基于蚁群算法的路径规划

《自动化技术与应用》２００９年第２８卷第６期

控制理论与应用

Control Theory and Applications

基于改进蚁群算法的最短路径问题研究*

张学敏,张 航

（中南大学 信息科学与工程学院,湖南 长沙 410075）

摘 要:最短路径问题是智能交通:交通网络分析中的一个重要问题。文章分析了基本蚁群算法在求解交通网络两点之间最短路径时

所出现的问题,并针对这些问题,在方向引导及信息素更新等方面对算法进行了改进。实验证明,改进后的方法较基本蚁群算法能准确快速地找到交通路网中两点间的最短路径,是切实可行的。

关键词:智能交通;最短路径;蚁群算法

中图分类号:TP301.6 文献标识码:A 文章编号:1003-7241(2009)06-0004-04

Research An Improved Ant Colony Algorithm of the

Optimal Routing Problem

ZHANG Xue-min, ZHANG Hang

( School of Information Science and Engineering, Central South University, Changsha 410075 China )

辽宁科技大学本科生毕业设计（论文） 第 I页

基于蚁群算法的虚拟企业风险规划问题研究

摘要

虚拟企业（Virtual Enterprise），是当市场出现新机遇时，具有不同资源与优势的企业为了共同开拓市场，共同对付其他的竞争者而组织的、建立在信息网络基础上的共享技术与信息，分担成本，共同发展和互利的企业联盟体。虚拟企业的出现常常是参与联盟的企业追求一种完全靠自身能力达不到的超常目标。但是同时，因外部市场环境的不确定性和其本身的复杂性，其蕴含的风险并没有减少。虚拟企业风险问题及由此带来的损失不容忽视，甚至导致虚拟企业的夭折。在这样的情况下，需要对虚拟企业风险进行有效的管理，确保虚拟企业的成功组建和运行，以取得竞争优势。本文在综述了虚拟企业以及虚拟企业风险管理理论的基础上，提出基于马尔可夫的虚拟企业风险规划模型，并针对该问题设计了蚁群算法。该方法能够在投入费用和工期一定的情况下，求得最大完工概率的项目各工序组合。数值计算结果证明了该方法的有效性。

关键词：蚂蚁算法；虚拟企业；风险规划

辽宁科技大学本科生毕业设计（论文） 第 II页

Abstract

Virtual Enterprise (VE) i

基于改进蚁群算法的网格资源调度

2009年4月

第32卷增刊

北京邮电大学学报

JournalofBeijingUniversityofPostsandTelecommunications

Apr.2009Vol.32Sup.

　　文章编号:100725321(2009)增20111204

基于改进蚁群算法的网格资源调度

黄文明,　兰　静,　张　阳

(桂林电子科技大学计算机与控制学院,桂林541004)

摘要:针对网格资源的分布式共享,提出了一种改进的蚁群算法,并用于网格资源调度中.在算法中引入了资源节点的可信度,并作为蚂蚁残留的信息素评估要素之一,通过对可信度的评估,在一定程度上增强了蚁群算法的搜索能力和网格资源的可靠性.在算法中设计了局部和全局信息素更新机制,.通过选取适当的参数,利用GridSim.实验结果证明,,,改善了网格系统的性能.

关　键　词:网格资源调度;;中图分类号:TP393:RonGridResourceSchedulingBasedon

ImprovedAntColonyAlgorithm

HUANGWen2ming,　LANJing,　ZHANGYang

(SchoolofComputerandControl,GuilinUniversityo

用ACO 算法求解机器人路径优化问题

4.1 问题描述

移动机器人路径规划是机器人学的一个重要研究领域。它要求机器人依据某个或某些优化原则(如最小能量消耗，最短行走路线，最短行走时间等)，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。机器人路径规划问题可以建模为一个有约束的优化问题，都要完成路径规划、定位和避障等任务。

