并射擊，以地面“蟻群”的行動(dòng)模式遂行作戰(zhàn)任務(wù)。因此，未來(lái)“粗齒鋸”系列無(wú)人戰(zhàn)車的發(fā)展方向必將朝著更加耐用同時(shí)價(jià)格低廉的方向發(fā)展，成為美國(guó)陸軍“RCV-M”無(wú)人作戰(zhàn)部隊(duì)的核心組成部分。一鳴驚人，潛力無(wú)限——TRX履帶式無(wú)人戰(zhàn)車進(jìn)行測(cè)試的“粗齒鋸-M5”坦克在本次俄烏沖突之中，要說爭(zhēng)議性最大的一款武器非美國(guó)援烏“彈簧刀”巡飛彈莫屬。具有極高的單兵便攜性、發(fā)現(xiàn)即打擊的巡飛彈必將成為未來(lái)步兵交戰(zhàn)地面規(guī)則的改變者。那么將巡飛彈與無(wú)人戰(zhàn)車的結(jié)合體你有想過么？它就是20

海519000）蟻群算法是一種元啟發(fā)式的智能搜索算法，與另外的一些模擬式的進(jìn)化型算法一樣，具有智能的特性。蟻群算法自被意大利學(xué)者DORⅠGO[1]于1996年提出，引起了許多研究者的關(guān)注。蟻群算法最初是被應(yīng)用于商旅行問題，取得的效果尚好，但是因?yàn)槠渚哂幸资諗康娜秉c(diǎn)，仍需改進(jìn)。隨著蟻群算法的發(fā)展和改進(jìn)，因蟻群算法具有易與其他優(yōu)化算法結(jié)合的優(yōu)點(diǎn)，蟻群算法逐漸被應(yīng)用于多個(gè)領(lǐng)域。本文首先從蟻群算法原理出發(fā)，再?gòu)?span id="syggg00" class="hl">蟻群算法在機(jī)器人中的應(yīng)用及其發(fā)展趨勢(shì)進(jìn)行描述。1 原始

統(tǒng)計(jì)，在一個(gè)普通蟻群（至少容納數(shù)千只螞蟻）內(nèi)部，一分鐘內(nèi)發(fā)生的交哺現(xiàn)象可達(dá)20次以上。和其他動(dòng)物不同，大多數(shù)昆蟲都有前腸、中腸和后腸，對(duì)于群居昆蟲而言，前腸已經(jīng)變成了一種“社交胃”。交哺時(shí)都會(huì)傳遞哪些東西在交哺現(xiàn)象中，營(yíng)養(yǎng)物質(zhì)和蛋白質(zhì)從一個(gè)動(dòng)物的“社交胃”傳遞到另一個(gè)動(dòng)物。通過這樣的交流方式，螞蟻創(chuàng)造了自己專屬的“社交循環(huán)系統(tǒng)”，將群體中的每個(gè)成員與其他所有螞蟻聯(lián)系起來(lái)。木蟻就是通過這種方式，不斷地將營(yíng)養(yǎng)物質(zhì)傳遞給彼此。當(dāng)螞蟻進(jìn)行交哺行為時(shí)，它們不僅在傳遞

統(tǒng)計(jì)，在一個(gè)普通蟻群（至少容納數(shù)千只螞蟻）內(nèi)部，一分鐘內(nèi)發(fā)生的交哺現(xiàn)象可達(dá)20 次以上。和其他動(dòng)物不同，大多數(shù)昆蟲都有前腸、中腸和后腸，對(duì)于群居昆蟲而言，前腸已經(jīng)變成了一種“社交胃”。交哺時(shí)都會(huì)傳遞哪些東西在交哺現(xiàn)象中，營(yíng)養(yǎng)物質(zhì)和蛋白質(zhì)從一個(gè)動(dòng)物的“社交胃”傳遞到另一個(gè)動(dòng)物。通過這樣的交流方式，螞蟻創(chuàng)造了自己專屬的“社交循環(huán)系統(tǒng)”，將群體中的每個(gè)成員與其他所有螞蟻聯(lián)系起來(lái)。木蟻就是通過這種方式，不斷地將營(yíng)養(yǎng)物質(zhì)傳遞給彼此。當(dāng)螞蟻進(jìn)行交哺行為時(shí)，它們不僅在傳

