人工蜂群算法的改进及其应用研究

来源 :江苏科技大学 | 被引量 : 3次 | 上传用户:q5108947
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
当今社会,从生产调度到经济分析再到生物医药,这些领域无不存在大量需要解决的优化问题。尤其是电子商务行业的兴起,现代物流业迎来了发展的高峰期,而物流配送作为其中最关键的一环,它的速度快慢直接影响客户对物流公司的服务评价。车辆路径优化问题是物流运输这一环节极其重要的内容,目前主要是通过群智能优化算法对其进行优化。人工蜂群算法作为一种极具发展前景的仿生算法,具有控制参数少、鲁棒性强和易于实现等优点,已被成功应用于组合优化、无线传感网路和图像处理等领域。但是,它仍存在局部开发能力较差、收敛速度较慢和寻优精度不高的缺点。为了进一步提高人工蜂群算法的性能,本文针对算法中存在的上述问题,分别从算法改进和应用两个方面进行了研究分析。在算法改进方面,我们把差分进化和高斯变异的思想引入到搜索策略中,设计了一种基于当前最优解的混合变异的人工蜂群算法。该算法中跟随蜂采用差分进化的搜索策略,通过引入差分变异因子实现在迭代初期进行全局搜索,以增加解的多样性,在迭代后期进行局部搜索,来加快算法的收敛速度;侦查蜂采用高斯变异的侦查策略,借助高斯变异算子对局部最优解进行扰动,使侦查蜂跳出局部最优值,然后在当前最优解附近生成一个新解,通过变异来丰富种群的多样性,并在当前最优解地引导下有效的提高了算法的收敛速度,避免其陷入局部最优值。基于6种典型测试函数的仿真实验结果表明,基于混合变异的人工蜂群算法在收敛速度和寻优精度方面都优于其他的人工蜂群算法。在算法应用方面,本文将改进后的人工蜂群算法应用到了物流配送车辆的路径优化问题中。我们首先对算法进行了离散化处理,然后利用贪心策略生成问题的初始解,再设计了3种候选解的生成策略并加以组合,扩大了邻域的搜索范围,同时,将遗传算法中交叉思想引入到了侦查策略中,通过2种交叉方式改善了侦查蜂的侦查性能,最后用两个不同规模的实例对改进后的算法做了性能验证,实验结果表明,与其他进化算法相比,本文的算法在求解车辆路径优化问题上较为有效。
其他文献
随着多媒体数字化技术的发展和推广、存储成本的降低、网络传输带宽的增长,各种多媒体数据如图像、视频等飞速膨胀逐渐成为信息的主流,并对人们的生活和社会发展产生重要的影响
中国已成为全球最大的汽车市场,由此产生的诸如交通阻塞、交通事故等社会问题正日趋严重。车联网是解决交通问题的有效途径,中国车联网将形成巨大的新兴产业。然而,车联网中驾乘
多相流作为自然界普遍存在的一种现象,不仅是由于被测介质的介电常数会随着温度等环境的变化而变化,而且还由于被测场域中存在其他介质,会使得测量时出现介质未知的情况,并且
RoboCup机器人世界杯赛是近年来规模最大并且参与人数最多的高智能机器人足球比赛,其中仿真2D组比赛更是RoboCup世界杯中最古老的比赛项目之一,其中的多agent智能系统协作问
关系数据库中的关键词搜索问题已经逐渐成为信息检索领域的研究热点。由于基于关系数据库的关键词搜索技术不需要用户具有任何SQL语法知识和数据库模式知识,只需要输入关键词,
粗糙集是一种处理不确定性知识的数学工具,能较好地分析和处理不精确、不协调和不完备信息,在知识获取、机器学习、智能控制、专家系统、粒度计算等领域得到了广泛的应用、取得
车载自组网(Vehicular ad hoc network-VANET)是由车辆和道路两旁的基站组成的无线自组织网络,是智能交通系统(Intelligent Transportation Systems-ITSs)的一个重要构成。通
伴随着因特网上电子文档信息的持续增长,人们迫切的需要一个工具去发现、过滤以及管理好这些资源,文本挖掘技术可以解决这个问题,它是以文本为对象进行的数据挖掘,可以应用于信息
随着计算机的快速发展,数字图像已经成为一种重要的信息载体。无论是在日常生活和工作中还是在科学研究中,无时无刻都会有大量的数字图像产生。另外,当今社会亦是一个网络高度发
评论是一种评判事物价值的重要主观信息,其已被广泛应用于现有的商品属性抽取、偏好学习以及情感分析和挖掘。然而,评论自身也存在价值层次,能否精准高效地自动评估评论的价值(如