多目标蚁群算法

‘壹’ 加急！'！！军事运筹学的论文

论文摘要：文章针对侦察无人机航路规划这一问题，分析了影响航路规划的因素，构建了航路规划的模型。结合侦察无人机航路规划的特点与模型，论证了基于蚁群算法求解的理由与优点，并对蚁群算法的初始信息素强度与启发因子进行了改进。最后以岛屿进攻战役这一特定作战任务为例。利用MATLAB实现了侦察多目标时的航路规划问题。

引言

航路规划是指在目标点与起始点之间，为运动物体寻找满足某种性能指标和某些约束的线路、路径。目前对于航路规划的研究主要用于导弹、鱼雷、飞机等飞行器的飞行线路选择上，对于无人机的侦察航路的系统研究还不多见。在文献[3]中虽然也应用蚁群算法进行了航路规划，但没有充分考虑到威胁点存在和目标点价值对航路的影响，且对蚁群算法没有进行启发因子和信息素初始强度方面的创新。在相关外文文献中，由于美军无人机航程较大，其航路规划的约束条件就相对较少，可供借鉴的内容也很有限。而针对岛屿进攻战役这一特殊作战样式的研究更是尚属空白。本文正是基于这一背景下对该问题进行研究，以实现在充分发挥无人机最大作战效能的同时，又尽可能地降低无人机被毁伤概率。

1、影响航路规划的因素分析

影响侦察无人机航路规划的主要因素有如下四个方面。
1.1 目标价值
目标价值是衡量某一时刻对某一目标实施火力突击必要程度的综合指标(用Vm表示)。可采用层次分析法获得各个目标的价值Vm，也可以再进行归一化处理，得到各目标的相对价值系数Ku，以此来衡量目标的重要程度。
对不同的目标实施侦察时，对于价值较高的目标可安排更长的有效侦察时间，而对于价值相对较低的目标，则应适当压缩有效侦察时间。
1.2有效飞行时间(距离)
侦察的主要目的是发现对己方有价值目标并及时描述目标的状态，因此发现目标的概率是航路是否合理的一个重要指标。距离目标越近，飞机上侦察设备能够搜索目标区的时间也就越长，发现目标的概率也就越大。
在执行侦察任务时，为了获得某一目标的有效信息，无人机必需接近目标并使目标处于其机载电子、光学侦察设备的作用距离内。如果为了实时监控某一目标，侦察无人机还必需在此目标的上空盘旋、停留，以使目标长时间地处于机载设备的监控之下。因此对目标的发现概率可以用有效飞行时间来表征。它表示侦察无人机对目标总的侦察、监控时间，为处理方便，若侦察无人机以等速率飞行，则其有效侦察飞行时间也可转变为有效飞行距离表征。
1.3生存能力
侦察无人机要完成侦察任务就必须具备一定的生存能力。而其生存能力主要与侦察无人机的隐形规避性能、敌方雷达、防空武器的性能等相关。即侦察无人机的生存能力既受本身的易感性、易损性、可靠性影响，也受敌方的侦察探测和打击能力影响。
从侦察无人机完成飞行任务过程来看，包括发射、正常飞行和突破拦截三个过程，若用概率Pf、Pl、Ps表示三个过程的完成情况。
1.4航程(油量)限制
航程是指侦察无人机起飞后，中途不经加油所能飞越的最大水平距离，即飞行距离。是表征侦察无人机远航和持久飞行能力的指标。由于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，且由于无线电的作用距离受限，飞机执行任务的位置不能超过其作战半径。

2、航路规划构模

侦察无人机多数情况下执行特定的侦察监视飞行任务，指挥员期望的目标是在有限的飞行时间与航程内发现尽可能多的目标，同时付出的代价最小。
就航路规划的约束条件而言，首先是威胁量不能超过指挥员的许可范围，其二，是侦察无人机总的飞行距离不能超过侦察无人机的航程。一旦两者之一不能成立，表明要求的任务是无法完成的，即

3、蚁群算法及其改进

蚁群算法作为一种新的计算模式引入人工智能领域，被称为蚂蚁系统，该系统基于以下假设：
(1)蚂蚁之间通过环境进行通信。每只蚂蚁仅根据其周围的局部环境做出反应，也仅对其周围的局部环境产生影响；
(2)蚂蚁对环境的反应由其内部模式决定；
(3)在个体水平上，每只蚂蚁仅根据环境做出独立选择。在群体水平上，单只蚂蚁的行为是随机的，但蚁群通过自组织过程形成高度有序的群体行为。
3.1 基于蚁群算法进行航路规划的特点
基于蚁群算法的侦察无人机航路规划方法，能够保证在航路制订时得到一条具有较小可被探测概率及可接受航程的飞行航路，这种航路规划方法还具有以下特点：
(1)在蚂蚁不断散布生物信息激素的加强作用下，新的信息会很快被加入到环境中，而由于生物信息激素的蒸发更新，旧的信息会不断被丢失，体现出一种动态特性；
(2)最优路线是通过众多蚂蚁的合作被搜索得到的，并成为大多数蚂蚁所选择的路线，这一过程具有协同性；
(3)由于许多蚂蚁在环境中感受散布的生物信息激素同时自身也散发生物信息激素，这使得不同的蚂蚁会有不同的选择策略，具有分布性。这些特点与未来战场的许多要求是相符的，因而采用蚁群算法对侦察无人机的航路进行规划具有可行性与前瞻性。
3.2蚁群算法的改进
(1)ij(t)的初值
为了更好的考虑威胁，在定义在初始条件下定义轨迹强度不同，根据蚂蚁选择路线最优选择轨迹强度高的路线，而无人机的航路规划中则应该更优的选择距离威胁点较远的航路。那么可以定义轨迹的初始强度与距离成反比。即与威胁点越近的路线，信息素强度越小。对于两目标点间的每条路径，其信息素轨迹初始强度。