4.2 算法理论

蚁群算法（Ant Colony Algorithm，ACA），最初是由意大利学者Dorigo M. 博士于1991 年首次提出，其本质是一个复杂的智能系统，且具有较强的鲁棒性，优良的分布式计算机制等优点。该算法经过十多年的发展，已被广大的科学研究人员应用于各种问题的研究，如旅行商问题，二次规划问题，生产调度问题等。但是算法本身性能的评价等算法理论研究方面进展较慢。

Dorigo 提出了精英蚁群模型（EAS），在这一模型中信息素更新按照得到当前最优解的蚂蚁所构造的解来进行，但这样的策略往往使进化变得缓慢，并不能取得较好的效果。次年Dorigo 博士在文献[30]中给出改进模型（ACS），文中

改进了转移概率模型，并且应用了全局搜索与局部搜索策略，来得进行深度搜索。 Stützle 与Hoo

用ACO 算法求解机器人路径优化问题

4.1 问题描述

移动机器人路径规划是机器人学的一个重要研究领域。它要求机器人依据某个或某些优化原则(如最小能量消耗，最短行走路线，最短行走时间等)，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。机器人路径规划问题可以建模为一个有约束的优化问题，都要完成路径规划、定位和避障等任务。

4.2 算法理论

蚁群算法（Ant Colony Algorithm，ACA），最初是由意大利学者Dorigo M. 博士于1991 年首次提出，其本质是一个复杂的智能系统，且具有较强的鲁棒性，优良的分布式计算机制等优点。该算法经过十多年的发展，已被广大的科学研究人员应用于各种问题的研究，如旅行商问题，二次规划问题，生产调度问题等。但是算法本身性能的评价等算法理论研究方面进展较慢。

Dorigo 提出了精英蚁群模型（EAS），在这一模型中信息素更新按照得到当前最优解的蚂蚁所构造的解来进行，但这样的策略往往使进化变得缓慢，并不能取得较好的效果。次年Dorigo 博士在文献[30]中给出改进模型（ACS），文中

改进了转移概率模型，并且应用了全局搜索与局部搜索策略，来得进行深度搜索。 Stützle 与Hoo

《智能计算—蚁群算法基本综述》

班级： 研1102班 专业： 计 算 数 学 姓名： 刘 鑫 学号： 1107010036

2012年

蚁群算法基本综述

刘 鑫

（西安理工大学理学院，研1102班，西安市，710054）

摘 要:蚁群算法( ACA)是一种广泛应用于优化领域的仿生进化算法。ACA发展背景着手，分析比较国内外ACA研究团队与发展情况立足于基本原理,分析其数学模型,介绍了六种经典的改进模型，对其优缺点进行分析，简要总结其应用领域并对其今后的发展、应用做 出展望。 关键词: 蚁群；算法；优化；改进；应用 0 引言

专家发现单个蚂蚁只具有一些简单的行为能力。但整个蚁群却能完成一系列复杂的任务。这种现象是通过高度组织协调完成的1991年。意大利学者M.Dorigo首次提出一种新型仿生算法ACA。研究了蚂蚁的行为。提出其基本原理及数学模型。并将之应用于寻求旅行商问题(TSP)的解。

通过实验及相关理论证明,ACA有着有着优化的选择机制的本质。而这种适应和协作机制使之具有良好的发现能力及其它算法所没

基于MATLAB的改进型基本蚁群算法

维普资讯

第2 4卷

第 3期

太

原

重

型

机

械

学

院

学

报

V0 . 4 12

№3

20 0 3年 9月

J OURNAL OF T YU AI AN HEAV MACHI Y NERY I T I JE NS rrT L

S p. 0 e 2 03

文章编号:0 0—19 2 0 ) 3— 2 1 4 10 5 X( 0 3 O 0 0—0

基于 MA L B的改进型基本蚁群算法 TA李虹,孙志毅 (太原重型机械学院,太原 002 ) 30 4摘要:群算法是一种新型的模拟进化算法 .是继 G S T蚁 A,A,S等算法之后求解组

合优化问题的一种新思路 .人工蚁群算法通过模拟蚁群搜索食物的行为,用正反馈结采构,分布式计算与某种启发式算子相结合的方法,够很快地发现较好解.本文给出一种能基于 MA L B的改进型基本蚁群算法 .效地降低了算法的复杂度, TA有缩短了搜索时间,具有较强发现最好解的能力 . · 文献标识码: A

