针对蚁群算法的一些缺点提出改进的策略,包括状态转移和信息素更新策略,进一步提高了算法的计算能力。对蛙跳算法提出改进策略,包括高斯变异及柯西变异策略,然后提出蛙跳-蚁群算法的混合框架。最后将蛙跳算法与蚁群算法进行结合并进行实验验证,实验结果表明混合算法有效。

针对混合蛙跳算法在迭代后期收敛速度变慢的现象,提出一种改进的混合蛙跳算法。该算法引入混沌优化机制,取代随机搜索,对当前群体中的最差个体实施混沌搜索,并替换群体中的部分个体,改善算法摆脱局部极值点的能力。仿真结果表明:改进的蛙跳算法的全局寻优能力明显优于基本的混合蛙跳算法。

【目的】作为农业智能化生产的核心决策模块，作物模型的精确模拟取决于模型参数的高效准确优化。为了提高调参效率，提升作物模型的性能和精确度，本研究通过改进优化算法对旱地春小麦籽粒生长子模型进行单目标参数优化，为中国西北部黄土丘陵区旱地春小麦的适应性研究提供参考，扩大模型的应用范围，以便于模型更好地指导农业生产。【方法】立足于2015—2021年甘肃省定西市安定区凤翔镇安家坡村的田间试验，结合1970—2021年的天气数据和年鉴产量数据，在发挥传统混合蛙跳算法（SFLA）全局交流、局部深度搜索的基础上，使用轮盘赌选择策略对旱地小麦籽粒生长阶段的6个参数进行进一步的优化，进行算法改进前后产量实测值与模拟值的误差计算与对比，对APSIM-Wheat模型进行检验。【结果】（1）在相同的迭代次数下，传统混合蛙跳算法在200次左右收敛，改进后的混合蛙跳算法在100次左右收敛；（2）旱地春小麦籽粒生长阶段的参数优化结果为小麦茎部分的每克籽粒数为26.0；开花至开始灌浆阶段的潜在籽粒灌浆速率为0.00119 grain/d；灌浆阶段的潜在籽粒灌浆速率为0.00174 grain/d；氮限制下的潜在籽粒灌浆速率为6.20×10~(-5) g grain/d；氮限制下的最小籽粒灌浆速率为1.90×10~(-5) g grain/d；单株小麦籽粒部分的最大干重值为0.0437 g;(3)分别使用传统混合蛙跳算法优化后所得参数值和改进混合蛙跳算法优化后所得参数值模拟小麦产量，参数优化后，产量实测值与模拟值的均方根误差（RMSE）从363.22 kg·hm~(-2)降至57.85 kg·hm~(-2)，标准均方根误差（NRMSE）从21.78%降至3.47%。【结论】相较于传统的混合蛙跳算法，改进后的混合蛙跳算法增加了种群和子群的多样性，收敛速度快，提高了优化效率和精度，优化后的结果符合旱地春小麦的生长发育过程，适用性较高，明显改善了中国西北部黄土丘陵农业区APSIM-Wheat模型的性能。

【目的】由于文本数据存在许多与分类不相关的冗余词项,引入混合蛙跳算法进行特征选择优化,提高分类准确率。【方法】分别使用CHI和IG预选出不同维度的特征集合,再引入改进后的混合蛙跳算法对预选特征集合进行二次优选,每只青蛙的位置代表一种特征选择规则,将分类准确率作为算法的适应度函数。SVM和KNN分类器用于实验中分类准确率的计算。【结果】引入改进后的蛙跳算法比CHI和IG能得到更好的分类效果,最大提升幅度达到12%。【局限】在少部分特征维度下出现过拟合现象。【结论】采用特征词预选和改进后的蛙跳算法相结合的特征

针对传统蚁群算法中初期路径搜寻盲目、启发式函数作用较小、信息素更新规则单一、动态窗口法缺少全局性指导等问题，提出了基于改进蚁群算法的全局路径规划，通过改进初始信息素，提高了算法初期的寻径效率；通过改进启发式函数，减少了算法收敛的时间；通过改进信息素更新规则，同时考虑了路径长度和能耗，增加了路径的优越性。之后将改进后的蚁群算法与动态窗口法相融合，增加了动态窗口法中的评价函数，使动态窗口法沿改进蚁群算法最优路径进行实时的局部路径规划，令路径的静态全局最优和动态实时规划得到了兼容。仿真实验表明，改进后的蚁群算法相较传统算法迭代速度更快，转弯次数更少，融合后的算法在复杂环境中可以精确地实时路径规划，充分证明了该融合算法的可行性。

针对传统蚁群算法中初期路径搜寻盲目、启发式函数作用较小、信息素更新规则单一、动态窗口法缺少全局性指导等问题，提出了基于改进蚁群算法的全局路径规划，通过改进初始信息素，提高了算法初期的寻径效率；通过改进启发式函数，减少了算法收敛的时间；通过改进信息素更新规则，同时考虑了路径长度和能耗，增加了路径的优越性。之后将改进后的蚁群算法与动态窗口法相融合，增加了动态窗口法中的评价函数，使动态窗口法沿改进蚁群算法最优路径进行实时的局部路径规划，令路径的静态全局最优和动态实时规划得到了兼容。仿真实验表明，改进后的蚁群算法相较传统算法迭代速度更快，转弯次数更少，融合后的算法在复杂环境中可以精确地实时路径规划，充分证明了该融合算法的可行性。