算法等傳統(tǒng)算法和蟻群算法、魚群算法等仿生智能算法。其中，蟻群算法因?yàn)轸敯粜詮?qiáng)、易與其他算法結(jié)合、能并行運(yùn)算等優(yōu)點(diǎn)被廣泛用于解決移動(dòng)機(jī)器人的路徑規(guī)劃問題。從20 世紀(jì)90年代提出至今，無(wú)數(shù)專家和學(xué)者對(duì)其進(jìn)行改進(jìn)，使蟻群算法成功應(yīng)用在不同的行業(yè)。如文獻(xiàn)[8]利用蟻群算法來(lái)優(yōu)化生產(chǎn)車間的運(yùn)輸效率，有效地節(jié)約能源和降低生產(chǎn)成本；文獻(xiàn)[9]提出一種作業(yè)路徑生成算法和蟻群算法相結(jié)合的改進(jìn)蟻群算法，并應(yīng)用在無(wú)人機(jī)植保方面，有效縮短了無(wú)人機(jī)的搜索路徑等。然而，蟻群算法也有

交哺現(xiàn)象”（一個(gè)蟻群可能至少容納數(shù)千只螞蟻）?！按蠹s5年前，我們發(fā)表了一篇論文，描述了這樣一個(gè)事實(shí)，即當(dāng)螞蟻進(jìn)行交哺行為時(shí)，它們不僅在傳遞外來(lái)的食物，它們也在傳遞激素、配偶識(shí)別信號(hào)和其他各種物質(zhì)。”勒博夫說。因此，螞蟻通過互相吐口水的方式，不僅僅是在交換營(yíng)養(yǎng)物質(zhì)，還是在創(chuàng)建一個(gè)消化道社交網(wǎng)絡(luò)，能量和信息在整個(gè)群體中不斷循環(huán)，以供需要這些資源的螞蟻。這很像你的大腦，分泌激素并將它們傳遞到身體的循環(huán)系統(tǒng)，并最終到達(dá)你的肝臟。螞蟻群體是一個(gè)“超級(jí)有機(jī)集體”勒博夫

強(qiáng)大的算法。傳統(tǒng)蟻群算法的隨機(jī)選擇雖然能搜索更大的任務(wù)范圍，有助于搜尋潛在的全局最優(yōu)解，但是需要相對(duì)比較長(zhǎng)的時(shí)間才能發(fā)揮正反饋的作用，致使算法在開始階段收斂速度較慢。同時(shí)，蟻群算法具有正反饋的特性，若蟻群算法在開始搜索時(shí)受次優(yōu)解影響，那么正反饋會(huì)使次優(yōu)解很快占據(jù)優(yōu)勢(shì)，使算法陷入局部最優(yōu)。針對(duì)上述問題，很多先前的研究者在蟻群算法的基礎(chǔ)上做出了改進(jìn)，曹新亮等[2]針對(duì)蟻群算法在初期搜索目標(biāo)的盲目性，建立了新的數(shù)學(xué)模型，對(duì)開始的信息素濃度提前進(jìn)行差異化設(shè)置，進(jìn)而

，日照充足，為白蟻群生活提供了充足的水源和適宜的食物源，環(huán)境越來(lái)越美，樹木越來(lái)越多，帶來(lái)的問題是白蟻的危害越來(lái)越嚴(yán)重。要采用“預(yù)防為主、綜合治理”的方針，系統(tǒng)和綜合地運(yùn)用多種方法，調(diào)查句容白蟻種類，掌握蟻群分布和危害情況，分析了多種因素對(duì)白蟻的影響，經(jīng)過長(zhǎng)期研究對(duì)比，做了大量實(shí)驗(yàn)，最后決定采用無(wú)藥物治理，對(duì)環(huán)境安全。關(guān)鍵詞：句容;蟻群;危害;無(wú)藥物;治理【中圖分類號(hào)】G644.5???????????? 【文獻(xiàn)標(biāo)識(shí)碼】A ????????????【文章編號(hào)

