多目標蟻群演算法

『壹』 加急！'！！軍事運籌學的論文

論文摘要：文章針對偵察無人機航路規劃這一問題，分析了影響航路規劃的因素，構建了航路規劃的模型。結合偵察無人機航路規劃的特點與模型，論證了基於蟻群演算法求解的理由與優點，並對蟻群演算法的初始信息素強度與啟發因子進行了改進。最後以島嶼進攻戰役這一特定作戰任務為例。利用MATLAB實現了偵察多目標時的航路規劃問題。

引言

航路規劃是指在目標點與起始點之間，為運動物體尋找滿足某種性能指標和某些約束的線路、路徑。目前對於航路規劃的研究主要用於導彈、魚雷、飛機等飛行器的飛行線路選擇上，對於無人機的偵察航路的系統研究還不多見。在文獻[3]中雖然也應用蟻群演算法進行了航路規劃，但沒有充分考慮到威脅點存在和目標點價值對航路的影響，且對蟻群演算法沒有進行啟發因子和信息素初始強度方面的創新。在相關外文文獻中，由於美軍無人機航程較大，其航路規劃的約束條件就相對較少，可供借鑒的內容也很有限。而針對島嶼進攻戰役這一特殊作戰樣式的研究更是尚屬空白。本文正是基於這一背景下對該問題進行研究，以實現在充分發揮無人機最大作戰效能的同時，又盡可能地降低無人機被毀傷概率。

1、影響航路規劃的因素分析

影響偵察無人機航路規劃的主要因素有如下四個方面。
1.1 目標價值
目標價值是衡量某一時刻對某一目標實施火力突擊必要程度的綜合指標(用Vm表示)。可採用層次分析法獲得各個目標的價值Vm，也可以再進行歸一化處理，得到各目標的相對價值系數Ku，以此來衡量目標的重要程度。
對不同的目標實施偵察時，對於價值較高的目標可安排更長的有效偵察時間，而對於價值相對較低的目標，則應適當壓縮有效偵察時間。
1.2有效飛行時間(距離)
偵察的主要目的是發現對己方有價值目標並及時描述目標的狀態，因此發現目標的概率是航路是否合理的一個重要指標。距離目標越近，飛機上偵察設備能夠搜索目標區的時間也就越長，發現目標的概率也就越大。
在執行偵察任務時，為了獲得某一目標的有效信息，無人機必需接近目標並使目標處於其機載電子、光學偵察設備的作用距離內。如果為了實時監控某一目標，偵察無人機還必需在此目標的上空盤旋、停留，以使目標長時間地處於機載設備的監控之下。因此對目標的發現概率可以用有效飛行時間來表徵。它表示偵察無人機對目標總的偵察、監控時間，為處理方便，若偵察無人機以等速率飛行，則其有效偵察飛行時間也可轉變為有效飛行距離表徵。
1.3生存能力
偵察無人機要完成偵察任務就必須具備一定的生存能力。而其生存能力主要與偵察無人機的隱形規避性能、敵方雷達、防空武器的性能等相關。即偵察無人機的生存能力既受本身的易感性、易損性、可靠性影響，也受敵方的偵察探測和打擊能力影響。
從偵察無人機完成飛行任務過程來看，包括發射、正常飛行和突破攔截三個過程，若用概率Pf、Pl、Ps表示三個過程的完成情況。
1.4航程(油量)限制
航程是指偵察無人機起飛後，中途不經加油所能飛越的最大水平距離，即飛行距離。是表徵偵察無人機遠航和持久飛行能力的指標。由於其在地面一次所加的油量是有限的，因此它的航路必然受到航程的限制，且由於無線電的作用距離受限，飛機執行任務的位置不能超過其作戰半徑。

2、航路規劃構模

偵察無人機多數情況下執行特定的偵察監視飛行任務，指揮員期望的目標是在有限的飛行時間與航程內發現盡可能多的目標，同時付出的代價最小。
就航路規劃的約束條件而言，首先是威脅量不能超過指揮員的許可范圍，其二，是偵察無人機總的飛行距離不能超過偵察無人機的航程。一旦兩者之一不能成立，表明要求的任務是無法完成的，即

3、蟻群演算法及其改進

蟻群演算法作為一種新的計算模式引入人工智慧領域，被稱為螞蟻系統，該系統基於以下假設：
(1)螞蟻之間通過環境進行通信。每隻螞蟻僅根據其周圍的局部環境做出反應，也僅對其周圍的局部環境產生影響；
(2)螞蟻對環境的反應由其內部模式決定；
(3)在個體水平上，每隻螞蟻僅根據環境做出獨立選擇。在群體水平上，單只螞蟻的行為是隨機的，但蟻群通過自組織過程形成高度有序的群體行為。
3.1 基於蟻群演算法進行航路規劃的特點
基於蟻群演算法的偵察無人機航路規劃方法，能夠保證在航路制訂時得到一條具有較小可被探測概率及可接受航程的飛行航路，這種航路規劃方法還具有以下特點：
(1)在螞蟻不斷散布生物信息激素的加強作用下，新的信息會很快被加入到環境中，而由於生物信息激素的蒸發更新，舊的信息會不斷被丟失，體現出一種動態特性；
(2)最優路線是通過眾多螞蟻的合作被搜索得到的，並成為大多數螞蟻所選擇的路線，這一過程具有協同性；
(3)由於許多螞蟻在環境中感受散布的生物信息激素同時自身也散發生物信息激素，這使得不同的螞蟻會有不同的選擇策略，具有分布性。這些特點與未來戰場的許多要求是相符的，因而採用蟻群演算法對偵察無人機的航路進行規劃具有可行性與前瞻性。
3.2蟻群演算法的改進
(1)ij(t)的初值
為了更好的考慮威脅，在定義在初始條件下定義軌跡強度不同，根據螞蟻選擇路線最優選擇軌跡強度高的路線，而無人機的航路規劃中則應該更優的選擇距離威脅點較遠的航路。那麼可以定義軌跡的初始強度與距離成反比。即與威脅點越近的路線，信息素強度越小。對於兩目標點間的每條路徑，其信息素軌跡初始強度。

