导读:本文包含了优化蚁群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:蚁群优化算法,Canny算法,边缘检测,扰动因子
优化蚁群算法论文文献综述
詹宝容,骆金维,黄炜杰,李杏清[1]（2019）在《基于蚁群算法的边缘检测技术组合优化》一文中研究指出针对图像边缘检测过程中,现有算法存在阈值设定缺乏自适应性、收敛速度较慢、容易陷入局部最优解等问题,通过改进蚁群算法的子块梯度比的求取方式优化算法初始设定,并与扰动因子结合优化蚁群转移规则,再根据蚁群动态情况调整信息素阈值等操作进行组合优化。实验结果表明与现有文献的算法相比,改进后的算法在运算速度上提升2.81%,检测效果上提升12.24%。(本文来源于《电子设计工程》期刊2019年23期）
陈志,江治杰,刘瑶[2]（2019）在《基于改进蚁群算法的不同路段低碳物流路径优化研究》一文中研究指出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。(本文来源于《生态经济》期刊2019年12期）
陈乐珠,李钢[3]（2019）在《基于优化蚁群算法的无人机海岛监测航迹规划》一文中研究指出本文提出一种可行的面向海岛监测的无人机航迹规划控制算法,主要针对复杂的海岛群及气流不稳定等因素的无人机海岛监测,为海岛监测提供技术支持具有重要的理论意义及应用价值。通过MAKLINK图论建立二维路径规划空间模型,利用Dijkstra算法规划无人机初始航迹,融合蚁群算法仿真得到优化航迹规划路径。仿真结果表明,该融合得到的优化算法,比改进前的蚁群算法求解时间快、规划路径准确、迭代过程中系统稳定的特点,从而保证无人机在复杂的海岛监测中飞行航迹规划零失误。(本文来源于《电子技术与软件工程》期刊2019年22期）
李静,张卓群,李旭[4]（2019）在《蚁群算法在多目标工期-成本优化中的应用》一文中研究指出输电线路工程的多目标问题一直是工程界的研究难点和热点。以一个实际输电线路工程为具体实例,阐述了一种改进的蚁群算法在工程项目多目标工期-成本优化中的应用。应用MATLAB语言编制了多目标蚁群算法程序,详细说明了蚁群算法应用于实际工程多目标项目工期-成本优化中的具体方法。结果表明:改进的蚁群算法具有较高的全局最优搜索能力和搜索效率,非常适用于多目标工期-成本优化,而且方法简单实用,适于未来的实际工程。(本文来源于《北京工业职业技术学院学报》期刊2019年04期）
张娜,赵罘[5]（2019）在《基于非等值初始量蚁群算法的矩形优化排料》一文中研究指出为提高矩形排料的板材利用率并节约求解时间,提出了非等值初始量蚁群算法,并应用于矩形优化排料问题。在蚁群算法初始信息素量赋值过程中引入矩形面积和长宽比因素以增大各矩形初始信息素的差别,加快算法收敛速度;同时对传统蚁群算法的信息素更新规则作适当改变,以便于信息素快速更新,缩短求解时间。采用改进的最低水平线法作为排料方法,能充分利用已产生的闲置区域,减少板材浪费。对比实验的结果表明,与传统蚁群算法和其他几种典型算法相比,本文算法能进一步提高板材利用率,且求解时间较短。(本文来源于《北京化工大学学报(自然科学版)》期刊2019年06期）
方文婷,艾时钟,王晴,范君博[6]（2019）在《基于混合蚁群算法的冷链物流配送路径优化研究》一文中研究指出基于绿色物流发展理念,为企业寻求经济与环境达到双赢的局面,本研究将节能减排转化为绿色成本,融入路径优化问题中,建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题,将A*算法与蚁群算法相结合,利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析,验证了模型和算法的有效性。(本文来源于《中国管理科学》期刊2019年11期）
