基于改进蚁群算法的油品调和配方优化研究，刘甲林，李琦，油品调和是生产成品油的关键环节，调和配方的优劣决定了炼油厂最终利润的大小。针对油品调和复杂非线性约束配方优化问题，提出了

研究了一种改进蚁群算法在无人驾驶飞行器三维航迹规划中的应用。针对基本蚁群算法容易过早陷入局部最优以及过早陷入迭代停滞的缺陷,新提出了一种信息素挥发系数的随机自适应调节方法;借助最小威胁曲面这个概念,将最小威胁曲面向水平面投影,使三维航迹规划转换为二维航迹规划;并借助动态窗口这个概念,在三维离线航迹的基础上进行航迹局部重规划;最后给出仿真验证。仿真结果表明:改进蚁群算法在解的优越性和算法的快速性上都全面优于基本蚁群算法,并且改进的蚁群算法在三维航迹重规划上有很强的适应性。

针对Stewart平台的奇异性分析，以雅可比矩阵行列式为目标函数，将奇异性分析问题转化为在并联机构可达工作空间内的连续优化问题。通过对基本蚁群算法中的全局搜索、局部搜索以及信息素更新规则等环节进行有效的调整，构成了更加适用于连续优化问题求解的改进蚁群算法。采用该算法进行了Stewart平台的奇异性分析，结果证实了改进蚁群算法具有较好的全局优化能力和较快的收敛速度，从而为解决并联机构奇异性分析这一类问题提供了有价值的参考。

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。

针对蚁群算法进化速度慢、容易出现停滞现象、容易陷入局部最优等缺点，提出了一种基于自适应信息素挥发因子、决策变量高斯变异和决策变量边界自调整三种改进策略的混合改进蚁群算法。将其应用于函数优化中，仿真结果表明混合改进蚁群算法提高了寻优精度，加快了寻优速度，提高了收敛率

对于蚁群算法做出的改进，按信息素大小进行排序

带时间窗的团队定向问题是一类重要的物流配送路径优化问题，其优化目标是制定最优可行车辆路线，在规定的时间窗内服务一组顾客，以获得最大的总收益。提出了一类改进蚁群算法，用以求解该问题。为了提高解构造质量与效率，使用一种快速的方法来确定动态候选链表，并且利用串行法和贪婪法构造解。与迭代局部搜索相比，所提算法能够在12s内得到更好的解。

求解两类组合优化问题的改进蚁群算法.pdf

人工智人-家居设计-改进蚁群算法及其在智能控制中的应用.pdf