4、基於改進蟻群演算法的偵察無人機航路規劃的實現

4.1航路規劃的初始條件
蟻群演算法用於航路規劃主要運用在對多目標實施搜索偵察的航路規劃問題，即航路規劃需要得出的是飛行經過各個目標的數量和次序，以使偵察無人機經過盡可能多的目標點。
在進行初始規劃的過程中，為更方便蟻群演算法的實現，首先確定坐標系，將上述各目標點及威脅點用坐標系來表示，這樣可以便於實際的運算。
假設在島嶼進攻戰役中以某市為坐標點(100，100)的位置，以3公里為1個坐標系單位長度建立平面直角坐標系(這是在充分考慮了將主要有價值點都包括在一個(120×120)的范圍內而合理構建的)。則可以確定上述各點的坐標系位置，得到各點坐標。同時各個目標點的價值系數通過層次分析法可求得到結果(具體過程略)。
4.2蟻群演算法模型的實現
4.2.1蟻周系統的各初始參量的確定
為計算和表示方便，將目標點定義為向量Mi(其中i＝1，2，3，…，12)，威脅點定義為向量Ti(其中i＝1，2，3)。採用蟻群演算法實現目標點的類旅行商(TSP，Traveling Salesman Problem)問題，目前已經開發的蟻群演算法包括蟻密系統、蟻量系統和蟻周系統，而實際應用多數應用後者。為模擬系統中螞蟻行為的方便，定義標記。
4.3蟻群演算法模型分析
通過比較的方法，定性分析各個情況下的目標函數值和航路規劃圖。不難發現在考慮了目標點價值和威脅點威脅的情況下，航路盡可能地避開了威脅並優先選擇通過目標價值較大的點。這樣無人機的被毀傷概率較低，且如果發生被毀傷事件時，已經發現的總體目標價值最大。
針對四種情況進行定量分析，假設指揮員的傾向性為0.6，即略側重於考慮威脅代價。2000表示對每個目標的有效偵察距離均為2000m，計算目標函數的值，可見考慮完備時雖然航路總長最大但總體的目標函數值也最大，航程最優，即偵察無人機應按照依次通過這些目標點。

5、結束語

通過上述分析，在給定偵察無人機的偵察任務情況下經運算可求得最優的初始航路，它可以有效地提高無人機的偵察效能，降低無人機的被毀傷概率，它對於目前軍事斗爭准備中如何使用偵察無人機具有一定的指導意義。隨著我軍偵察無人機性能的提高及型號的不斷豐富，在對未來島嶼進攻戰役中如何對這些機型進行航路規劃尚有待於進一步探討。

