-
题名学习型蚁群算法求解绿色多车场车辆路径问题
被引量：28
- 1
-
-
作者
胡蓉
陈文博
钱斌
郭宁
向凤红
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学云南省人工智能重点实验室
-
出处
《系统仿真学报》
CAS
CSCD
北大核心
2021年第9期2095-2108,共14页
-
基金
国家自然科学基金(61963022,51665025)。
-
文摘
针对我国城市中心区域路况较拥堵的实际情况,设计基于车辆行驶路段的速度计算方法,同时考虑车辆行驶距离、载重和速度因素,建立以最小化总油耗费用为目标的绿色多车场车辆路径问题模型,提出一种融合蚁群优化算法(Ant Colony Optimization,ACO)与知识模型的学习型蚁群优化算法(Learning Ant Colony Optimization,LACO)进行求解。为提高算法全局搜索性能和鲁棒性,设计由不同ACO参数组合和各参数组合选取概率组成的参数知识,用于每代调整ACO参数;为增强算法局部搜索能力,设计由各邻域操作贡献率组成的局部操作知识,用于每代确定各邻域操作的执行次数。通过在不同规模问题上的仿真实验和算法对比,验证所提LACO的有效性。
-
关键词
学习型蚁群算法
绿色多车场
车辆路径问题
知识模型
邻域搜索
-
Keywords
learning ant colony optimization
green multi-depot
vehicle routing problem
knowledge model
neighborhood search
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
-
题名基于AQ覆盖框架的蚁群规则集学习算法
被引量：1
- 2
-
-
作者
颜晨阳
赵俊
熊伟清
-
机构
宁波大学职教学院
宁波大学信息科学与工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2008年第31期67-71,共5页
-
基金
浙江省自然科学基金No.Y106080
宁波市自然科学基金No.2008A610030
+1 种基金
宁波市IT产业应用型人才培养基地课题(No.JD070510)
宁波城市学院科研课题(No.2008-13)~~
-
文摘
针对规则集学习问题,提出一种遵循典型AQ覆盖算法框架(AQ Covering Algorithm)的蚁群规则集学习算法(Ant-AQ)。在Ant-AQ算法中,AQ覆盖框架中的柱状搜索特化过程被蚁群搜索特化过程替代,从某种程度上减少了陷入局优的情况。在对照测试中,Ant-AQ算法分别和已有的经典规则集学习算法(CN2、AQ-15)以及R.S.Parpinelli等提出的另一种基于蚁群优化的规则学习算法Ant-Miner在若干典型规则学习问题数据集上进行了比较。实验结果表明:首先,Ant-AQ算法在总体性能比较上要优于经典规则学习算法,其次,Ant-AQ算法在预测准确度这样关键的评价指标上优于Ant-Miner算法。
-
关键词
规则集学习
AQ覆盖算法
蚁群优化
蚁群规则学习算法
-
Keywords
rule set learning
AQ covering algorithm
ant colony optimization
ant colony rule set learning
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名自适应蚁群算法的多机协同空战目标分配方法
被引量：12
- 3
-
-
作者
于雷
任波
鲁艺
-
机构
空军工程大学工程学院
-
出处
《火力与指挥控制》
CSCD
北大核心
2008年第6期49-51,共3页
-
基金
军队重点科研基金资助项目(HX05205)
-
文摘
对目标超视距空战将是今后空战的主要形式和发展趋势,多机协同多目标攻击中的关键问题是空战决策。首先建立了空战态势评估方法,结合蚁群算法思想,提出了一种新型的目标分配算法模型,并进行了算法实验。实验结果表明基于自适应蚁群算法解决多机协同空战的目标分配问题是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度。
-
关键词
目标分配
Q-学习蚁群算法
多目标攻击
-
Keywords
Targets assignment, Ant-Q System algorithm, multi-targets attack
-
分类号
V271.41
[航空宇航科学与技术—飞行器设计]
TU457
[建筑科学—岩土工程]
-
-
题名面向智能制造的不规则零件排样优化算法
被引量：8
- 4
-
-
作者
高勃
张红艳
朱明皓
-
机构
北京交通大学计算机与信息技术学院
北京交通大学经济管理学院
-
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2021年第6期1673-1680,共8页
-
文摘
以智能工厂应用场景为例,为提高广泛应用于智能制造领域的二维不规则件的排样性能,提出了基于启发式和蚁群的不规则件排样优化算法。首先提取不规则件的几何特征,对零件进行组合操作预处理,使两个或多个不规则零件组合为矩形件或近似矩形件并对其包络矩形,然后利用蚁群学习算法对预处理后的零件进行排样,确定零件排放的最佳位置,不断更新得到最优排样结果。仿真实验结果表明,综合考虑板材利用率以及耗时情况,所提算法取得了较好的结果,能够满足实际生产的需求。
-
关键词
二维板材
不规则零件
启发式算法
蚁群学习算法
优化排样
-
Keywords
two-dimensional plate
irregular parts
heuristic algorithm
ant colony learning algorithm
optimized layout
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名带时间窗的车间搬运机器人路径优化建模及算法研究
被引量：16
- 5
-
-
作者
任剑锋
叶春明
杨枫
-
机构
上海理工大学管理学院
河南财经政法大学计算机与信息工程学院
-
出处
《运筹与管理》
CSSCI
CSCD
北大核心
2020年第5期52-60,共9页
-
基金
国家自然科学基金资助项目(71840003)
上海理工大学科技发展资助项目(2018KJFZ043)。
-
文摘
本文以车间搬运机器人为研究对象,在考虑时间窗的前提下,求解机器人进行物料配送和成品回收场景下的路径优化问题。提出一种强化学习遗传蚁群算法,首先利用扫描法求解初始搬运机器人的数量,并将子路径节点的几何中心设置为虚拟节点,利用嵌入遗传算子的蚁群算法求解连接虚拟节点的最优路径,再利用强化学习算法求解子路径的最优结果;最后将基本成本、运输成本和时间惩罚成本的加权和作为目标解,并最终求出满足约束条件的最优解。通过与基准问题求解结果对比,验证了强化学习遗传蚁群算法的优越性。
-
关键词
搬运机器人
强化学习遗传蚁群算法
路径优化
-
Keywords
handling robot
reinforcement learning genetic-ant colony hybrid algorithm
path optimization
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
