,较好地解决了快速收敛与停滞现象之间的矛盾.

摘要：介绍了自适应蚁群优化算法的基本思想及其特点,并将其应用到了电机优化设计当中,重点论述了蚁群算法在电机优化设计中的具体实现方法,并对一个机座号下的YKK系列电机进行优化。实例表明,这种方法是行之有效的。

摘要：为了优化轮式机器人三维路径,进行了特殊三维空间有效路径设计,提出了自适应蚁群算法(AACS)。并将该算法应用于三维空间机器人路径规划中,将轮式机器人所处位置与目的点之间的空间划分成带有坡度角的立体网格,定义其有效路径,形成TSP模式。自适应蚁群按TSP模式搜索从原点到目的点之间的最短路径。实验表明:自适应蚁群优化方法克服了传统蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,提高了收敛速度和精度,输出稳定性好,可以解决轮式机器人在三维实际工作环境中的路径优化问题。

摘要：为探索更高效的协同制造资源优化配置算法,提出了基于自适应蚁群算法的求解方法。针对零件的特定工艺线路,建立了以时间、成本和质量为目标的制造资源优化配置模型,设计了模型求解的自适应蚁群算法,并给出具体算例,验证了算法的可行性和有效性。

摘要：为实现公共卫生事件发生后医疗资源高效、合理的分配调度,文中设计了基于自适应蚁群算法的医疗资源应急优化调度模型。针对传统蚁群算法(ACO)存在计算速度较慢、容易早熟等缺点,提出了一种自适应蚁群算法(AACO)来对蚁群进行分组。采用了融合随机性、确定性的转移点选取策略与基于局部、全局及沟通交流的信息素更新策略,且将其应用于医疗资源应急优化调度模型的求解。算例分析结果表明,文中提出的AACO算法在收敛速度、计算精度等方面均优于传统ACO算法。所设计的医疗资源应急优化调度模型能够兼顾各应急需求点的满意度及运送时间,并在提高满意度的同时降低运输成本,进而实现对医疗资源的科学调度。

摘要：蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决旅行商问题(TravelingSalesmanProblem,TSP),但同时也存在计算时间长、易出现停滞等缺陷。在分析车辆路径问题(VehicleRoutingProblem,VRP)与TSP区别的基础上,将蚁群算法应用于VRP的求解,通过引入解均匀度、选择窗口以及吸引力等概念对算法的转移策略和更新策略进行改进,构造了具有自适应功能的蚁群算法。实验仿真结果表明所设计的算法具有很强的搜索能力,计算效率较高,能够有效地解决加速收敛与停滞现象之间的矛盾。

摘要：运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程。最后,通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明,该算法在解决Flow Shop方面的问题上取得满意的效果。

摘要：运用能自适应地改变挥发度系数的自适应蚁群算法研究流水车间作业排序问题,设计出解决该问题的算法步骤与流程。通过仿真比较该算法与基本蚁群算法在解决该问题方面的性能,仿真结果表明该算法在解决Flow Shop方面的问题上能取得满意的效果。

摘要：针对基本蚁群算法在求解大规模旅行商问题进易导致搜索时间过长或陷入停滞的问题,提出一种基于信息熵调整的自适应蚁群算法。该算法通过优化过程中种群的信息熵来衡量演化的程度,自适应地调整路径选择策略和信息素更新策略。信息熵的计算以某条路径边上的信息素占总信息素量的比例为基础。对大规模城市数旅行商问题进行实验,实验结果表明,提出的基于信息熵调整的自适应蚁群算法能获得比基本蚁群算法更好的解,并且增加了算法的稳定性。

摘要：公交查询系统的设计可以解决在庞大的公交网络中公交路线选择的问题。该文将利用蚁群算法设计公交查询系统的核心算法．即如何搜索出一条从起始站点到目的站点的最优路径。该文将公交网络按直达关系抽象成有向图，用蚂蚁在各个节点之间的行走代表公交线路的选择。针对基本蚁群算法收敛速度和早熟之间的矛盾，提出了自适应信息素更新的蚁群算法，并设计了迟滞更新信息素的方法．使得运算量大大减少。