『貳』 謝維信的最新論文

一種用於三維空間雜波環境機動目標跟蹤的數據互聯方法，《電子與信息學報》2009年 第4期
被動感測器陣列中基於粒子濾波的目標跟蹤，《電子與信息學報》2009年 第4期
一種新的嵌入式Linux高性能定時器實現方法，《信號處理》2009年 第3期
一種新的紅外弱小目標檢測與跟蹤演算法，《信號處理》2008年 第6期
被動感測器網基於修正Riccati方程的系統優化設計，《信號處理》2008年 第5期
基於SIS框架和蟻群演算法的非線性多目標跟蹤，《電子與信息學報》2008年 第9期
基於人類視覺系統的自適應數字水印演算法，《上海交通大學學報》2008年 第7期
一種基於電子簽章的二值圖像數字水印演算法，《信號處理》2008年 第3期
基於身份的網路化製造安全協同商務平台，《計算機工程》2008年 第13期
基於Clifford代數感測器網路覆蓋理論的路徑分析，《電子學報》2007年 第B12期
感測器網路高階模糊覆蓋分析，《電子學報》2007年 第B12期
感測器網路最佳情況模糊覆蓋問題研究，《電子學報》2007年 第B12期
一種基於蟻群演算法的多目標跟蹤數據關聯方法，《電子學報》2008年 第3期
基於數據倉庫的投資決策支持系統設計研究，《微電子學與計算機》2008年 第2期
量子球殼聚類，《西安電子科技大學學報》2008年 第1期
基於身份的安全郵件認證體系設計與分析，《計算機科學》2008年 第2期
異類感測器系統目標快速定位方法，《系統工程與電子技術》2007年 第12期
一種基於並行計算熵遷移策略的多分辨DOM數據生成演算法，《中國科學技術大學學報》2007年 第12期
基於模糊Hough變換的被動感測器系統航跡起始方法，《系統工程與電子技術》2007年 第11期
THz信號處理與分析的研究現狀和發展展望，《電子學報》2007年 第10期
模糊數據互聯濾波器及其在機動目標跟蹤中的應用，《系統模擬學報》2007年 第20期
分布式異類感測器網非同步采樣下的航跡起始演算法，《系統工程與電子技術》2007年 第9期
機動目標跟蹤中數據互聯新方法，《電子與信息學報》2007年 第10期
一種新的視界覆蓋遺傳演算法，《西安電子科技大學學報》2007年 第5期
基於運動特徵的遠距離紅外目標檢測方法，《電子與信息學報》2007年 第8期
被動感測器網基於模糊綜合貼近度的航跡起始，《電子學報》2007年 第8期
基於IBE的跨網路電子公文安全交換平台，《微計算機信息》2007年 第18期
一種基於身份的無可信第三方簽名方案，《深圳大學學報：理工版》2007年 第3期
基於圖像梯度場序列的雙向GDIM光流計算方法，《電子學報》2007年 第7期
一種基於身份的短數字簽名方案，《微計算機信息》2007年 第21期
分布式異類感測器網Hough變換航跡起始演算法，《深圳大學學報：理工版》2007年 第2期
基於DWT和DCT域的二值圖像數字水印演算法，《計算機與數字工程》2007年 第3期
基於並行計算熵的同構集群負載均衡演算法，《深圳大學學報：理工版》2007年 第1期
基於unscented粒子濾波的紅外弱小目標跟蹤，《系統工程與電子技術》2007年 第1期
一種空域DCT與時域DWT相結合的魯棒視頻數字水印演算法，《中國體視學與圖像分析》2006年 第4期
圖像插值方法對互信息局部極值的影響分析，《電子與信息學報》2006年 第10期
網狀被動感測器系統優化設計， 《系統工程與電子技術》2006年 第12期
基於小波變換和目標運動特性的紅外弱小目標檢測， 《紅外》2006年 第9期
基於小波變換的紅外弱小目標檢測新方法，《紅外技術》2006年 第7期
在線CA的安全增強方案研究，《計算機工程》2006年 第11期
基於ADSP—BF561車載多媒體系統，《現代電子技術》2006年 第3期
空間分析中視界覆蓋問題的研究，《系統工程與電子技術》2005年 第11期
模糊觀測數據的關聯和目標跟蹤，《信號處理》2005年 第4期
從航空影像中自動提取高層建築物，《計算機學報》2005年 第7期
城市航空影像中基於模糊Retinex的陰影消除，《電子學報》2005年 第3期
一種新的自適應圖像模糊增強演算法，《西安電子科技大學學報》2005年 第2期
基於OAR模型的航空影像高層建築自動提取，《深圳大學學報：理工版》2005年 第1期
紅外熱圖像序列中基於人體模型的目標頭部定位方法，《激光與紅外》2005年 第2期
直線Snakes及其在建築物提取中的應用，《西安電子科技大學學報》2005年 第1期
網狀被動感測器系統視線交叉目標定位方法，《電子與信息學報》2005年 第1期
一種新的道路描述子：對稱邊緣方向直方圖，《電子學報》2005年 第1期
基於對稱邊緣方向直方圖自動提取主要道路，《中國體視學與圖像分析》2005年 第2期
分布式被動感測器網非同步采樣下的機動目標跟蹤，《系統模擬學報》2005年 第6期
一種基於頻帶一致性的多模態圖像校準演算法，《通信學報》2005年 第4期
基於模糊熵的自適應圖像多層次模糊增強演算法，《電子學報》2005年 第4期
一種安全增強的基於橢圓曲線可驗證門限簽名方案，《計算機研究與發展》2005年 第4期
密碼學與數字水印在電子印章中的應用，《微機發展》2004年 第11期
一種安全實用的電子公文系統設計與實現， 《現代電子技術》2004年 第21期
基於DSP的PCI圖像採集卡設計，《現代電子技術》2004年 第4期
基於DSP組建短波電台無線數據傳輸網路的系統設計，《電子設計應用》2004年 第2期
基於直方圖的自適應高斯雜訊濾波器，《系統工程與電子技術》2004年 第1期
短波電台無線數據傳輸網路的組建，《現代電子技術》2004年 第3期
半抑制式模糊C-均值聚類演算法，《中國體視學與圖像分析》2004年 第2期
基於模糊推理的自動多級圖像分割，《中國體視學與圖像分析》2004年 第1期
航空影像中立交橋的自動檢測，《中國體視學與圖像分析》2004年 第1期
網狀被動感測器系統航跡初始狀態估計，《信號處理》2004年 第6期
被動感測器系統分層快速關聯演算法，《電子學報》2004年 第12期
一種基於模糊運算的多目標多感測器跟蹤演算法，《系統工程與電子技術》2004年 第11期
非同步被動感測器系統模糊Hough變換航跡起始演算法，《系統工程與電子技術》2004年 第11期
窗戶紋理的時頻描述及其在建築物提取中的應用，《中國圖象圖形學報：A輯》2004年 第10期
基於模糊熵的支撐矢量預選取方法，《復旦學報：自然科學版》2004年 第5期
基於物方幾何約束提取建築物垂直邊緣，《中國圖象圖形學報：A輯》2004年 第9期
分布式網狀被動感測器系統定位誤差分析，《西安電子科技大學學報》2004年 第5期
分布式網狀被動感測器系統量測數據關聯，《系統工程與電子技術》2004年 第12期
基於核方法的分類型屬性數據集模糊聚類演算法，《華南理工大學學報：自然科學版》2004年 第9期
基於模糊決策的密集多回波環境下航跡起始演算法，《雷達與對抗》2004年 第3期
紅外感測器陣列基於信息冗餘性的目標定位，《系統工程與電子技術》2004年 第8期
基於核方法的模糊聚類演算法，《西安電子科技大學學報》2004年 第4期
一種用於模式識別的多色Voronoi圖，《系統工程與電子技術》2004年 第7期
基於DSP的短波電台無線數據傳輸網路實現，《深圳大學學報：理工版》2004年 第3期
基於直方圖的自適應圖像去噪濾波器，《電子學報》2004年 第7期
自適應模糊Hough變換，《電子學報》2004年 第6期
基於主動秘密共享的安全容忍入侵方案，《蘭州交通大學學報》2004年 第1期
基於模糊熵的多值圖像恢復方法，《西安電子科技大學學報》2004年 第2期