是一個(gè)熱點(diǎn)問題.蟻群算法在智能算法是比較常用的一種方法，雖然在收斂速度等方面有不足和局限，但是它具有的正反饋性、強(qiáng)魯棒性、并行性等優(yōu)點(diǎn)在機(jī)器人路徑規(guī)劃的問題中有優(yōu)勢(shì)，并且很多學(xué)者已驗(yàn)證了蟻群算法在尋找最優(yōu)路徑方面具有較高的速度[4].鑒于此，通過將文獻(xiàn)[5][6]中的改進(jìn)蟻群算法巧妙地柔和得出了另外一種新的改進(jìn)蟻群算法，并且將此方法應(yīng)用于解決機(jī)器人路徑規(guī)劃問題得到了很好的效果.1 相關(guān)理論1.1 基本蟻群算法在1992年，作為一種智能優(yōu)化算法的蟻群算法第一

基礎(chǔ)之上，將傳統(tǒng)蟻群算法進(jìn)行改良得到改進(jìn)的蟻群優(yōu)化算法(improved ant colony optimization algorithm),使算法的效率明顯提高。在處理云計(jì)算資源分配方面的問題時(shí)有了明顯的提升，在減少成本的同時(shí)節(jié)省了任務(wù)所需要的時(shí)間，仿真模擬實(shí)驗(yàn)說明算法在處理云計(jì)算資源分配方面問題時(shí)擁有較好的優(yōu)越度[8]。1 調(diào)度算法描述調(diào)度算法是云計(jì)算資源調(diào)度的核心技術(shù)，優(yōu)秀的調(diào)度算法可以保證云計(jì)算資源調(diào)度的高效性和合理性，因此引入傳統(tǒng)的蟻群算法，并

澤正摘?要：由于蟻群算法具有很好的多樣性、兼容性和正反饋，故十分適合用于BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)率的優(yōu)化，從而建立蟻群-BP神經(jīng)網(wǎng)絡(luò)。訓(xùn)練樣本對(duì)是以實(shí)驗(yàn)1、實(shí)驗(yàn)3、實(shí)驗(yàn)5、實(shí)驗(yàn)7、實(shí)驗(yàn)9、實(shí)驗(yàn)11、實(shí)驗(yàn)13和實(shí)驗(yàn)15下的高速銑削試驗(yàn)數(shù)據(jù)組成的，并用高速銑削實(shí)驗(yàn)中的工件表面粗糙度來(lái)建模。使用創(chuàng)建的高速銑削工件表面粗糙度預(yù)測(cè)模型來(lái)對(duì)實(shí)驗(yàn)2和實(shí)驗(yàn)6狀態(tài)中的高速銑削工件表面粗糙度進(jìn)行預(yù)測(cè)，通過對(duì)比預(yù)測(cè)結(jié)果和試驗(yàn)結(jié)果，可發(fā)現(xiàn)蟻群-BP神經(jīng)網(wǎng)絡(luò)能夠十分有效地對(duì)高速銑削工件表面

優(yōu)化算法主要包括蟻群算法、遺傳算法、粒子群算法、免疫算法、模擬退火算法、DNA計(jì)算方法以及各算法之間的組合優(yōu)化算法等[2-5].蟻群算法是一種啟發(fā)式的隨機(jī)搜索算法，由意大利學(xué)者M(jìn)aniezzo團(tuán)隊(duì)受螞蟻覓食行為的啟發(fā)，在1991年首次提出[6].蟻群算法模擬螞蟻合作覓食行為，具有正反饋、高穩(wěn)健性和并行性、易于與其他算法相結(jié)合等優(yōu)點(diǎn).但傳統(tǒng)蟻群算法容易出現(xiàn)局部最優(yōu)解、計(jì)算量大、收斂速度慢等問題[7].近年來(lái)國(guó)內(nèi)外學(xué)者相繼提出了一些改進(jìn)的蟻群算法.2000年，

