自适应调整信息素的蚁群算法

来源 :信息与控制 | 被引量 : 0次 | 上传用户:zhezhe_1207
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法 .基于群体的协作与学习 ,该算法已经成功地解决诸如 TSP问题等多种组合优化问题 .本文提出了一种基于自适应调整信息素的改进蚁群算法 .该算法根据人工蚂蚁所获得解的情况 ,动态地调整路径上的信息素 ,从而使得算法跳离局部最优解 .通过仿真实验获得的结果表明 ,该算法对于蚁群算法具有较好的改进效果 .
其他文献
利用模糊控制方法研究出一种自适应智能控制器,将Smilth预估器和内模控制结构结合起来,能在一定的模型误差范围内得到良好的控制品质.主要控制量来源于模糊控制器,通过智能积
针对实际过程控制中的普遍的无超调或小超调要求,本文提出了一种全新的控制思想.它通过一个中间程序速度的引入,把传统的对于绝对输出量的控制转变为一种更容易把握的对于输
在分析基金会现场总线功能块应用进程规范的基础上,提出了功能块实例化的实现方法,同时实现了功能块数据的保存和恢复.该方法对基金会现场总线的工程应用和推广具有一定的意
在引入可重构故障诊断系统及诊断智能体单元组概念的基础上,提出了可重构故障诊断系统的体系结构和应用系统模型,探讨了被诊断问题的特征以及被诊断问题之间的相似性,构建了
本文是基于一种网络传感器与视频监控系统集成的研究,结合神经网络技术和专家系统对摄像机图像信息和传感器信息进行信息融合,赋予监控系统一定的智能性,提高了系统信息的丰
数据流定性化处理,是在考虑噪声影响的情况下,对数据流进行处理,最终将数据流化分为单调变化的区段.这是定性仿真应用中的一个关键问题.本文在分析基于线性最小方差拟合的数
本文首先将信息融合技术引入智能建筑控制领域,并提出了相应的控制模式.该控制模式分析了各个组成部分的关联关系,并被划分为六级层次,而六级层次之中主要包含了四个子系统.
本文描述了列生成算法框架,特别用应用实例:广义分配问题(GAP)和带能力约束的批量问题(CLSP)说明了该算法的实现.最后得出结论:列生成算法是一种非常优秀而高效的算法.
本文分析了状态反馈预测控制系统的结构与控制性能,基于状态空间模型,使用实测状态变量反馈,状态反馈预测控制系统是状态变量动态反馈结构.对比动态矩阵控制(DMC)、广义预测
给出了基于高斯过程和支持向量机的软测量建模方法 ,在不牺牲性能的条件下 ,高斯过程与支持向量机相比 ,是一种有着概率意义的核学习机 ,同时它更容易实现 ,理论分析和仿真研究表明了高斯过程在软测量建模中的优越性