『叄』 多目標智能優化演算法及其應用的序言

大多數工程和科學問題都是多目標優化問題，存在多個彼此沖突的目標，如何獲取這些問題的最優解，一直都是學術界和工程界關注的焦點問題.與單目標優化問題不同，多目標優化的本質在於，大多數情況下，某目標的改善可能引起其他目標性能的降低，同時使多個目標均達到最優是不可能的，只能在各目標之間進行協調權衡和折中處理，使所有目標函數盡可能達到最優，而且問題的最優解由數量眾多，甚至無窮大的Pareto最優解組成。
智能優化演算法是一類通過模擬某一自然現象或過程而建立起來的優化方法』這類演算法包括進化演算法、粒子群演算法、禁忌搜索、分散搜索、模擬退火、人工免疫系統和蟻群演算法等。和傳統的數學規劃法相比，智能優化演算法更適合求解多目標優化問題。首先，大多數智能優化演算法能同時處理一組解，演算法每運行一次，能獲得多個有效解。其次，智能優化演算法對Pareto最優前端的形狀和連續性不敏感，能很好地逼近非凸或不連續的最優前端。目前，智能優化演算法作為一類啟發式搜索演算法，已被成功應用於多目標優化領域，出現了一些熱門的研究方向，如進化多目標優化，同時，多目標智能優化演算法在電力系統、製造系統和控制系統等方面的應用研究也取得了很大的進展。
本書力圖全面總結作者和國內外同行在多目標智能優化演算法的理論與應用方面所取得的一系列研究成果。全書包括兩部分，共8章。第一部分為第1-4主要介紹了各種多目標智能優化演算法的理論。其中第1章為緒論，介紹各種智能優化演算法的基本思想和原理。第2章介紹多目標進化演算法，主要描述多目標進化演算法的基本原理、典型演算法和各種進化機制與策略，如混合策略、協同進化和動態進化策略等。第3章介紹多目標粒子群演算法，包括基本原理、典型演算法、混合演算法和交互粒子群演算法等。第4章描述除粒子群演算法和進化演算法之外的其他多目標智能優化演算法，主要介紹多目標模擬退火演算法、多目標蟻群演算法、多目標免疫演算法、多目標差分進化演算法和多目標分散搜索等。
第二部分為第5-8章，主要介紹了多目標智能優化演算法的應用』包括神經網路優化、生產調度、交通與物流系統優化、電力系統優化及其他。第5章描述人工神經網路的多目標優化，主要包括Pareto進化神經網路、徑向基神經網路、遞歸神經網路和模糊神經網路。第6章介紹交通與物流系統優化，主要描述了智能優化演算法在物流配送、城市公交路線網路和公共交通調度等方面的應用。

『肆』 蟻群優化演算法的使用-編碼的問題！

「蟻群演算法」學習包下載

下載地址： http://board.verycd.com/t196436.html (請使用 eMule 下載)