4、基于改进蚁群算法的侦察无人机航路规划的实现

4.1航路规划的初始条件
蚁群算法用于航路规划主要运用在对多目标实施搜索侦察的航路规划问题，即航路规划需要得出的是飞行经过各个目标的数量和次序，以使侦察无人机经过尽可能多的目标点。
在进行初始规划的过程中，为更方便蚁群算法的实现，首先确定坐标系，将上述各目标点及威胁点用坐标系来表示，这样可以便于实际的运算。
假设在岛屿进攻战役中以某市为坐标点(100，100)的位置，以3公里为1个坐标系单位长度建立平面直角坐标系(这是在充分考虑了将主要有价值点都包括在一个(120×120)的范围内而合理构建的)。则可以确定上述各点的坐标系位置，得到各点坐标。同时各个目标点的价值系数通过层次分析法可求得到结果(具体过程略)。
4.2蚁群算法模型的实现
4.2.1蚁周系统的各初始参量的确定
为计算和表示方便，将目标点定义为向量Mi(其中i＝1，2，3，…，12)，威胁点定义为向量Ti(其中i＝1，2，3)。采用蚁群算法实现目标点的类旅行商(TSP，Traveling Salesman Problem)问题，目前已经开发的蚁群算法包括蚁密系统、蚁量系统和蚁周系统，而实际应用多数应用后者。为模拟系统中蚂蚁行为的方便，定义标记。
4.3蚁群算法模型分析
通过比较的方法，定性分析各个情况下的目标函数值和航路规划图。不难发现在考虑了目标点价值和威胁点威胁的情况下，航路尽可能地避开了威胁并优先选择通过目标价值较大的点。这样无人机的被毁伤概率较低，且如果发生被毁伤事件时，已经发现的总体目标价值最大。
针对四种情况进行定量分析，假设指挥员的倾向性为0.6，即略侧重于考虑威胁代价。2000表示对每个目标的有效侦察距离均为2000m，计算目标函数的值，可见考虑完备时虽然航路总长最大但总体的目标函数值也最大，航程最优，即侦察无人机应按照依次通过这些目标点。

5、结束语

通过上述分析，在给定侦察无人机的侦察任务情况下经运算可求得最优的初始航路，它可以有效地提高无人机的侦察效能，降低无人机的被毁伤概率，它对于目前军事斗争准备中如何使用侦察无人机具有一定的指导意义。随着我军侦察无人机性能的提高及型号的不断丰富，在对未来岛屿进攻战役中如何对这些机型进行航路规划尚有待于进一步探讨。