结合粒子群算法的思想,提出用混合蚁群算法来求解著名的旅行商问题(TSP)。其核心是应用粒子群算法对蚁群算法的3个控制参数()进行优化,以及运用蚁群系统算法(ACS)寻找最短路径。新算法克服了参数选择对算法性能的影响,具有很强的全局搜索能力。对旅行商问题的仿真结果表明:新算法改进了传统蚁群算法的性能,取得了非常好的效果。

面对海量、异构、动态的文本信息,对文本进行自动分类具有重要意义。文本分类的发展与模式识别的发展密切相关。文本分类具有的类目多、样本数目多、噪音多、各类别样本数目不均衡等特点,使各模式识别算法在应用于文本分类时存在许多缺点。近年来逐步发展起来的群集智能(Swarm Intelligence)理论和方法为文本分类提供一种新的智能化手段。将蚁群智能算法尝试性引入文本分类领域,构建基于蚁群智能的文本分类模型,并在文本数据集上进行测试和比较,结果表明该模型可以较好地应用于文本分类。

文章研究了以最小化制造跨度为目标的,具有模糊加工时间的车间作业计划问题。针对该问题,采用三角模糊数来表征时间参数,并在此基础上构建问题目标函数。之后给出了一种混合蚁群求解算法,将模拟退火算法的全局优化特性嵌入蚁群算法来避免局部最优的问题。最后通过实例验证了算法的有效性。

军事定向越野运动中存在点位多、分布散、时间紧、得分要求高等条件,为在规定时间内找到一条得分高的行进线路,找到衡量和分析运动成绩好坏的标准,文中对军事定向越野中的路径优化问题进行了深入分析,建立了混合整数规划模型,设计了一种混合蚁群算法。算法中,首先由改进蚁群算法找到初始解,然后再利用选择、交叉和变异算子进行解的优化,通过仿真实验和算法对比验证了混合蚁群算法的可行性和优越性。

【目的】建立基于3S技术和蚁群算法的灌区渠系优化配水模型,解决目前灌区配水管理中的被动配水和信息采集方法落后等问题。【方法】以冯家山水库北干十一支灌区为研究对象,采用RS/GPS技术获得灌区作物的种植结构、面积及灌区土壤含水率等信息,将这些信息输入GIS系统中,再根据灌区不同位置的土壤墒情,以斗渠为计算单元,通过GIS系统计算各斗渠的实际需水量,最后按各出水口"定流量、变历时"的轮灌运行方式建立优化模型,通过蚁群算法对模型进行求解。【结果】获得了各出水口在灌区实际需水量条件下的最优配水组合方案,算法简单、收敛性好。【结论】基于3S技术和蚁群算法的灌区优化配水,使现有的一些配水数学模型可以发挥更...

混合流水车间调度问题是经典调度问题的推广,但是,由于计算的复杂性,很难求得其最优解,文章提出了利用基于Agent技术的蚁群算法来实现混合流水车间调度优化。描述了算法实现的步骤,以及在JADE平台上人工蚁Agent的创建。最后,结合某生产企业的实际例子,利用蚁群算法来实现其生产调度,其生产调度结果显示,蚁群算法能很好的解决混合流水车间调度问题。

在研究应急资源调度问题时常常需要考虑到多种不同的因数,其中路径时间的不确定性直接影响着应急活动的置信度和执行率。文章根据交通工具在道路上行驶的实际情况,采用正态分布的随机数对时间不确定性进行了描述,并设计时间满意度函数将调度时间最短问题转化为时间满意度最大问题;在此基础上加入路径费用最小的目标,建立了多目标的应急资源调度优化模型。采用改进后的蚁群算法对该模型进行求解,得到了问题的非劣解集并借助TOPSIS方法选取最优方案;最后通过算例对模型和算法进行了验证。

随着我国经济持续向好发展,物流业也随之发展迅速,绿色物流已成为当前物流行业研究的热点课题。论文通过高德地图APP测算两地之间的高速距离和非高速距离作为配送实际距离,将配送车辆载重作为约束条件,建立碳排放成本、固定成本、高速通行成本以及配送时间成本的综合成本最小的物流配送路径模型。由于基本蚁群算法易陷入局部最优,文章首先对基本蚁群算法的随机转移规则和启发函数做相应改进,然后在信息素更新时引入混沌初始化和混沌扰动,用这种改进的蚁群算法求解文章建立的不同路段下低碳物流配送路径优化问题。实例仿真对比试验表明:改进的蚁群算法能有效地搜寻到更小的综合成本,明显优于基本蚁群算法,说明了改进的蚁群算法的有效性以及模型的合理性。

近年来,森林传染病,尤其是由外来有害生物引起的如松林松材线虫等疾病对我国森林资源的危害日趋严重。如何对森林传染病的发展进行科学预测、实施有效控制的问题已经受到科学工作者们的普遍关注。介绍了蚁群算法的求解问题,分析了当前森林有害生物累计发生、重复发生、新发生及同种类新发生等不同类型的数据,从而提出基于蚁群算法的森林有害生物决策与预测。