群算法[3]等。蟻群算法[4]（ACO）具有并行性、正反饋性及良好的擴(kuò)充性等優(yōu)點(diǎn)，在解決路徑規(guī)劃[5]、TSP[6]等問題都有成功的應(yīng)用。針對(duì)蟻群算法耗時(shí)長(zhǎng)，容易陷入局部最優(yōu)的缺點(diǎn)，文獻(xiàn)[7]提出一種基于蟻群算法的帶時(shí)間窗的啟發(fā)式算法，提高了收斂速度。文獻(xiàn)[8]利用遺傳算法對(duì)蟻群算法參數(shù)的組合優(yōu)化，但由于遺傳算法計(jì)算量大，效果不明顯。在傳統(tǒng)蟻群算法基礎(chǔ)上，利用改進(jìn)的蟻群算法對(duì)AGV路徑規(guī)劃進(jìn)行了研究。2 空間環(huán)境模型的建立空間環(huán)境模型的建立是AGV路徑規(guī)劃

激勵(lì)函數(shù)改進(jìn)基本蟻群算法的啟發(fā)函數(shù)，增強(qiáng)了路徑平滑性，降低搜索過程的死鎖現(xiàn)象，文獻(xiàn)[3]中利用機(jī)器人當(dāng)前朝向和下一次位置的方位之間的夾角來(lái)改變螞蟻的轉(zhuǎn)移概率，不僅增強(qiáng)了路徑的平滑性，也縮短了路徑的長(zhǎng)度。文獻(xiàn)[4]中提出了靜電勢(shì)場(chǎng)法用于路徑規(guī)劃，和人工勢(shì)場(chǎng)法不同的是，靜電勢(shì)場(chǎng)是標(biāo)量場(chǎng)只有大小沒有方向，便于計(jì)算，降低了路徑規(guī)劃過程中計(jì)算的復(fù)雜度，縮短了路徑規(guī)劃的時(shí)間。本文將蟻群算法與靜電勢(shì)場(chǎng)法結(jié)合，將靜電勢(shì)場(chǎng)函數(shù)引入蟻群算法的啟發(fā)函數(shù)中，不僅考慮下一個(gè)節(jié)點(diǎn)到目

樊思琪摘 要：蟻群算法雖然在螞蟻算法的基礎(chǔ)上已經(jīng)有了改進(jìn)但仍然會(huì)有缺陷，最大的缺點(diǎn)就是會(huì)陷入局部最優(yōu)解。模擬退火算法最大的特點(diǎn)就是有一個(gè)蒙地卡洛判斷準(zhǔn)則，允許其接受一個(gè)較差解，不過算法卻恰恰因?yàn)檫@點(diǎn)而會(huì)非常的耗時(shí)。通過理論的研究發(fā)現(xiàn)可以將這兩種算法融合在一起，兩種算法可以實(shí)現(xiàn)互補(bǔ)。最終便選擇基站選址這個(gè)實(shí)際應(yīng)用問題去用matlab仿真看是否真的可以減少基站的建設(shè)數(shù)量。關(guān)鍵詞：模擬退火;蟻群;基站選址引言基站的作用就是來(lái)覆蓋用戶，目前對(duì)于被覆蓋用戶，會(huì)根據(jù)

A*算法[6]和蟻群算法[7]等。但是上述提及的各種算法，都存在各自的缺點(diǎn)。RRT算法在搜索過程中進(jìn)行隨機(jī)搜索，只要從起始點(diǎn)到目標(biāo)點(diǎn)有連線，則立即生成一條路徑，所以生成的路徑既不能保證路徑最優(yōu)，又不能保證搜索時(shí)間最短。粒子群算法與模擬退火算法效果的優(yōu)劣在于適應(yīng)度函數(shù)的選擇。Dijkstra算法，屬于一種貪心算法，其只考慮當(dāng)前節(jié)點(diǎn)到下一節(jié)點(diǎn)的距離，易陷入局部最優(yōu)。算法在搜索期間進(jìn)行全局搜索，搜索時(shí)間慢，而且搜索的方向有可能與目標(biāo)點(diǎn)相背離，最終導(dǎo)致搜索失敗。A