‘贰’ 谢维信的最新论文

一种用于三维空间杂波环境机动目标跟踪的数据互联方法，《电子与信息学报》2009年 第4期
被动传感器阵列中基于粒子滤波的目标跟踪，《电子与信息学报》2009年 第4期
一种新的嵌入式Linux高性能定时器实现方法，《信号处理》2009年 第3期
一种新的红外弱小目标检测与跟踪算法，《信号处理》2008年 第6期
被动传感器网基于修正Riccati方程的系统优化设计，《信号处理》2008年 第5期
基于SIS框架和蚁群算法的非线性多目标跟踪，《电子与信息学报》2008年 第9期
基于人类视觉系统的自适应数字水印算法，《上海交通大学学报》2008年 第7期
一种基于电子签章的二值图像数字水印算法，《信号处理》2008年 第3期
基于身份的网络化制造安全协同商务平台，《计算机工程》2008年 第13期
基于Clifford代数传感器网络覆盖理论的路径分析，《电子学报》2007年 第B12期
传感器网络高阶模糊覆盖分析，《电子学报》2007年 第B12期
传感器网络最佳情况模糊覆盖问题研究，《电子学报》2007年 第B12期
一种基于蚁群算法的多目标跟踪数据关联方法，《电子学报》2008年 第3期
基于数据仓库的投资决策支持系统设计研究，《微电子学与计算机》2008年 第2期
量子球壳聚类，《西安电子科技大学学报》2008年 第1期
基于身份的安全邮件认证体系设计与分析，《计算机科学》2008年 第2期
异类传感器系统目标快速定位方法，《系统工程与电子技术》2007年 第12期
一种基于并行计算熵迁移策略的多分辨DOM数据生成算法，《中国科学技术大学学报》2007年 第12期
基于模糊Hough变换的被动传感器系统航迹起始方法，《系统工程与电子技术》2007年 第11期
THz信号处理与分析的研究现状和发展展望，《电子学报》2007年 第10期
模糊数据互联滤波器及其在机动目标跟踪中的应用，《系统仿真学报》2007年 第20期
分布式异类传感器网异步采样下的航迹起始算法，《系统工程与电子技术》2007年 第9期
机动目标跟踪中数据互联新方法，《电子与信息学报》2007年 第10期
一种新的视界覆盖遗传算法，《西安电子科技大学学报》2007年 第5期
基于运动特征的远距离红外目标检测方法，《电子与信息学报》2007年 第8期
被动传感器网基于模糊综合贴近度的航迹起始，《电子学报》2007年 第8期
基于IBE的跨网络电子公文安全交换平台，《微计算机信息》2007年 第18期
一种基于身份的无可信第三方签名方案，《深圳大学学报：理工版》2007年 第3期
基于图像梯度场序列的双向GDIM光流计算方法，《电子学报》2007年 第7期
一种基于身份的短数字签名方案，《微计算机信息》2007年 第21期
分布式异类传感器网Hough变换航迹起始算法，《深圳大学学报：理工版》2007年 第2期
基于DWT和DCT域的二值图像数字水印算法，《计算机与数字工程》2007年 第3期
基于并行计算熵的同构集群负载均衡算法，《深圳大学学报：理工版》2007年 第1期
基于unscented粒子滤波的红外弱小目标跟踪，《系统工程与电子技术》2007年 第1期
一种空域DCT与时域DWT相结合的鲁棒视频数字水印算法，《中国体视学与图像分析》2006年 第4期
图像插值方法对互信息局部极值的影响分析，《电子与信息学报》2006年 第10期
网状被动传感器系统优化设计， 《系统工程与电子技术》2006年 第12期
基于小波变换和目标运动特性的红外弱小目标检测， 《红外》2006年 第9期
基于小波变换的红外弱小目标检测新方法，《红外技术》2006年 第7期
在线CA的安全增强方案研究，《计算机工程》2006年 第11期
基于ADSP—BF561车载多媒体系统，《现代电子技术》2006年 第3期
空间分析中视界覆盖问题的研究，《系统工程与电子技术》2005年 第11期
模糊观测数据的关联和目标跟踪，《信号处理》2005年 第4期
从航空影像中自动提取高层建筑物，《计算机学报》2005年 第7期
城市航空影像中基于模糊Retinex的阴影消除，《电子学报》2005年 第3期
一种新的自适应图像模糊增强算法，《西安电子科技大学学报》2005年 第2期
基于OAR模型的航空影像高层建筑自动提取，《深圳大学学报：理工版》2005年 第1期
红外热图像序列中基于人体模型的目标头部定位方法，《激光与红外》2005年 第2期
直线Snakes及其在建筑物提取中的应用，《西安电子科技大学学报》2005年 第1期
网状被动传感器系统视线交叉目标定位方法，《电子与信息学报》2005年 第1期
一种新的道路描述子：对称边缘方向直方图，《电子学报》2005年 第1期
基于对称边缘方向直方图自动提取主要道路，《中国体视学与图像分析》2005年 第2期
分布式被动传感器网异步采样下的机动目标跟踪，《系统仿真学报》2005年 第6期
一种基于频带一致性的多模态图像校准算法，《通信学报》2005年 第4期
基于模糊熵的自适应图像多层次模糊增强算法，《电子学报》2005年 第4期
一种安全增强的基于椭圆曲线可验证门限签名方案，《计算机研究与发展》2005年 第4期
密码学与数字水印在电子印章中的应用，《微机发展》2004年 第11期
一种安全实用的电子公文系统设计与实现， 《现代电子技术》2004年 第21期
基于DSP的PCI图像采集卡设计，《现代电子技术》2004年 第4期
基于DSP组建短波电台无线数据传输网络的系统设计，《电子设计应用》2004年 第2期
基于直方图的自适应高斯噪声滤波器，《系统工程与电子技术》2004年 第1期
短波电台无线数据传输网络的组建，《现代电子技术》2004年 第3期
半抑制式模糊C-均值聚类算法，《中国体视学与图像分析》2004年 第2期
基于模糊推理的自动多级图像分割，《中国体视学与图像分析》2004年 第1期
航空影像中立交桥的自动检测，《中国体视学与图像分析》2004年 第1期
网状被动传感器系统航迹初始状态估计，《信号处理》2004年 第6期
被动传感器系统分层快速关联算法，《电子学报》2004年 第12期
一种基于模糊运算的多目标多传感器跟踪算法，《系统工程与电子技术》2004年 第11期
异步被动传感器系统模糊Hough变换航迹起始算法，《系统工程与电子技术》2004年 第11期
窗户纹理的时频描述及其在建筑物提取中的应用，《中国图象图形学报：A辑》2004年 第10期
基于模糊熵的支撑矢量预选取方法，《复旦学报：自然科学版》2004年 第5期
基于物方几何约束提取建筑物垂直边缘，《中国图象图形学报：A辑》2004年 第9期
分布式网状被动传感器系统定位误差分析，《西安电子科技大学学报》2004年 第5期
分布式网状被动传感器系统量测数据关联，《系统工程与电子技术》2004年 第12期
基于核方法的分类型属性数据集模糊聚类算法，《华南理工大学学报：自然科学版》2004年 第9期
基于模糊决策的密集多回波环境下航迹起始算法，《雷达与对抗》2004年 第3期
红外传感器阵列基于信息冗余性的目标定位，《系统工程与电子技术》2004年 第8期
基于核方法的模糊聚类算法，《西安电子科技大学学报》2004年 第4期
一种用于模式识别的多色Voronoi图，《系统工程与电子技术》2004年 第7期
基于DSP的短波电台无线数据传输网络实现，《深圳大学学报：理工版》2004年 第3期
基于直方图的自适应图像去噪滤波器，《电子学报》2004年 第7期
自适应模糊Hough变换，《电子学报》2004年 第6期
基于主动秘密共享的安全容忍入侵方案，《兰州交通大学学报》2004年 第1期
基于模糊熵的多值图像恢复方法，《西安电子科技大学学报》2004年 第2期

