导读:本文包含了蚂蚁优化算法论文开题报告文献综述及选题提纲参考文献，主要关键词:蚂蚁算法,相关系数,局部最优
蚂蚁优化算法论文文献综述
冯豪杰[1]（2019）在《蚂蚁算法在配送运输问题上的路径优化研究》一文中研究指出针对实际配送运输情况,路径的优化不仅是要符合路径最短,还要满足时间最短、成本最低等条件,论文在蚂蚁算法的基础上,提出对相关系数以及局部最优改进的路径计算方法,并利用AtuoCAD证,结果表明了论文算法的有效性。(本文来源于《计算机与数字工程》期刊2019年03期）
李俊,周虎,李波[2]（2019）在《基于虚拟蚂蚁的局部优化蚁群算法》一文中研究指出蚁群算法在解决一些NPC (Non-deterministic polynomial complete)问题时具有较大的优势,但也存在一些不足,如收敛精度低、收敛速度慢等.为了平衡收敛精度与收敛速度之间的矛盾,提出一种基于虚拟蚂蚁的局部优化蚁群算法.该算法通过降低重复计算资源的比例来提高计算资源的利用率,从而提升较少迭代次数时的精度.对单位信息素和全局更新策略进行调整,使之与所提出的算法匹配.同时,增加两点局部优化算子——点交换和交叉去除,加快收敛速度,进一步提高解的精度.通过约束局部优化算子的参数,减少局部优化的计算量,使整体算法的复杂度与基本蚁群算法大致相当.从最终的实验数据可以得出,所提出的算法在较少迭代次数的情况下可以得出较高的精度,在收敛速度与收敛精度之间实现较好的平衡.(本文来源于《控制与决策》期刊2019年11期）
白婧[3]（2018）在《基于优化的蚂蚁算法的图像配准》一文中研究指出图像配准是图像处理技术中的一个基本问题,其主要目的是基于灰度属性,图像分辨率,寻找两个或多个图像之间的最佳的配准位置。也可以说图像配准技术是在不一样的时间点,不一样的传感器或不一样的角度将需要配准的两幅或多幅图像合成到一张图像中。图像配准方法基本可以分为叁种:基于局部不变描述子的图像配准、基于灰度处理的图像配准方法和基于特征的图像配准方法。本文采用基于灰度处理的图像处理技术,优化以后的蚁群算法输出最优参数,而这些参数用于几何变换的公式中,使得配准技术的准确率更高,效率更快。而优化蚁群算法的方法是用萤火虫算法初始化蚁群算法的参数,可以缩短蚁群算法的运行时间。蚁群算法是仿真蚁群觅食行为的优化算法,该算法采用并行优化机制的正反馈方法,有较强的鲁棒性,易于优化,与其他算法结合较容易,在解决许多复杂优化问题中表现出优异的性能和巨大的发展潜力,吸引了众多国内外学者研究这个算法。由此可见蚁群算法在图像配准中的应用具有理论和实际意义。文章介绍了图像配准技术的研究意义、发展背景和研究现状,并对蚁群算法和萤火虫算法的基本知识和理论分别进行了讨论。在这些理论的基础上,用实验证明优化后的蚁群算法在效率方面的优劣,用另一组实验证明该算法用于图像配准的优劣。(本文来源于《西北师范大学》期刊2018-05-01）
李玉英[4]（2014）在《带创造性思维的混沌蚂蚁群优化算法》一文中研究指出针对混沌蚂蚁群优化算法(CASO)容易陷入局部极值和精度低的缺陷,从认知学角度进行分析,将创造性思维(CT)引入CASO算法,提出了一种带创造性思维的混沌蚂蚁群优化算法(CTCASO).基于CT过程的"四阶段"模型,构建了算法框架,改进了位置更新公式,从而使蚂蚁个体在惯性、认知能力的基础上增强了CT能力,提高了蚁群的整体寻优能力.仿真结果表明,所提出的算法搜索能力强、稳定性好,并且未增加新的参数和计算难度.(本文来源于《控制与决策》期刊2014年05期）
周晓柯,孙志毅,彭志平[5]（2014）在《基于蚂蚁优化算法的分层强化学习》一文中研究指出自主系统中,agent通过与环境交互来执行分配给他们的任务,采用分层强化学习技术有助于agent在大型、复杂的环境中提高学习效率。提出一种新方法,利用蚂蚁系统优化算法来识别分层边界发现子目标状态,蚂蚁遍历过程中留下信息素,利用信息素的变化率定义了粗糙度,用粗糙度界定子目标;agent使用发现的子目标创建抽象,能够更有效地探索。在出租车环境下验证算法的性能,实验结果表明该方法可以显着提高agent的学习效率。(本文来源于《计算机应用研究》期刊2014年11期）
宋洋,徐桢,王燕青[6]（2014）在《基于蚂蚁算法的危险品运输路径优化研究》一文中研究指出从危险品道路运输的特性和需求出发,基于蚂蚁算法针对危险道路运输路线优化问题进行了研究。首先将安全需求和经济性要求考虑到危险品货物的运输路线选择过程中,在给定运输起点和终点的情况下,以风险和经济总成本最小作为优化目标,建立目标函数;然后通过对运输路径的路程长度、人口密度、环境破坏、应急救援能力和交通事故状况这5个影响总成本的主要因素进行定性和定量分析,确定了每条路径上的路权值;最后将路权值引入智能蚂蚁算法中,利用蚂蚁算法对目标函数进行解算,并借助Matlab程序获得运算结果和优化路线方案。实例分析表明,加入了对运输路线风险度的计算之后,编写的蚂蚁算法程序能使道路危险品运输车辆成功避开风险度大的路段,迅速搜索到最优路线。(本文来源于《安全与环境工程》期刊2014年01期）