，整體推進(jìn)。二是蟻群活動(dòng)的地方常在沼澤岸邊，這里青蛙很多。三是常有一些蛇突然鉆進(jìn)水里，然后再鉆出來(lái)。他認(rèn)為這三個(gè)現(xiàn)象應(yīng)該與紅蟻捕蛇有關(guān)。一次偶然，他發(fā)現(xiàn)一條蛇從蟻群中穿過，隨后便劇烈地翻搖兩下鉆入水中，細(xì)心的他發(fā)現(xiàn)蛇入水以后，有許多只紅蟻漂在水面上。這個(gè)教授聯(lián)系那三個(gè)奇怪的現(xiàn)象，他豁然開朗，立刻找到了答案：蟻群集體行動(dòng)，應(yīng)該是在等蛇從它們身上游過。蟻群在沼澤邊活動(dòng)，是因?yàn)檫@里青蛙多，蛇經(jīng)常到這里覓食。當(dāng)有蛇不小心從蟻群中間穿過時(shí)，密密麻麻的蟻群中總有一些紅

同慢慢蛀蝕樹干的蟻群。在監(jiān)管力度增強(qiáng)的情況下，是什么原因促使醫(yī)院、藥房等頂風(fēng)作案？騙保手段的秘密盡管騙保方式多樣，但根據(jù)目前披露的大部分案件，騙取醫(yī)保基金的手法早已不新鮮?！坝行_保手段相當(dāng)?shù)图?jí)，幾乎沒有隱蔽性可言，且不在少數(shù)?！币晃会t(yī)保部門工作人員向《財(cái)經(jīng)》記者介紹。目前，在中國(guó)裁判文書網(wǎng)中輸入“騙取醫(yī)?；稹?，2013年至記者發(fā)稿，共有相關(guān)裁判文書381份，涉及的騙保手法主要包括掛床住院、偽造醫(yī)療文書和票據(jù)、串換藥品或耗材、盜刷醫(yī)?？ǖ?。通常是醫(yī)院或者

，整體推進(jìn)。二是蟻群活動(dòng)的地方常在沼澤岸邊，這里青蛙很多。三是常有一些蛇突然鉆進(jìn)水里，然后再鉆出來(lái)。他認(rèn)為這三個(gè)現(xiàn)象應(yīng)該與紅蟻捕蛇有關(guān)。一次偶然，他發(fā)現(xiàn)一條蛇從蟻群中穿過，隨后便劇烈地翻搖兩下鉆入水中，細(xì)心的他發(fā)現(xiàn)蛇入水以后，有許多只紅蟻漂在水面上。這個(gè)教授聯(lián)系那三個(gè)奇怪的現(xiàn)象，他豁然開朗，立刻找到了答案：蟻群集體行動(dòng)，應(yīng)該是在等蛇從它們身上游過。蟻群在沼澤邊活動(dòng)，是因?yàn)檫@里青蛙多，蛇經(jīng)常到這里覓食。當(dāng)有蛇不小心從蟻群中間穿過時(shí)，密密麻麻的蟻群中總有一些紅

有禁忌搜索算法、蟻群算法、遺傳算法等。蟻群算法的搜索過程采用分布式計(jì)算方式，相較其它智能算法具有較高的計(jì)算能力和運(yùn)行效率，但算法的搜索精度仍有待完善。因此本文提出改進(jìn)的蟻群算法，在傳統(tǒng)蟻群算法的基礎(chǔ)上引入相似度影響因子，能夠增加算法的全局搜索能力。并將改進(jìn)的蟻群算法應(yīng)用到測(cè)試數(shù)據(jù)自動(dòng)生成問題中。2 測(cè)試數(shù)據(jù)自動(dòng)生成模型設(shè)待測(cè)路徑為P，采用改進(jìn)的蟻群算法自動(dòng)生成的輸入?yún)?shù)變量為X={x1，x2，…，xn}，輸入?yún)?shù)變量X的實(shí)際執(zhí)行路徑為P’，當(dāng)P’=P時(shí)，所

歡成群活動(dòng)；二是蟻群活動(dòng)的地方常在沼澤岸邊；三是常有一些蛇突然鉆進(jìn)水里，然后再鉆出來(lái)。教授聯(lián)系這三個(gè)奇怪的現(xiàn)象后找到了答案：蟻群集體行動(dòng)，是在等蛇從它們身上穿過。蟻群在沼澤邊活動(dòng)，是因?yàn)檫@里青蛙多，蛇經(jīng)常到這里覓食。當(dāng)有蛇不小心從蟻群中間穿過時(shí)，密密麻麻的蟻群中總有一些紅蟻會(huì)爬到蛇身上，然后對(duì)其叮咬。蛇因?yàn)閯⊥?，要擺脫這些紅蟻，便鉆入水中，可它已經(jīng)受到許多紅蟻毒液的毒蝕。當(dāng)受傷的蛇再次穿過蟻群時(shí)，同樣還有許多紅蟻再爬到它身上。反復(fù)幾次，蛇全身被紅蟻毒得潰爛