‘叁’ 多目标智能优化算法及其应用的序言

大多数工程和科学问题都是多目标优化问题，存在多个彼此冲突的目标，如何获取这些问题的最优解，一直都是学术界和工程界关注的焦点问题.与单目标优化问题不同，多目标优化的本质在于，大多数情况下，某目标的改善可能引起其他目标性能的降低，同时使多个目标均达到最优是不可能的，只能在各目标之间进行协调权衡和折中处理，使所有目标函数尽可能达到最优，而且问题的最优解由数量众多，甚至无穷大的Pareto最优解组成。
智能优化算法是一类通过模拟某一自然现象或过程而建立起来的优化方法’这类算法包括进化算法、粒子群算法、禁忌搜索、分散搜索、模拟退火、人工免疫系统和蚁群算法等。和传统的数学规划法相比，智能优化算法更适合求解多目标优化问题。首先，大多数智能优化算法能同时处理一组解，算法每运行一次，能获得多个有效解。其次，智能优化算法对Pareto最优前端的形状和连续性不敏感，能很好地逼近非凸或不连续的最优前端。目前，智能优化算法作为一类启发式搜索算法，已被成功应用于多目标优化领域，出现了一些热门的研究方向，如进化多目标优化，同时，多目标智能优化算法在电力系统、制造系统和控制系统等方面的应用研究也取得了很大的进展。
本书力图全面总结作者和国内外同行在多目标智能优化算法的理论与应用方面所取得的一系列研究成果。全书包括两部分，共8章。第一部分为第1-4主要介绍了各种多目标智能优化算法的理论。其中第1章为绪论，介绍各种智能优化算法的基本思想和原理。第2章介绍多目标进化算法，主要描述多目标进化算法的基本原理、典型算法和各种进化机制与策略，如混合策略、协同进化和动态进化策略等。第3章介绍多目标粒子群算法，包括基本原理、典型算法、混合算法和交互粒子群算法等。第4章描述除粒子群算法和进化算法之外的其他多目标智能优化算法，主要介绍多目标模拟退火算法、多目标蚁群算法、多目标免疫算法、多目标差分进化算法和多目标分散搜索等。
第二部分为第5-8章，主要介绍了多目标智能优化算法的应用’包括神经网络优化、生产调度、交通与物流系统优化、电力系统优化及其他。第5章描述人工神经网络的多目标优化，主要包括Pareto进化神经网络、径向基神经网络、递归神经网络和模糊神经网络。第6章介绍交通与物流系统优化，主要描述了智能优化算法在物流配送、城市公交路线网络和公共交通调度等方面的应用。

‘肆’ 蚁群优化算法的使用-编码的问题！

“蚁群算法”学习包下载

下载地址： http://board.verycd.com/t196436.html (请使用 eMule 下载)