近一百多篇文章，打包壓縮後有 24.99MB ，基本上是從維普資料庫中下載來的，僅供學習和研究之用，請務用於商業活動或其他非法活動中，各文章版權歸原作者所有。

如果您覺得本人這樣做侵犯了您的版權，請在本帖後回復，本人會馬上刪除相應的文章。

以下是文件列表，全是 PDF 格式的：

基於蟻群優化演算法遞歸神經網路的短期負荷預測
蟻群演算法的小改進
基於蟻群演算法的無人機任務規劃
多態蟻群演算法
MCM基板互連測試的單探針路徑優化研究
改進的增強型蟻群演算法
基於雲模型理論的蟻群演算法改進研究
基於禁忌搜索與蟻群最優結合演算法的配電網規劃
自適應蟻群演算法在序列比對中的應用
基於蟻群演算法的QoS多播路由優化演算法
多目標優化問題的蟻群演算法研究
多線程蟻群演算法及其在最短路問題上的應用研究
改進的蟻群演算法在2D HP模型中的應用
製造系統通用作業計劃與蟻群演算法優化
基於混合行為蟻群演算法的研究
火力優化分配問題的小生境遺傳螞蟻演算法
基於蟻群演算法的對等網模擬器的設計與實現
基於粗粒度模型的蟻群優化並行演算法
動態躍遷轉移蟻群演算法
基於人工免疫演算法和蟻群演算法求解旅行商問題
基於信息素非同步更新的蟻群演算法
用於連續函數優化的蟻群演算法
求解復雜多階段決策問題的動態窗口蟻群優化演算法
蟻群演算法在鑄造生產配料優化中的應用
多階段輸電網路最優規劃的並行蟻群演算法
求解旅行商問題的混合粒子群優化演算法
微粒群優化演算法研究現狀及其進展
隨機攝動蟻群演算法的收斂性及其數值特性分析
廣義蟻群與粒子群結合演算法在電力系統經濟負荷分配中的應用
改進的蟻群演算法及其在TSP中的應用研究
蟻群演算法的全局收斂性研究及改進
房地產開發項目投資組合優化的改進蟻群演算法
一種改進的蟻群演算法用於灰色約束非線性規劃問題求解
一種自適應蟻群演算法及其模擬研究
一種動態自適應蟻群演算法
螞蟻群落優化演算法在蛋白質折疊二維親-疏水格點模型中的應用
用改進蟻群演算法求解函數優化問題
連續優化問題的蟻群演算法研究進展
蟻群演算法概述
Ant colony system algorithm for the optimization of beer fermentation control
蟻群演算法在K—TSP問題中的應用
Parallel ant colony algorithm and its application in the capacitated lot sizing problem for an agile supply chain
基於遺傳蟻群演算法的機器人全局路徑規劃研究
改進的蟻群演算法在礦山物流配送路徑優化中的研究
基於蟻群演算法的配電網路綜合優化方法
基於蟻群演算法的分類規則挖掘演算法
蟻群演算法在連續性空間優化問題中的應用
蟻群演算法在礦井通風系統優化設計中的應用
基於蟻群演算法的液壓土錨鑽機動力頭優化設計
改進蟻群演算法設計拉式膜片彈簧
計算機科學技術
基本蟻群演算法及其改進
TSP改進演算法及在PCB數控加工刀具軌跡中的應用
可靠性優化的蟻群演算法
對一類帶聚類特徵TSP問題的蟻群演算法求解
蟻群演算法理論及應用研究的進展
基於二進制編碼的蟻群優化演算法及其收斂性分析
蟻群演算法的理論及其應用
基於蟻群行為模擬的影像紋理分類
啟發式蟻群演算法及其在高填石路堤穩定性分析中的應用
蟻群演算法的研究現狀
一種快速全局優化的改進蟻群演算法及模擬
聚類問題的蟻群演算法
蟻群最優化——模型、演算法及應用綜述
基於信息熵的改進蟻群演算法及其應用
機載公共設備綜合管理系統任務分配演算法研究
基於改進蟻群演算法的飛機低空突防航路規劃
利用信息量留存的蟻群遺傳演算法
An Improved Heuristic Ant-Clustering Algorithm
改進型蟻群演算法在內燃機徑向滑動軸承優化設計中的應用
基於蟻群演算法的PID參數優化
基於蟻群演算法的復雜系統多故障狀態的決策
蟻群演算法在數據挖掘中的應用研究
基於蟻群演算法的基因聯接學習遺傳演算法
基於細粒度模型的並行蟻群優化演算法
Binary-Coding-Based Ant Colony Optimization and Its Convergence
運載火箭控制系統漏電故障診斷研究
混沌擾動啟發式蟻群演算法及其在邊坡非圓弧臨界滑動面搜索中的應用
蟻群演算法原理的模擬研究
Hopfield neural network based on ant system
蟻群演算法及其實現方法研究
分層實體製造激光頭切割路徑的建模與優化
配送網路規劃蟻群演算法
基於蟻群演算法的城域交通控制實時滾動優化
基於蟻群演算法的復合形法及其在邊坡穩定分析中的應用
Ant Colony Algorithm for Solving QoS Routing Problem
多產品間歇過程調度問題的建模與優化
基於蟻群演算法的兩地之間的最佳路徑選擇
蟻群演算法求解問題時易產生的誤區及對策
用雙向收斂蟻群演算法解作業車間調度問題
物流配送路徑安排問題的混合蟻群演算法
求解TSP問題的模式學習並行蟻群演算法
基於蟻群演算法的三維空間機器人路徑規劃
蟻群優化演算法及其應用
蟻群演算法不確定性分析
一種求解TSP問題的相遇蟻群演算法
基於蟻群優化演算法的彩色圖像顏色聚類的研究
鈑金件數控激光切割割嘴路徑的優化
基於蟻群演算法的圖像分割方法
一種基於蟻群演算法的聚類組合方法
圓排列問題的蟻群模擬退火演算法
智能混合優化策略及其在流水作業調度中的應用
蟻群演算法在QoS網路路由中的應用
一種改進的自適應路由演算法
基於蟻群演算法的煤炭運輸優化方法
基於蟻群智能和支持向量機的人臉性別分類方法
蟻群演算法在啤酒發酵控制優化中的應用
一種基於時延信息的多QoS快速自適應路由演算法
蟻群演算法中參數α、β、ρ設置的研究——以TSP問題為例
基於人工蟻群優化的矢量量化碼書設計演算法
具有自適應雜交特徵的蟻群演算法
蟻群演算法在原料礦粉混勻優化中的應用
基於多Agent的蟻群演算法在車間動態調度中的應用研究
用蟻群優化演算法求解中國旅行商問題
蟻群演算法在嬰兒營養米粉配方中的應用
蟻群演算法在機械優化設計中的應用
蟻群優化演算法的研究現狀及研究展望
蟻群優化演算法及其應用研究進展
蟻群演算法的理論與應用
簡單蟻群演算法的模擬分析
一種改進的蟻群演算法求解最短路徑問題
基於模式求解旅行商問題的蟻群演算法
一種求解TSP的混合型蟻群演算法
基於MATLAB的改進型基本蟻群演算法
動態蟻群演算法求解TSP問題
用蟻群演算法求解類TSP問題的研究
蟻群演算法求解連續空間優化問題的一種方法
用混合型螞蟻群演算法求解TSP問題
求解復雜TSP問題的隨機擾動蟻群演算法
基於蟻群演算法的中國旅行商問題滿意解
蟻群演算法的研究現狀和應用及螞蟻智能體的硬體實現
蟻群演算法概述
蟻群演算法的研究現狀及其展望
基於蟻群演算法的配電網網架優化規劃方法
用於一般函數優化的蟻群演算法
協同模型與遺傳演算法的集成
基於蟻群最優的輸電網路擴展規劃
自適應蟻群演算法
凸整數規劃問題的混合蟻群演算法
一種新的進化演算法—蛟群演算法
基於協同工作方式的一種蟻群布線系統

『伍』 蟻群優化演算法的蟻群優化演算法

開本： 16開
所屬分類： 圖書 >> 計算機/網路 >> 人工智慧
定價：￥43.00 主要內容包括蟻群演算法基本原理、蟻群演算法在TSP及其擴展問題求解中的應用、蟻群演算法在VRP及其擴展問題求解中的應用、蟻群演算法在最優樹問題求解中的應用、蟻群演算法在整數規劃問題求解中的應用、一般連續優化問題的蟻群演算法以及多目標蟻群演算法等。書中還給出了一些主要演算法的Delphi程序實現源代碼，可供參考或修改使用。
本書可供運籌學、管理科學、系統工程、計算機科學等有關專業的高校師生、科研人員和工程技術人員閱讀參考。