學(xué)英語(yǔ)學(xué)科組以“蟻群”的力量為啟迪，以“個(gè)體有特色，團(tuán)體有優(yōu)勢(shì)”為發(fā)展目標(biāo)，以主題教研、特色課程、伙伴互助為行動(dòng)關(guān)鍵詞，共同追尋教育夢(mèng)想。關(guān)鍵詞：價(jià)值追尋;團(tuán)隊(duì)架構(gòu);學(xué)科團(tuán)隊(duì);小學(xué)英語(yǔ)【中圖分類號(hào)】G【文獻(xiàn)標(biāo)識(shí)碼】B【文章編號(hào)】1008-1216（2019）12B-0054-02螞蟻，雖然渺小，但很團(tuán)結(jié)。蟻群由許多有著共同目標(biāo)的螞蟻組成，它們有明確的分工合作，覓食、建設(shè)、保衛(wèi)、飼喂……學(xué)科組就是這樣一支如同“蟻群”的團(tuán)隊(duì)。本文以張家港市世茂小學(xué)英語(yǔ)學(xué)科組為

于解決優(yōu)化問題的蟻群算法(ACO)[1]、螢火蟲算法(FA)[2]、粒子群算法(PSO)[3]以及蝙蝠算法(BA)[4]等群體智能算法[5]不斷涌入,這類算法為解決NP-hard問題提供了較好的方法,其設(shè)計(jì)原理來(lái)源于對(duì)大自然中生物行為的效仿．蟻群算法作為最早的仿生物算法,一直備受專家學(xué)者關(guān)注．近些年,眾多學(xué)者對(duì)蟻群算法進(jìn)行了深入的研究,解決了旅行商問題[6-7]、指派問題[8]以及調(diào)度問題[9]等.目前,針對(duì)蟻群算法的改進(jìn)已有大量的研究,張飛君等[10]提

的問題，提出基于蟻群的復(fù)雜復(fù)印機(jī)故障信號(hào)的檢測(cè)與提取方法?；?span id="syggg00" class="hl">蟻群的復(fù)雜復(fù)印機(jī)故障信號(hào)的檢測(cè)中，利用檢測(cè)某一路徑的最大代價(jià)和最小代價(jià)得到螞蟻于該路徑上所釋放信息素的濃度，以此計(jì)算蟻群對(duì)于某條路徑選取的概率。更新該條路徑上信息素濃度，按照路徑上的螞蟻存留的信息素濃度對(duì)復(fù)印機(jī)故障檢測(cè)過程中路徑選擇優(yōu)先順序進(jìn)行判斷，以檢測(cè)出復(fù)印機(jī)故障信號(hào)源。將復(fù)印機(jī)故障信號(hào)源代入小波包分析中，得到復(fù)印機(jī)總故障信號(hào)，計(jì)算故障信號(hào)中的各個(gè)頻帶信號(hào)相應(yīng)能量，利用各頻帶相應(yīng)能量，構(gòu)建復(fù)

低配送成本。針對(duì)蟻群算法的不足，在解決配送車輛路徑優(yōu)化問題的方法上，對(duì)蟻群算法的信息素濃度的限制、初始解的構(gòu)建、螞蟻路徑選擇規(guī)則、信息素的更新方式進(jìn)行了改進(jìn)，有效解決了蟻群算法的缺陷。最后，利用Matlab軟件和改進(jìn)的蟻群算法對(duì)綠鑫源的案例進(jìn)行驗(yàn)證，并與基本蟻群算法對(duì)比分析，驗(yàn)證了改進(jìn)蟻群算法的有效性和可行性。【關(guān)鍵詞】冷鏈物流；車輛路徑優(yōu)化；改進(jìn)的蟻群算法