近一百多篇文章，打包压缩后有 24.99MB ，基本上是从维普数据库中下载来的，仅供学习和研究之用，请务用于商业活动或其他非法活动中，各文章版权归原作者所有。

如果您觉得本人这样做侵犯了您的版权，请在本帖后回复，本人会马上删除相应的文章。

以下是文件列表，全是 PDF 格式的：

基于蚁群优化算法递归神经网络的短期负荷预测
蚁群算法的小改进
基于蚁群算法的无人机任务规划
多态蚁群算法
MCM基板互连测试的单探针路径优化研究
改进的增强型蚁群算法
基于云模型理论的蚁群算法改进研究
基于禁忌搜索与蚁群最优结合算法的配电网规划
自适应蚁群算法在序列比对中的应用
基于蚁群算法的QoS多播路由优化算法
多目标优化问题的蚁群算法研究
多线程蚁群算法及其在最短路问题上的应用研究
改进的蚁群算法在2D HP模型中的应用
制造系统通用作业计划与蚁群算法优化
基于混合行为蚁群算法的研究
火力优化分配问题的小生境遗传蚂蚁算法
基于蚁群算法的对等网模拟器的设计与实现
基于粗粒度模型的蚁群优化并行算法
动态跃迁转移蚁群算法
基于人工免疫算法和蚁群算法求解旅行商问题
基于信息素异步更新的蚁群算法
用于连续函数优化的蚁群算法
求解复杂多阶段决策问题的动态窗口蚁群优化算法
蚁群算法在铸造生产配料优化中的应用
多阶段输电网络最优规划的并行蚁群算法
求解旅行商问题的混合粒子群优化算法
微粒群优化算法研究现状及其进展
随机摄动蚁群算法的收敛性及其数值特性分析
广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用
改进的蚁群算法及其在TSP中的应用研究
蚁群算法的全局收敛性研究及改进
房地产开发项目投资组合优化的改进蚁群算法
一种改进的蚁群算法用于灰色约束非线性规划问题求解
一种自适应蚁群算法及其仿真研究
一种动态自适应蚁群算法
蚂蚁群落优化算法在蛋白质折叠二维亲-疏水格点模型中的应用
用改进蚁群算法求解函数优化问题
连续优化问题的蚁群算法研究进展
蚁群算法概述
Ant colony system algorithm for the optimization of beer fermentation control
蚁群算法在K—TSP问题中的应用
Parallel ant colony algorithm and its application in the capacitated lot sizing problem for an agile supply chain
基于遗传蚁群算法的机器人全局路径规划研究
改进的蚁群算法在矿山物流配送路径优化中的研究
基于蚁群算法的配电网络综合优化方法
基于蚁群算法的分类规则挖掘算法
蚁群算法在连续性空间优化问题中的应用
蚁群算法在矿井通风系统优化设计中的应用
基于蚁群算法的液压土锚钻机动力头优化设计
改进蚁群算法设计拉式膜片弹簧
计算机科学技术
基本蚁群算法及其改进
TSP改进算法及在PCB数控加工刀具轨迹中的应用
可靠性优化的蚁群算法
对一类带聚类特征TSP问题的蚁群算法求解
蚁群算法理论及应用研究的进展
基于二进制编码的蚁群优化算法及其收敛性分析
蚁群算法的理论及其应用
基于蚁群行为仿真的影像纹理分类
启发式蚁群算法及其在高填石路堤稳定性分析中的应用
蚁群算法的研究现状
一种快速全局优化的改进蚁群算法及仿真
聚类问题的蚁群算法
蚁群最优化——模型、算法及应用综述
基于信息熵的改进蚁群算法及其应用
机载公共设备综合管理系统任务分配算法研究
基于改进蚁群算法的飞机低空突防航路规划
利用信息量留存的蚁群遗传算法
An Improved Heuristic Ant-Clustering Algorithm
改进型蚁群算法在内燃机径向滑动轴承优化设计中的应用
基于蚁群算法的PID参数优化
基于蚁群算法的复杂系统多故障状态的决策
蚁群算法在数据挖掘中的应用研究
基于蚁群算法的基因联接学习遗传算法
基于细粒度模型的并行蚁群优化算法
Binary-Coding-Based Ant Colony Optimization and Its Convergence
运载火箭控制系统漏电故障诊断研究
混沌扰动启发式蚁群算法及其在边坡非圆弧临界滑动面搜索中的应用
蚁群算法原理的仿真研究
Hopfield neural network based on ant system
蚁群算法及其实现方法研究
分层实体制造激光头切割路径的建模与优化
配送网络规划蚁群算法
基于蚁群算法的城域交通控制实时滚动优化
基于蚁群算法的复合形法及其在边坡稳定分析中的应用
Ant Colony Algorithm for Solving QoS Routing Problem
多产品间歇过程调度问题的建模与优化
基于蚁群算法的两地之间的最佳路径选择
蚁群算法求解问题时易产生的误区及对策
用双向收敛蚁群算法解作业车间调度问题
物流配送路径安排问题的混合蚁群算法
求解TSP问题的模式学习并行蚁群算法
基于蚁群算法的三维空间机器人路径规划
蚁群优化算法及其应用
蚁群算法不确定性分析
一种求解TSP问题的相遇蚁群算法
基于蚁群优化算法的彩色图像颜色聚类的研究
钣金件数控激光切割割嘴路径的优化
基于蚁群算法的图像分割方法
一种基于蚁群算法的聚类组合方法
圆排列问题的蚁群模拟退火算法
智能混合优化策略及其在流水作业调度中的应用
蚁群算法在QoS网络路由中的应用
一种改进的自适应路由算法
基于蚁群算法的煤炭运输优化方法
基于蚁群智能和支持向量机的人脸性别分类方法
蚁群算法在啤酒发酵控制优化中的应用
一种基于时延信息的多QoS快速自适应路由算法
蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例
基于人工蚁群优化的矢量量化码书设计算法
具有自适应杂交特征的蚁群算法
蚁群算法在原料矿粉混匀优化中的应用
基于多Agent的蚁群算法在车间动态调度中的应用研究
用蚁群优化算法求解中国旅行商问题
蚁群算法在婴儿营养米粉配方中的应用
蚁群算法在机械优化设计中的应用
蚁群优化算法的研究现状及研究展望
蚁群优化算法及其应用研究进展
蚁群算法的理论与应用
简单蚁群算法的仿真分析
一种改进的蚁群算法求解最短路径问题
基于模式求解旅行商问题的蚁群算法
一种求解TSP的混合型蚁群算法
基于MATLAB的改进型基本蚁群算法
动态蚁群算法求解TSP问题
用蚁群算法求解类TSP问题的研究
蚁群算法求解连续空间优化问题的一种方法
用混合型蚂蚁群算法求解TSP问题
求解复杂TSP问题的随机扰动蚁群算法
基于蚁群算法的中国旅行商问题满意解
蚁群算法的研究现状和应用及蚂蚁智能体的硬件实现
蚁群算法概述
蚁群算法的研究现状及其展望
基于蚁群算法的配电网网架优化规划方法
用于一般函数优化的蚁群算法
协同模型与遗传算法的集成
基于蚁群最优的输电网络扩展规划
自适应蚁群算法
凸整数规划问题的混合蚁群算法
一种新的进化算法—蛟群算法
基于协同工作方式的一种蚁群布线系统