『陸』 蟻群優化演算法的目錄

1.1 組合優化與計算復雜性
1.2 來自自然界的幾類優化方法 2.1 基本思想
2.2研究概況 3.1 TSP概述
3.2 經典方法
3.3 遺傳演算法與模擬退火法
3.4蟻群演算法
3.5 元胞蟻群演算法及其收斂性 4.1 瓶頸TSP及其求解
4.2 最小比率TSP及其求解
4.3 時間約束TSP及其求解
4.4 多目標TSP及其求解 5.1 VRP概述
5.2 CVRP及其求解
5.3 多目標VRP及其求解
5.4 VRPTW及其求解
5.5 VRPSTW及其求解
5.6 FVRP及其求解 6.1 度約束最小樹問題及其求解
6.2 Steiner最小樹問題及其求解
6.3 Min-Max度最優樹問題與多目標最小樹問題 7.1 0-1規劃問題及其求解
7.2 背包問題及其求解
7.3 多目標0-1規劃問題及其求解
7.4 一般整數規劃問題及其求解 8.1 基本蟻群演算法
8.2 元胞蟻群演算法
8.3 平面選址問題及其求解
8.4 多目標優化問題及其求解 9.1 二次分配問題及其求解
9.2 圖著色問題及其求解
9.3 多目標最短路及其求解 附錄 中國144城市相對坐標數據
後記
《運籌與管理科學叢書》已出版書目

『柒』 多目標智能優化演算法及其應用的目錄

《智能科學技術著作叢書》序
前言
第1章 緒論
1.1 進化演算法
1.1.1 進化演算法的基本框架
1.1.2 遺傳演算法
1.1.3 進化策略
1.1.4 進化規劃
1.2 粒子群演算法
1.2.1 標准粒子群演算法
1.2.2 演算法解析
1.3 蟻群演算法
1.3.1 蟻群演算法的基本思想
1.3.2 蟻群演算法的實現過程
1.3.3 蟻群演算法描述
1.3.4 蟻群優化的特點
1.4 模擬退火演算法122
1.4.1 模擬退火演算法的基本原理
1.4.2 模擬退火演算法描述
1.5 人工免疫系統
1.5.1 生物免疫系統
1.5.2 人工免疫系統
1.6 禁忌搜索
1.7 分散搜索
1.8 多目標優化基本概念
參考文獻
第2章 多目標進化演算法
2.1 基本原理
2.1.1 MOEA模型
2.1.2 性能指標與測試函數
2.2 典型多目標進化演算法
2.2.1 VEGA、MOGA、NPGA和NSGA
2.2.2 SPEA和SPEA2
2.2.3 NSGA2
2.2.4 PAES
2.2.5 其他典型MOEA
2.3 多目標混合進化演算法
2.3.1 多目標遺傳局部搜索
2.3.2 J—MOGLS
2.3.3 M PAES
2.3.4 多目標混沌進化演算法
2.4 協同多目標進化演算法
2.5 動態多目標進化演算法
2.5.1 IMOEA
2.5.2 動態MOEA(DMOEA)
2.6 並行多目標進化演算法
2.6.1 並行多目標進化演算法的基本原理
2.6.2 多解析度多目標遺傳演算法
2.6.3 並行單前端遺傳演算法
2.7 其他多目標進化演算法
2.7.1 高維多目標優化的NSGA2改進演算法
2.7.2 動態多目標優化的進化演算法
2.8 結論與展望
參考文獻
第3章 多目標粒子群演算法
3.1 基本原理
3.2 典型多目標粒子群演算法
3.2.1 CMOPSO
3.2.2 多目標全面學習粒子群演算法
3.2.3 Pareto檔案多目標粒子群優化
3.3 多目標混合粒子群演算法
3.3.1 模糊多目標粒子群演算法
3.3.2 基於分散搜索的多目標混合粒子群演算法
3.4 交互粒子群演算法
3.5 結論
參考文獻
第4章 其他多目標智能優化演算法
4.1 多目標模擬退火演算法
4.2 多目標蟻群演算法
4.2.1 連續優化問題的多目標蟻群演算法
4.2.2 組合優化問題的多目標蟻群演算法
4.3 多目標免疫演算法
4.4 多目標差分進化演算法
4.5 多目標分散搜索
4.6 結論
參考文獻
第5章 人工神經網路優化
5.1 Pareto進化神經網路
5.2 徑向基神經網路優化與設計
5.3 遞歸神經網路優化與設計
5.4 模糊神經網路多目標優化
5.5 結論
參考文獻
第6章 交通與物流系統優化
6.1 物流配送路徑優化
6.1.1 多目標車輛路徑優化
6.1.2 多目標隨機車輛路徑優化
6.2 城市公交路線網路優化
6.3 公共交通調度
6.3.1 概述
6.3.2 多目標駕駛員調度
6.4 結論
參考文獻
第7章 多目標生產調度
7.1 生產調度描述_
7.1.1 車間調度問題
7.1.2 間隙生產調度
7.1.3 動態生產調度
7.1.4 批處理機調度和E/T調度
7.2 生產調度的表示方法
7.3 基於進化演算法的多目標車間調度
7.3.1 多目標流水車間調度
7.3.2 多目標作業車間調度
7.4 基於進化演算法的多目標模糊調度
7.4.1 模糊調度：Sakawa方法
7.4.2 模糊作業車間調度：cMEA方法
7.5 基於進化演算法的多目標柔性調度
7.5.1 混合遺傳調度方法
7.5.2 混合遺傳演算法
7.6 基於粒子群優化的多目標調度
7.6.1 基於粒子群優化的多目標作業車間調度
7.6.2 多目標柔性調度的混合粒子群方法
7.7 多目標隨機調度
7.8 結論與展望
參考文獻
第8章 電力系統優化及其他
8.1 電力系統優化
8.1.1 基於免疫演算法的多目標無功優化
8.1.2 基於分層優化的多目標電網規劃
8.1.3 基於NSGA2及協同進化的多目標電網規劃
8.2 多播Qos路由優化
8.3 單元製造系統設計
8.3.1 概述
8.3.2 基於禁忌搜索的多目標單元構造
8.3.3 基於並行禁忌搜索的多目標單元構造
8.4 自動控制系統設計
8.4.1 概述
8.4.2 混合動力學系統控制
8.4.3 魯棒PID控制器設計
8.5 結論
參考文獻
附錄 部分測試函數
……

