蚁群\混合蚁群遗传算法在车间作业调度的应用研究

模拟退火与蚁群混合并行算法解旅行商问题，许智宏，宋勃，本文研究了蚁群算法、模拟退火算法以及两者的混合算法的并行实现方法，建立了PC机群实验平台，基于MPI环境对蚁群算法、模拟退火算�

0积分下载，代码运行效果图见压缩包

针对生产与运输两个过程的联合决策,通过分析一类生产-运输批量优化问题,建立的混合0-1整数规划模型整合了多产品多阶段能力约束批量生产和产品运输。其中运输成本由运输工具使用数量决定,当企业内部运输能力不能满足运输需求时可将运输外包,但需支付更高的运输成本。根据此问题的特点,构造改进蚁群算法求解,令其信息素和启发信息都存在0和1两种状态下的不同取值,通过转移概率确定0-1生产准备矩阵,进一步得到生产矩阵和运输计划。仿真实验结果表明在生产批量决策的同时考虑运输,可以减少运输成本,令总费用最小,通过将实验结果与其

蚁群算法是受自然界中蚁群觅食行为启发而提出的一种智能优化算法,通过介绍蚁群搜索食物过程中基于信 息素的最短路径的搜索策略,以及蚁群算法在VRP问题中的应用,给出了用于求解物流配送路径问题的蚁群算法。并针对 蚁群算法在求解过程容易陷入局部最优的情况,提出了算法改进的措施。

通过蚁群和遗传进化的旅行时间优化 在这个项目中，我解决了出租车的旅行时间优化问题。 可以将其称为“旅行推销员问题” ，这是众所周知的计算机科学问题。 目的是找到访问一组位置的最短路径。 对于此问题，需要优化技术来智能地搜索解空间并找到接近最优的解。 更具体地说，我首先使用XGBoost模型来预测每对上落地点之间的旅行时间。 然后，我使用了进化算法，即蚁群和遗传算法，为数据中的车辆找到了最佳的旅行路线。 可以在以下链接找到有关Medium的随附博客文章： 数据集 数据是已经下载到上的数据。 我有2016年黄色出租车，绿色出租车和出租汽车的月度数据。 该数据集具有11个属性的近150万个行程记录

旅行商问题是一个大众问题，对于这类问题的解决方法也太多太多了，但我们在这里只提供一种蚁群智能算法来解决这类旅行商问题。

matlab解决TSP问题蚁群算法-蚁群算法解决TSP问题.doc 在求解TSP问题中有比较好的应用，大家可以看一下！！

可作图的java蚁群算法，att48最优解拿到10812，经过进一步的调优，有利于加速迭代，快速的拿到最优解，效果直观

蚁群算法是一种用来寻找优化路径的概率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法求解tsp问题代码，后缀改为.zip后使用