‘伍’ 蚁群优化算法的蚁群优化算法

开本： 16开
所属分类： 图书 >> 计算机/网络 >> 人工智能
定价：￥43.00 主要内容包括蚁群算法基本原理、蚁群算法在TSP及其扩展问题求解中的应用、蚁群算法在VRP及其扩展问题求解中的应用、蚁群算法在最优树问题求解中的应用、蚁群算法在整数规划问题求解中的应用、一般连续优化问题的蚁群算法以及多目标蚁群算法等。书中还给出了一些主要算法的Delphi程序实现源代码，可供参考或修改使用。
本书可供运筹学、管理科学、系统工程、计算机科学等有关专业的高校师生、科研人员和工程技术人员阅读参考。

‘陆’ 蚁群优化算法的目录

1.1 组合优化与计算复杂性
1.2 来自自然界的几类优化方法 2.1 基本思想
2.2研究概况 3.1 TSP概述
3.2 经典方法
3.3 遗传算法与模拟退火法
3.4蚁群算法
3.5 元胞蚁群算法及其收敛性 4.1 瓶颈TSP及其求解
4.2 最小比率TSP及其求解
4.3 时间约束TSP及其求解
4.4 多目标TSP及其求解 5.1 VRP概述
5.2 CVRP及其求解
5.3 多目标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 度约束最小树问题及其求解
6.2 Steiner最小树问题及其求解
6.3 Min-Max度最优树问题与多目标最小树问题 7.1 0-1规划问题及其求解
7.2 背包问题及其求解
7.3 多目标0-1规划问题及其求解
7.4 一般整数规划问题及其求解 8.1 基本蚁群算法
8.2 元胞蚁群算法
8.3 平面选址问题及其求解
8.4 多目标优化问题及其求解 9.1 二次分配问题及其求解
9.2 图着色问题及其求解
9.3 多目标最短路及其求解 附录 中国144城市相对坐标数据
后记
《运筹与管理科学丛书》已出版书目

‘柒’ 多目标智能优化算法及其应用的目录

《智能科学技术着作丛书》序
前言
第1章 绪论
1.1 进化算法
1.1.1 进化算法的基本框架
1.1.2 遗传算法
1.1.3 进化策略
1.1.4 进化规划
1.2 粒子群算法
1.2.1 标准粒子群算法
1.2.2 算法解析
1.3 蚁群算法
1.3.1 蚁群算法的基本思想
1.3.2 蚁群算法的实现过程
1.3.3 蚁群算法描述
1.3.4 蚁群优化的特点
1.4 模拟退火算法122
1.4.1 模拟退火算法的基本原理
1.4.2 模拟退火算法描述
1.5 人工免疫系统
1.5.1 生物免疫系统
1.5.2 人工免疫系统
1.6 禁忌搜索
1.7 分散搜索
1.8 多目标优化基本概念
参考文献
第2章 多目标进化算法
2.1 基本原理
2.1.1 MOEA模型
2.1.2 性能指标与测试函数
2.2 典型多目标进化算法
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 多目标混合进化算法
2.3.1 多目标遗传局部搜索
2.3.2 J—MOGLS
2.3.3 M PAES
2.3.4 多目标混沌进化算法
2.4 协同多目标进化算法
2.5 动态多目标进化算法
2.5.1 IMOEA
2.5.2 动态MOEA(DMOEA)
2.6 并行多目标进化算法
2.6.1 并行多目标进化算法的基本原理
2.6.2 多分辨率多目标遗传算法
2.6.3 并行单前端遗传算法
2.7 其他多目标进化算法
2.7.1 高维多目标优化的NSGA2改进算法
2.7.2 动态多目标优化的进化算法
2.8 结论与展望
参考文献
第3章 多目标粒子群算法
3.1 基本原理
3.2 典型多目标粒子群算法
3.2.1 CMOPSO
3.2.2 多目标全面学习粒子群算法
3.2.3 Pareto档案多目标粒子群优化
3.3 多目标混合粒子群算法
3.3.1 模糊多目标粒子群算法
3.3.2 基于分散搜索的多目标混合粒子群算法
3.4 交互粒子群算法
3.5 结论
参考文献
第4章 其他多目标智能优化算法
4.1 多目标模拟退火算法
4.2 多目标蚁群算法
4.2.1 连续优化问题的多目标蚁群算法
4.2.2 组合优化问题的多目标蚁群算法
4.3 多目标免疫算法
4.4 多目标差分进化算法
4.5 多目标分散搜索
4.6 结论
参考文献
第5章 人工神经网络优化
5.1 Pareto进化神经网络
5.2 径向基神经网络优化与设计
5.3 递归神经网络优化与设计
5.4 模糊神经网络多目标优化
5.5 结论
参考文献
第6章 交通与物流系统优化
6.1 物流配送路径优化
6.1.1 多目标车辆路径优化
6.1.2 多目标随机车辆路径优化
6.2 城市公交路线网络优化
6.3 公共交通调度
6.3.1 概述
6.3.2 多目标驾驶员调度
6.4 结论
参考文献
第7章 多目标生产调度
7.1 生产调度描述_
7.1.1 车间调度问题
7.1.2 间隙生产调度
7.1.3 动态生产调度
7.1.4 批处理机调度和E/T调度
7.2 生产调度的表示方法
7.3 基于进化算法的多目标车间调度
7.3.1 多目标流水车间调度
7.3.2 多目标作业车间调度
7.4 基于进化算法的多目标模糊调度
7.4.1 模糊调度：Sakawa方法
7.4.2 模糊作业车间调度：cMEA方法
7.5 基于进化算法的多目标柔性调度
7.5.1 混合遗传调度方法
7.5.2 混合遗传算法
7.6 基于粒子群优化的多目标调度
7.6.1 基于粒子群优化的多目标作业车间调度
7.6.2 多目标柔性调度的混合粒子群方法
7.7 多目标随机调度
7.8 结论与展望
参考文献
第8章 电力系统优化及其他
8.1 电力系统优化
8.1.1 基于免疫算法的多目标无功优化
8.1.2 基于分层优化的多目标电网规划
8.1.3 基于NSGA2及协同进化的多目标电网规划
8.2 多播Qos路由优化
8.3 单元制造系统设计
8.3.1 概述
8.3.2 基于禁忌搜索的多目标单元构造
8.3.3 基于并行禁忌搜索的多目标单元构造
8.4 自动控制系统设计
8.4.1 概述
8.4.2 混合动力学系统控制
8.4.3 鲁棒PID控制器设计
8.5 结论
参考文献
附录 部分测试函数
……