『捌』 尋找配送商應注意哪些

http://www.equn.com/forum/viewthread.php?tid=6768 近一百多篇文章，打包壓縮後有 24.99MB ，基本上是從維普資料庫中下載來的蟻群演算法(ant colony optimization, ACO)，又稱螞蟻演算法，是一種用來在圖中尋找優化路徑的機率型技術。它由Marco Dorigo於1992年在他的博士論文中引入，其靈感來源於螞蟻在尋找食物過程中發現路徑的行為。引言 20世紀50年代中期創立了仿生學，人們從生物進化的機理中受到啟發，提出了許多用以解決復雜優化問題的新方法，如進化規劃、進化策略、遺傳演算法等，這些演算法成功地解決了一些實際問題．20世紀90年代義大利學者M．Dorigo，V．Maniezzo，A．Colorni等從生物進化的機制中受到啟發，通過模擬自然界螞蟻搜索路徑的行為，提出來一種新型的模擬進化演算法—— 蟻群演算法．用該方法求解TsP問題、分配問題、job-shop調度問題，取得了較好的試驗結果．雖然研究時間不長，但是現在的研究顯示出，蟻群演算法在求解復雜優化問題 方面有一定優勢，表明它是一種有發展前景的演算法．蟻群演算法的原理： 研究表明：螞蟻在覓食途中會留下一種外激素．螞蟻利用外激素與其他螞蟻交流、合作，找到較短路徑．經過某地的螞蟻越多，外激素的強度越大．螞蟻擇路偏向選擇外激素強度大的方向．這種跟隨外激素強度前進的行為會隨著經過螞蟻的增多而加強，因為通過較短路徑往返於食物和巢穴之間的螞蟻能以更短的時間經過這條路徑上的點，所以這些點上的外激素就會因螞蟻經過的次數增多而增強．這樣就會有更多的螞蟻選擇此路徑，這條路徑上的外激素就會越來越強，選擇此路徑的螞蟻也越來越多．直到最後，幾乎所有的螞蟻都選擇這條最短的路徑．這是一種正反饋現象。 以下是文件列表，全是 PDF 格式的：基於蟻群優化演算法遞歸神經網路的短期負荷預測 蟻群演算法的小改進 基於蟻群演算法的無人機任務規劃 多態蟻群演算法 MCM基板互連測試的單探針路徑優化研究 改進的增強型蟻群演算法 基於雲模型理論的蟻群演算法改進研究 基於禁忌搜索與蟻群最優結合演算法的配電網規劃 自適應蟻群演算法在序列比對中的應用 基於蟻群演算法的QoS多播路由優化演算法 多目標優化問題的蟻群演算法研究 多線程蟻群演算法及其在最短路問題上的應用研究 改進的蟻群演算法在2D HP模型中的應用 製造系統通用作業計劃與蟻群演算法優化 基於混合行為蟻群演算法的研究 火力優化分配問題的小生境遺傳螞蟻演算法 基於蟻群演算法的對等網模擬器的設計與實現 基於粗粒度模型的蟻群優化並行演算法 動態躍遷轉移蟻群演算法 基於人工免疫演算法和蟻群演算法求解旅行商問題 基於信息素非同步更新的蟻群演算法 用於連續函數優化的蟻群演算法 求解復雜多階段決策問題的動態窗口蟻群優化演算法 蟻群演算法在鑄造生產配料優化中的應用 多階段輸電網路最優規劃的並行蟻群演算法 求解旅行商問題的混合粒子群優化演算法 微粒群優化演算法研究現狀及其進展 隨機攝動蟻群演算法的收斂性及其數值特性分析 廣義蟻群與粒子群結合演算法在電力系統經濟負荷分配中的應用 改進的蟻群演算法及其在TSP中的應用研究 蟻群演算法的全局收斂性研究及改進 房地產開發項目投資組合優化的改進蟻群演算法 一種改進的蟻群演算法用於灰色約束非線性規劃問題求解 一種自適應蟻群演算法及其模擬研究 一種動態自適應蟻群演算法 螞蟻群落優化演算法在蛋白質折疊二維親-疏水格點模型中的應用 用改進蟻群演算法求解函數優化問題 連續優化問題的蟻群演算法研究進展 蟻群演算法概述 Ant colony system algorithm for the optimization of beer fermentation control 蟻群演算法在K—TSP問題中的應用 Parallel ant colony algorithm and its application in the capacitated lot sizing problem for an agile supply chain 基於遺傳蟻群演算法的機器人全局路徑規劃研究 改進的蟻群演算法在礦山物流配送路徑優化中的研究 基於蟻群演算法的配電網路綜合優化方法 基於蟻群演算法的分類規則挖掘演算法 蟻群演算法在連續性空間優化問題中的應用 蟻群演算法在礦井通風系統優化設計中的應用 基於蟻群演算法的液壓土錨鑽機動力頭優化設計 改進蟻群演算法設計拉式膜片彈簧 計算機科學技術 基本蟻群演算法及其改進 TSP改進演算法及在PCB數控加工刀具軌跡中的應用 可靠性優化的蟻群演算法 對一類帶聚類特徵TSP問題的蟻群演算法求解 蟻群演算法理論及應用研究的進展 基於二進制編碼的蟻群優化演算法及其收斂性分析 蟻群演算法的理論及其應用 基於蟻群行為模擬的影像紋理分類 