刘瑞杰,李孝贵,王立娟[7]（2013）在《改进的蚂蚁算法在矩形优化排料中的应用》一文中研究指出矩形件优化排料问题是一类具有NP完全难度的组合优化问题。将改进的蚂蚁算法应用到矩形件优化排料问题求解中,优化试验结果表明可获得比基本蚂蚁算法更好的效果,为矩形件优化排料这类NP完全问题提供了新的思路和方法。(本文来源于《计算机与数字工程》期刊2013年09期）
张俊杰,仰继连[8]（2013）在《蚂蚁算法在FIR数字滤波器优化设计中的参数》一文中研究指出蚂蚁算法中参数的准确分析和合理配置直接影响着算法的性能。在已完成的蚂蚁算法应用于有限冲激响应(Finite impulse response,FIR)数字滤波器优化设计研究基础上,分析了各个参数的不同配置对算法性能的影响,推导了参数配置的基本公式,提出了参数之间的一般配置原则。不失一般性,在最小最大优化准则下进行的仿真实验结果表明,文中提出的算法参数配置原则对于提高FIR数字滤波器的优化设计性能较为有效,同时还验证了蚂蚁算法在其他应用领域中的参数设置也满足参数配置原则,进一步表明本文的参数选取原则的可行性,有利于蚂蚁算法在优化问题中的推广和应用。(本文来源于《数据采集与处理》期刊2013年03期）
刘瑛[9]（2013）在《蚂蚁优化算法在解决CVRP中的应用》一文中研究指出针对基本蚁群算法收敛性差,易于停滞的缺陷,通过引入信息素窗口限制信息素的最大最小值,只对迭代最好解进行信息素更新,判断汇聚情况进行信息素重新初始化,在每次迭代中加入局部搜索优化,在选择概率中加入与问题相关的参数等措施对蚁群进行优化,提高蚁群算法的收敛性,避免了算法的停滞现象。(本文来源于《重庆工商大学学报(自然科学版)》期刊2013年04期）
董钧祥,李勤[10]（2012）在《蚂蚁算法优化GIS道路车辆调度技术》一文中研究指出在交通系统中,充分有效地运用信息手段能全面提升交通性能。本文针对当前的实际交通情况,提出了一种将蚂蚁算法和GIS技术相结合方法应用到了交通道路车辆调度系统中。实验结果表明,提出的方法能在更短时间内求得大规模车辆路径问题满意最优解。(本文来源于《制造业自动化》期刊2012年11期）
蚂蚁优化算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
蚁群算法在解决一些NPC (Non-deterministic polynomial complete)问题时具有较大的优势,但也存在一些不足,如收敛精度低、收敛速度慢等.为了平衡收敛精度与收敛速度之间的矛盾,提出一种基于虚拟蚂蚁的局部优化蚁群算法.该算法通过降低重复计算资源的比例来提高计算资源的利用率,从而提升较少迭代次数时的精度.对单位信息素和全局更新策略进行调整,使之与所提出的算法匹配.同时,增加两点局部优化算子——点交换和交叉去除,加快收敛速度,进一步提高解的精度.通过约束局部优化算子的参数,减少局部优化的计算量,使整体算法的复杂度与基本蚁群算法大致相当.从最终的实验数据可以得出,所提出的算法在较少迭代次数的情况下可以得出较高的精度,在收敛速度与收敛精度之间实现较好的平衡.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
蚂蚁优化算法论文参考文献
[1].冯豪杰.蚂蚁算法在配送运输问题上的路径优化研究[J].计算机与数字工程.2019
[2].李俊,周虎,李波.基于虚拟蚂蚁的局部优化蚁群算法[J].控制与决策.2019
[3].白婧.基于优化的蚂蚁算法的图像配准[D].西北师范大学.2018
[4].李玉英.带创造性思维的混沌蚂蚁群优化算法[J].控制与决策.2014
[5].周晓柯,孙志毅,彭志平.基于蚂蚁优化算法的分层强化学习[J].计算机应用研究.2014
[6].宋洋,徐桢,王燕青.基于蚂蚁算法的危险品运输路径优化研究[J].安全与环境工程.2014
[7].刘瑞杰,李孝贵,王立娟.改进的蚂蚁算法在矩形优化排料中的应用[J].计算机与数字工程.2013
[8].张俊杰,仰继连.蚂蚁算法在FIR数字滤波器优化设计中的参数[J].数据采集与处理.2013
[9].刘瑛.蚂蚁优化算法在解决CVRP中的应用[J].重庆工商大学学报(自然科学版).2013
[10].董钧祥,李勤.蚂蚁算法优化GIS道路车辆调度技术[J].制造业自动化.2012