‘捌’ 寻找配送商应注意哪些

http://www.equn.com/forum/viewthread.php?tid=6768 近一百多篇文章，打包压缩后有 24.99MB ，基本上是从维普数据库中下载来的蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。引言 20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发，提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题．20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法．用该方法求解TsP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题 方面有一定优势，表明它是一种有发展前景的算法．蚁群算法的原理： 研究表明：蚂蚁在觅食途中会留下一种外激素．蚂蚁利用外激素与其他蚂蚁交流、合作，找到较短路径．经过某地的蚂蚁越多，外激素的强度越大．蚂蚁择路偏向选择外激素强度大的方向．这种跟随外激素强度前进的行为会随着经过蚂蚁的增多而加强，因为通过较短路径往返于食物和巢穴之间的蚂蚁能以更短的时间经过这条路径上的点，所以这些点上的外激素就会因蚂蚁经过的次数增多而增强．这样就会有更多的蚂蚁选择此路径，这条路径上的外激素就会越来越强，选择此路径的蚂蚁也越来越多．直到最后，几乎所有的蚂蚁都选择这条最短的路径．这是一种正反馈现象。 以下是文件列表，全是 PDF 格式的：基于蚁群优化算法递归神经网络的短期负荷预测 蚁群算法的小改进 基于蚁群算法的无人机任务规划 多态蚁群算法 MCM基板互连测试的单探针路径优化研究 改进的增强型蚁群算法 基于云模型理论的蚁群算法改进研究 基于禁忌搜索与蚁群最优结合算法的配电网规划 自适应蚁群算法在序列比对中的应用 基于蚁群算法的QoS多播路由优化算法 多目标优化问题的蚁群算法研究 多线程蚁群算法及其在最短路问题上的应用研究 改进的蚁群算法在2D HP模型中的应用 制造系统通用作业计划与蚁群算法优化 基于混合行为蚁群算法的研究 火力优化分配问题的小生境遗传蚂蚁算法 基于蚁群算法的对等网模拟器的设计与实现 基于粗粒度模型的蚁群优化并行算法 动态跃迁转移蚁群算法 基于人工免疫算法和蚁群算法求解旅行商问题 基于信息素异步更新的蚁群算法 用于连续函数优化的蚁群算法 求解复杂多阶段决策问题的动态窗口蚁群优化算法 蚁群算法在铸造生产配料优化中的应用 多阶段输电网络最优规划的并行蚁群算法 求解旅行商问题的混合粒子群优化算法 微粒群优化算法研究现状及其进展 随机摄动蚁群算法的收敛性及其数值特性分析 广义蚁群与粒子群结合算法在电力系统经济负荷分配中的应用 改进的蚁群算法及其在TSP中的应用研究 蚁群算法的全局收敛性研究及改进 房地产开发项目投资组合优化的改进蚁群算法 一种改进的蚁群算法用于灰色约束非线性规划问题求解 一种自适应蚁群算法及其仿真研究 一种动态自适应蚁群算法 蚂蚁群落优化算法在蛋白质折叠二维亲-疏水格点模型中的应用 用改进蚁群算法求解函数优化问题 连续优化问题的蚁群算法研究进展 蚁群算法概述 Ant colony system algorithm for the optimization of beer fermentation control 蚁群算法在K—TSP问题中的应用 Parallel ant colony algorithm and its application in the capacitated lot sizing problem for an agile supply chain 基于遗传蚁群算法的机器人全局路径规划研究 改进的蚁群算法在矿山物流配送路径优化中的研究 基于蚁群算法的配电网络综合优化方法 基于蚁群算法的分类规则挖掘算法 蚁群算法在连续性空间优化问题中的应用 蚁群算法在矿井通风系统优化设计中的应用 基于蚁群算法的液压土锚钻机动力头优化设计 改进蚁群算法设计拉式膜片弹簧 计算机科学技术 基本蚁群算法及其改进 TSP改进算法及在PCB数控加工刀具轨迹中的应用 可靠性优化的蚁群算法 对一类带聚类特征TSP问题的蚁群算法求解 蚁群算法理论及应用研究的进展 基于二进制编码的蚁群优化算法及其收敛性分析 蚁群算法的理论及其应用 基于蚁群行为仿真的影像纹理分类 启发式蚁群算法及其在高填石路堤稳定性分析中的应用 蚁群算法的研究现状 一种快速全局优化的改进蚁群算法及仿真 