解瑞红,邢红光,张洪军[7]（2019）在《基于改进蚁群算法在集装箱码头泊位优化中的应用》一文中研究指出探讨了蚁群算法在码头泊位优化中的应用问题。以一定时间内所有船舶在港总时间最短作为优化目标,建立泊位优化配置模型。在求解中,利用改进蚁群算法确定了停靠在每个泊位上船舶的作业顺序。然后,在实例场景与最初的先到先服务算法相比,改进的多态蚁群算法在停港时间上有较大的提高。(本文来源于《齐齐哈尔大学学报(自然科学版)》期刊2019年06期）
田鸽,薛冬娟,梁斌,温凤仙,李鹏飞[8]（2019）在《基于改进蚁群算法的冰鲜水产品配送路径优化方法研究》一文中研究指出为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。(本文来源于《大连海洋大学学报》期刊2019年05期）
赵卫,梅中义[9]（2019）在《基于约束蚁群算法的装配序列优化》一文中研究指出针对装配序列优化问题,定义装配约束条件下的蚂蚁转移概率函数和启发式信息函数,提出了面向装配序列优化的约束蚁群算法,以获得相对较优的装配序列。改进了算法的参数设置,利用信息素残留系数的动态变化以及优化转移概率的公式,控制算法的迭代速度,避免了算法过快收敛导致的局部最优解。运用CATIA二次开发方式获取了干涉矩阵等装配信息模型,并以一个典型实例分析了约束蚁群算法的特性,验证了算法的可行性和可靠性,实例证明了约束蚁群算法的有效性。(本文来源于《机械工程与自动化》期刊2019年05期）
朱勇,陶用伟,李泽群[10]（2019）在《融合遗传和蚁群算法的叁相不平衡配电网无功优化研究》一文中研究指出配电网无功优化是一个多约束、多变量的高度非线性优化问题,而叁相不平衡加剧了配电网无功优化的复杂程度。针对叁相不平衡配电网无功优化困难的现状,提出了将遗传算法和蚁群算法相融合的智能优化方法,该方法结合了遗传算法全局优化能力强和蚁群算法局部搜索能力强的特点。为验证本方法在叁相不平衡配电网无功优化的优势,建立了IEEE33节点叁相配电网系统,通过与其它无功优化方法的对比分析验证了本方法的有效性和优越性。可为叁相不平衡配电网的无功优化提供有效的参考和指导。(本文来源于《计算技术与自动化》期刊2019年03期）
优化蚁群算法论文开题报告
（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：
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。
（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。
优化蚁群算法论文参考文献
[1].詹宝容,骆金维,黄炜杰,李杏清.基于蚁群算法的边缘检测技术组合优化[J].电子设计工程.2019
[2].陈志,江治杰,刘瑶.基于改进蚁群算法的不同路段低碳物流路径优化研究[J].生态经济.2019
[3].陈乐珠,李钢.基于优化蚁群算法的无人机海岛监测航迹规划[J].电子技术与软件工程.2019
[4].李静,张卓群,李旭.蚁群算法在多目标工期-成本优化中的应用[J].北京工业职业技术学院学报.2019
[5].张娜,赵罘.基于非等值初始量蚁群算法的矩形优化排料[J].北京化工大学学报(自然科学版).2019
[6].方文婷,艾时钟,王晴,范君博.基于混合蚁群算法的冷链物流配送路径优化研究[J].中国管理科学.2019
[7].解瑞红,邢红光,张洪军.基于改进蚁群算法在集装箱码头泊位优化中的应用[J].齐齐哈尔大学学报(自然科学版).2019
[8].田鸽,薛冬娟,梁斌,温凤仙,李鹏飞.基于改进蚁群算法的冰鲜水产品配送路径优化方法研究[J].大连海洋大学学报.2019
[9].赵卫,梅中义.基于约束蚁群算法的装配序列优化[J].机械工程与自动化.2019
[10].朱勇,陶用伟,李泽群.融合遗传和蚁群算法的叁相不平衡配电网无功优化研究[J].计算技术与自动化.2019