啟發式蟻群演算法及其在高填石路堤穩定性分析中的應用 蟻群演算法的研究現狀 一種快速全局優化的改進蟻群演算法及模擬 聚類問題的蟻群演算法 蟻群最優化——模型、演算法及應用綜述 基於信息熵的改進蟻群演算法及其應用 機載公共設備綜合管理系統任務分配演算法研究 基於改進蟻群演算法的飛機低空突防航路規劃 利用信息量留存的蟻群遺傳演算法 An Improved Heuristic Ant-Clustering Algorithm 改進型蟻群演算法在內燃機徑向滑動軸承優化設計中的應用 基於蟻群演算法的PID參數優化 基於蟻群演算法的復雜系統多故障狀態的決策 蟻群演算法在數據挖掘中的應用研究 基於蟻群演算法的基因聯接學習遺傳演算法 基於細粒度模型的並行蟻群優化演算法 Binary-Coding-Based Ant Colony Optimization and Its Convergence 運載火箭控制系統漏電故障診斷研究 混沌擾動啟發式蟻群演算法及其在邊坡非圓弧臨界滑動面搜索中的應用 蟻群演算法原理的模擬研究 Hopfield neural network based on ant system 蟻群演算法及其實現方法研究 分層實體製造激光頭切割路徑的建模與優化 配送網路規劃蟻群演算法 基於蟻群演算法的城域交通控制實時滾動優化 基於蟻群演算法的復合形法及其在邊坡穩定分析中的應用 Ant Colony Algorithm for Solving QoS Routing Problem 多產品間歇過程調度問題的建模與優化 基於蟻群演算法的兩地之間的最佳路徑選擇 蟻群演算法求解問題時易產生的誤區及對策 用雙向收斂蟻群演算法解作業車間調度問題 物流配送路徑安排問題的混合蟻群演算法 求解TSP問題的模式學習並行蟻群演算法 基於蟻群演算法的三維空間機器人路徑規劃 蟻群優化演算法及其應用 蟻群演算法不確定性分析 一種求解TSP問題的相遇蟻群演算法 基於蟻群優化演算法的彩色圖像顏色聚類的研究 鈑金件數控激光切割割嘴路徑的優化 基於蟻群演算法的圖像分割方法 一種基於蟻群演算法的聚類組合方法 圓排列問題的蟻群模擬退火演算法 智能混合優化策略及其在流水作業調度中的應用 蟻群演算法在QoS網路路由中的應用 一種改進的自適應路由演算法 基於蟻群演算法的煤炭運輸優化方法 基於蟻群智能和支持向量機的人臉性別分類方法 蟻群演算法在啤酒發酵控制優化中的應用 一種基於時延信息的多QoS快速自適應路由演算法 蟻群演算法中參數α、β、ρ設置的研究——以TSP問題為例 基於人工蟻群優化的矢量量化碼書設計演算法 具有自適應雜交特徵的蟻群演算法 蟻群演算法在原料礦粉混勻優化中的應用 基於多Agent的蟻群演算法在車間動態調度中的應用研究 用蟻群優化演算法求解中國旅行商問題 蟻群演算法在嬰兒營養米粉配方中的應用 蟻群演算法在機械優化設計中的應用 蟻群優化演算法的研究現狀及研究展望 蟻群優化演算法及其應用研究進展 蟻群演算法的理論與應用 簡單蟻群演算法的模擬分析 一種改進的蟻群演算法求解最短路徑問題 基於模式求解旅行商問題的蟻群演算法 一種求解TSP的混合型蟻群演算法 基於MATLAB的改進型基本蟻群演算法 動態蟻群演算法求解TSP問題 用蟻群演算法求解類TSP問題的研究 蟻群演算法求解連續空間優化問題的一種方法 用混合型螞蟻群演算法求解TSP問題 求解復雜TSP問題的隨機擾動蟻群演算法 基於蟻群演算法的中國旅行商問題滿意解 蟻群演算法的研究現狀和應用及螞蟻智能體的硬體實現 蟻群演算法概述 蟻群演算法的研究現狀及其展望 基於蟻群演算法的配電網網架優化規劃方法 用於一般函數優化的蟻群演算法 協同模型與遺傳演算法的集成 基於蟻群最優的輸電網路擴展規劃 自適應蟻群演算法 凸整數規劃問題的混合蟻群演算法 一種新的進化演算法—蛟群演算法 基於協同工作方式的一種蟻群布線系統

『玖』 什麼是交通系統確定性

確定性系統是相對於不確定系統（見隨機控制理論）而言的。在確定性系統中，所有變數都可用確切的函數關系來描述，系統的運動特性可完全確定。以確定性系統為研究對象的控制理論稱為確定性控制理論，如線性控制理論、線性系統理論、非線性系統理論和最優控制理論等。
確定城市交通系統的組織方式
1 展開城市交通調查，為城市交通規劃建設方案制定提供參考依據
2 對調查結果進行預測與評價
3 確定城市道路的形式與功能，應當在現狀條件下適應城市交通要求。

『拾』 什麼是 zdt 多目標優化測試函數

一般的結構： [x,fval] = fgoalattain(FUN,X0,GOAL,WEIGHT,A,B,Aeq,Beq,LB,UB,NONLCON) 當然，你還可以在等式右側添加輸出量，等式左側的輸入量，如果缺則填[]。 按照你給的目標函數舉例： min (x1-1)^2+(x2-2)^2+(x3-3)^2 min x1^2+2*x2^2+3*x3。