聚类问题的蚁群算法 蚁群最优化——模型、算法及应用综述 基于信息熵的改进蚁群算法及其应用 机载公共设备综合管理系统任务分配算法研究 基于改进蚁群算法的飞机低空突防航路规划 利用信息量留存的蚁群遗传算法 An Improved Heuristic Ant-Clustering Algorithm 改进型蚁群算法在内燃机径向滑动轴承优化设计中的应用 基于蚁群算法的PID参数优化 基于蚁群算法的复杂系统多故障状态的决策 蚁群算法在数据挖掘中的应用研究 基于蚁群算法的基因联接学习遗传算法 基于细粒度模型的并行蚁群优化算法 Binary-Coding-Based Ant Colony Optimization and Its Convergence 运载火箭控制系统漏电故障诊断研究 混沌扰动启发式蚁群算法及其在边坡非圆弧临界滑动面搜索中的应用 蚁群算法原理的仿真研究 Hopfield neural network based on ant system 蚁群算法及其实现方法研究 分层实体制造激光头切割路径的建模与优化 配送网络规划蚁群算法 基于蚁群算法的城域交通控制实时滚动优化 基于蚁群算法的复合形法及其在边坡稳定分析中的应用 Ant Colony Algorithm for Solving QoS Routing Problem 多产品间歇过程调度问题的建模与优化 基于蚁群算法的两地之间的最佳路径选择 蚁群算法求解问题时易产生的误区及对策 用双向收敛蚁群算法解作业车间调度问题 物流配送路径安排问题的混合蚁群算法 求解TSP问题的模式学习并行蚁群算法 基于蚁群算法的三维空间机器人路径规划 蚁群优化算法及其应用 蚁群算法不确定性分析 一种求解TSP问题的相遇蚁群算法 基于蚁群优化算法的彩色图像颜色聚类的研究 钣金件数控激光切割割嘴路径的优化 基于蚁群算法的图像分割方法 一种基于蚁群算法的聚类组合方法 圆排列问题的蚁群模拟退火算法 智能混合优化策略及其在流水作业调度中的应用 蚁群算法在QoS网络路由中的应用 一种改进的自适应路由算法 基于蚁群算法的煤炭运输优化方法 基于蚁群智能和支持向量机的人脸性别分类方法 蚁群算法在啤酒发酵控制优化中的应用 一种基于时延信息的多QoS快速自适应路由算法 蚁群算法中参数α、β、ρ设置的研究——以TSP问题为例 基于人工蚁群优化的矢量量化码书设计算法 具有自适应杂交特征的蚁群算法 蚁群算法在原料矿粉混匀优化中的应用 基于多Agent的蚁群算法在车间动态调度中的应用研究 用蚁群优化算法求解中国旅行商问题 蚁群算法在婴儿营养米粉配方中的应用 蚁群算法在机械优化设计中的应用 蚁群优化算法的研究现状及研究展望 蚁群优化算法及其应用研究进展 蚁群算法的理论与应用 简单蚁群算法的仿真分析 一种改进的蚁群算法求解最短路径问题 基于模式求解旅行商问题的蚁群算法 一种求解TSP的混合型蚁群算法 基于MATLAB的改进型基本蚁群算法 动态蚁群算法求解TSP问题 用蚁群算法求解类TSP问题的研究 蚁群算法求解连续空间优化问题的一种方法 用混合型蚂蚁群算法求解TSP问题 求解复杂TSP问题的随机扰动蚁群算法 基于蚁群算法的中国旅行商问题满意解 蚁群算法的研究现状和应用及蚂蚁智能体的硬件实现 蚁群算法概述 蚁群算法的研究现状及其展望 基于蚁群算法的配电网网架优化规划方法 用于一般函数优化的蚁群算法 协同模型与遗传算法的集成 基于蚁群最优的输电网络扩展规划 自适应蚁群算法 凸整数规划问题的混合蚁群算法 一种新的进化算法—蛟群算法 基于协同工作方式的一种蚁群布线系统

‘玖’ 什么是交通系统确定性

确定性系统是相对于不确定系统（见随机控制理论）而言的。在确定性系统中，所有变量都可用确切的函数关系来描述，系统的运动特性可完全确定。以确定性系统为研究对象的控制理论称为确定性控制理论，如线性控制理论、线性系统理论、非线性系统理论和最优控制理论等。
确定城市交通系统的组织方式
1 展开城市交通调查，为城市交通规划建设方案制定提供参考依据
2 对调查结果进行预测与评价
3 确定城市道路的形式与功能，应当在现状条件下适应城市交通要求。

‘拾’ 什么是 zdt 多目标优化测试函数

一般的结构： [x,fval] = fgoalattain(FUN,X0,GOAL,WEIGHT,A,B,Aeq,Beq,LB,UB,NONLCON) 当然，你还可以在等式右侧添加输出量，等式左侧的输入量，如果缺则填[]。 按照你给的目标函数举例： min (x1-1)^2+(x2-2)^2+(x3-3)^2 min x1^2+2*x2^2+3*x3。