针对开采沉陷计算参数反演方法存在早熟收敛现象、容易陷入局部最优解的问题,提出将蚁群算法运用于开采沉陷计算参数反演:首先对反演参数的搜索空间进行离散,将参数反演问题转化为组合优化问题,然后建立了基于最大-最小蚁群算法的概率积分法计算参数反演流程。应用实例表明,蚁群算法对观测站测点缺失具有较强的抗干扰能力,较最小二乘法和模矢法有较好的拟合效果。

在MATLAB中用一群算法实现三维路径规划的代码，可以运行，自己修改地图数据即可达到自己的需求

1、资源内容：基于Matlab蚁群算法的三维路径规划算法（源码+数据）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、解压说明：本资源需要电脑端使用WinRAR、7zip等解压工具进行解压，没有解压工具的自行百度下载即可。 4、免责声明：本资源作为“参考资料”而不是“定制需求”，代码只能作为参考，不能完全复制照搬。不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试代码并解决报错，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。

为了提高瓦斯涌出量预测的精度和预测模型的泛化能力,提出了一种基于蚁群算法(ACO)优化支持向量机(SVM)参数的瓦斯涌出量预测方法。在SVM所建立预测模型中各个参数的取值区间内,采用蚁群优化算法计算预测模型各个参数的最佳值,基于最佳参数的SVM建立瓦斯涌出量预测模型。结果表明:采用未优化的SVM建立的预测方法,其个别预测误差相对较大,最大误差为8.11%,平均误差为4.68%,采用ACO对于预测模型的参数进行优化后,预测性能有显著提高,最大误差为4.37%,平均误差为2.89%,表明所建议的方法是有效、可行的。

遗传 蚁群 算法 VC++代码

针对无人机SEAD任务的路径规划问题，利用VORONOI图构建初始路径，分析了路径代价计算方法，并使用改进的多目标蚁群算法对路径进行优化选择。针对该特殊应用场景，引入了各路径段与起始点—目标点连线的夹角信息作为新的启发信息，加快了算法的搜索速度，同时改进启发信息的计算公式，适当缩小各可选路径段启发信息量的差异，加强了蚁群算法的全局搜索能力。仿真结果显示，与基本多目标蚁群算法相比，改进后的算法有效提高了路径搜索的效率和质量。

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

利用经典人工智能生物蚁群算法,引入单体混沌理论对一般的人工蚁群算法进行优化,构建了以煤体有效应力、瓦斯气体内外压力、温度、气体吸附力为输入的人工智能蚁群算法瓦斯渗透率预测模型。利用三轴伺服渗流装置取15组数据对模型进行训练,迭代2 000次后观察实验结果。测试结果最大相对误差在3.5%以内,测试曲线拟合很好。

无人机任务分配传统算法（遗传算法、粒子群算法、蚁群算法）

研究生毕业时用到的蚁群算法来处理图像。 上传的源码为蚁群算法的经典TSP模型，打包下载后直接在vc中建立控制台工程即可。 处理蚁群算法的基于MFC IDE的代码可以另外联系我。