关键词:群算法;改进蚁中图分类号:P 0 . T 3 16

径的?生物学家经过长期大量细致的观察研究后

0引言 蚁群算法 ( n Cln l rh是最近几年才 A t o yAgi m) o o

设计与应用

计算机测量与控制.2011.19(5) ComputerMeasurement&Control

文献标识码:A

文章编号:1671 4598(2011)05 1203 02 中图分类号:TP311 5

基于改进蚁群算法的云环境任务调度研究

王永贵1,韩瑞莲2

(1 辽宁工程技术大学软件学院,辽宁葫芦岛 125105;2 辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105)

摘要:针对蚁群优化算法(ACO)在解决大规模的组合优化问题时容易陷入搜索速度慢和局部最优的缺陷,进行算法的改进;结合遗传算法全局收敛的优点,将遗传算法融入到蚁群优化算法的每一次迭代中,加快其收敛速度,并引入逆转变异策略,避免了蚁群优化算法陷入局部最优;深入研究了改进的蚁群优化算法在云计算环境中的任务调度策略,并通过扩展云计算仿真平台CloudSim实现了模拟仿真;实验结果表明,此算法能够缩短云环境下的任务平均运行时间,提高了资源利用率。

关键词:蚁群优化算法;遗传算法;云计算;任务调度

StudyonCloudComputingTaskScheduleStrategyBasedon

MACOAlgorithm

Wa

自动组卷问题是一个多约束条件下的多目标参数优化问题,各个目标之间互相牵制,采用传统算法求解相当困难,导致组卷效率和成功率都比较低。结合自动组卷的多目标组合优化特点,提出一种蚁群算法的自动组卷模型。模型首先根据试卷要求建立试卷质量评价体系,然后根据题型、总分、考试时间等要求建立多约束条件、多目标的数学模型,然后采蚁群算法对该数学模型进行求解,最后输出

1

訇似

基于蚁群算法在建模中的应用与发展Bas ed on antcol ony al gort ihm n m odeln t e i i g h applcaton an vel i i d de opm ent

王

栋’,边.

超

\//\ ANG n’ BI a Do g AN Ch o

(. 1甘肃联合大学电子信息工程学院。州 7 0 0;2中国矿业大学银川学院，兰 300 .银川 7 0 1 ) 5 01摘要：自动组卷问题是一个多约束条件下的多目标参数优化问题，各个目标之间互相牵制，采用传

统算法求解相当困难，导致组卷效率和成功率都比较低。结合自动组卷的多目标组合优化特点，提出一种蚁群算法的自动组卷模型。模型首先根据试卷要求建立试卷质量评价体系，然后根据题型、总分、考试时间等要求建立多

设计与应用

计算机测量与控制.2011.19(5) ComputerMeasurement&Control

文献标识码:A

文章编号:1671 4598(2011)05 1203 02 中图分类号:TP311 5

基于改进蚁群算法的云环境任务调度研究

王永贵1,韩瑞莲2

(1 辽宁工程技术大学软件学院,辽宁葫芦岛 125105;2 辽宁工程技术大学电子与信息工程学院,辽宁葫芦岛 125105)

摘要:针对蚁群优化算法(ACO)在解决大规模的组合优化问题时容易陷入搜索速度慢和局部最优的缺陷,进行算法的改进;结合遗传算法全局收敛的优点,将遗传算法融入到蚁群优化算法的每一次迭代中,加快其收敛速度,并引入逆转变异策略,避免了蚁群优化算法陷入局部最优;深入研究了改进的蚁群优化算法在云计算环境中的任务调度策略,并通过扩展云计算仿真平台CloudSim实现了模拟仿真;实验结果表明,此算法能够缩短云环境下的任务平均运行时间,提高了资源利用率。

关键词:蚁群优化算法;遗传算法;云计算;任务调度

StudyonCloudComputingTaskScheduleStrategyBasedon

MACOAlgorithm

Wa