搜索资源列表
ACATSP
- 经典的用于求解TSP（旅行商问题）的自适应蚁群算法-Classic self-adaptive ACO algorithm for TSP
acp
- 蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发算法 基于群体的协作与学习 该算法已 经成功地解决诸如× ≥° 问题等多种组合优化问题 本文提出了一种基于自适应调整信息素的改进蚁群算法 该算法根据人工蚂蚁所获得解的情况 动态地调整路径上的信息素 从而使得算法跳离局部最优解 通过仿真 实验获得的结果表明 该算法对于蚁群算法
Anadaptiveantcolonyalgorithmanditssimulation
- 蚁群算法是一种新型的进化算法，蚁群算法与其它进化算法同样存在易于限于局部最小点等缺陷．本文提出一种自适应的蚁群算法雌克服上述缺陷。通过自适应地改变算法的挥发度等系数，本文中的算法可以在保证收敛速度的条件下提高解的全局性，通过对TSP问题的仿真证明本文中的算法相对与原始的蚁群算法收敛速度和解的性能椭一定的提高．-Ant colony algorithm is a new evolutionary algorithm, evolutionary algorithm ant colony algori
yi_qun_suan_fa
- 这种算法是目前国内外启发式算法中的研究热点和前沿课题，被成功地运用于旅行商问题的求解，蚁群算法在求解复杂优化问题方面具有很大的优越性和广阔的前景。但是,根据观察实验发现，蚁群中的多个蚂蚁的运动是随机的，在扩散范围较大时，在较短时间内很难找出一条较好的路径，在算法实现的过程中容易出现停滞现象和收敛速度慢现象。在这种弊端的情况下，学者们提出了一种自适应蚁群算法，通过自适应地调整运行过程中的挥发因子来改变路径中信息素浓度,从而有效地克服传统蚁群算法中容易陷入局部最优解和收敛速度慢的现象。-This a
VRPpro-master
- 自适应系数蚁群算法混合遗传算法，对于初学者学习理解集群算法很有帮助-Simple basic ant colony algorithm, clustering algorithm for beginners to learn to understand very helpful
ant-colony-algorithm
- 针对车辆的越野路径规划问题,设计了以最少行驶时间为目标的多策略蚁群算法.首先,分析了地形坡度和地表属性对于车辆路径规划的综合影响,通过叠加坡度与粗糙度约束建立了禁忌表 其次,一方面引入了自适应调整策略以提高路径搜索的有效性,另一方面设计了双向搜索策略以增加蚂蚁之间的协作能力和成功路径的搜索机率 另外,还提出了子路径多段交叉策略以提高算法的全局搜索能力和收敛速度,在详细叙述改进算法的步骤之后,优化了算法的部分参数取值 最后,就基本算法和改进算法的性能指标、收敛代数和仿真结果进行了比较与分析.实验结
Improved-Ant-Colony-Optimization
- 将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题 设置自适应路径长度,筛选规划路径的优劣 提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.-The improve