基于改進(jìn)的蟻群算法的無(wú)人駕駛車輛路徑規(guī)劃無(wú)人駕駛車輛能夠正常運(yùn)行需要規(guī)劃出最優(yōu)或最短的行駛路徑。目前，雖然已有很多提供了適當(dāng)路徑規(guī)劃策略的方法，但這些方法并沒有將車載電池為無(wú)人駕駛車輛提供的能量消耗作為約束條件。因此，提出了一種在路徑規(guī)劃策略中考慮無(wú)人駕駛車輛能耗的基于蟻群算法的路徑規(guī)劃方法。該方法將蟻群算法與能量消耗預(yù)測(cè)模型相結(jié)合，從而能夠提供出能耗低的無(wú)碰撞的最短路徑。該方法還可以通過仿真工具進(jìn)行評(píng)估和驗(yàn)證，并與普通的蟻群算法、遺傳算法和粒子群優(yōu)化方法

芬* ?基于改進(jìn)蟻群算法的全局路徑規(guī)劃研究與仿真燕紫君，吳明芬*(五邑大學(xué)計(jì)算機(jī)學(xué)院 江門 529020）路徑規(guī)劃是指在有障礙物的工作環(huán)境中，尋找一條從給定起點(diǎn)到終點(diǎn)的適當(dāng)路徑，使運(yùn)動(dòng)過程中能安全、無(wú)碰的繞過所有障礙物。目前針對(duì)路徑規(guī)劃的算法較多，本文主要針對(duì)傳統(tǒng)蟻群算法在二維路徑規(guī)劃中易陷于局部最優(yōu)解，最終導(dǎo)致搜索過早停滯等問題，提出了一種改進(jìn)的蟻群算法。該改進(jìn)的算法主要以全局最優(yōu)為出發(fā)點(diǎn)，通過引入終點(diǎn)對(duì)啟發(fā)因子的影響，在鄰接點(diǎn)和終點(diǎn)的共同作用下對(duì)啟發(fā)因

03)?基于改進(jìn)蟻群算法的通信業(yè)務(wù)智能調(diào)配分析研究*繆巍巍1吳海洋1施 健2呂順利2(1.江蘇省電力公司 南京 210024)(2.南京南瑞集團(tuán)公司 南京 210003)電力通信光傳輸網(wǎng)絡(luò)的業(yè)務(wù)路由調(diào)配符合多約束條件的路由路徑特點(diǎn),傳統(tǒng)的路由計(jì)算方法難以實(shí)現(xiàn)最優(yōu)化的業(yè)務(wù)路徑生成。論文在蟻群算法的基礎(chǔ)上借鑒A*算法的思想,提出了一種改進(jìn)的蟻群算法,有效避免了蟻群算法中雜亂搜索和容易導(dǎo)致局部最優(yōu)的缺陷。通過實(shí)驗(yàn)仿真,改進(jìn)后的蟻群算法在不同的網(wǎng)絡(luò)拓?fù)鋱D上均能得到

）基于城市權(quán)重的蟻群算法及其在TSP中的應(yīng)用*馬清鑫，張達(dá)敏，張 斌，阿明翰（貴州大學(xué) 大數(shù)據(jù)與信息工程學(xué)院，貴州 貴陽(yáng)550025）蟻群算法在解決NP-C問題時(shí)展現(xiàn)出了較強(qiáng)的適用性，但收斂速度慢，容易陷入局部最優(yōu)解的缺陷卻沒有得到較好解決。于是，提出了一種基于城市權(quán)重的蟻群算法ACAWC（Ant Colony Algorithm based on the W eight of City）。改進(jìn)后的算法通過利用城市距離在整個(gè)城市網(wǎng)中所占比重來(lái)協(xié)調(diào)啟發(fā)信息作

基于加權(quán)一致性的蟻群算法在斷層檢測(cè)中的應(yīng)用劉財(cái)1， 劉海燕1 *， 彭沖2， 張營(yíng)3， 劉瓊4， 勾福巖11 吉林大學(xué)地球探測(cè)科學(xué)與技術(shù)學(xué)院， 長(zhǎng)春130026 2 山西師范大學(xué)地理科學(xué)學(xué)院， 山西臨汾041004 3 中國(guó)石化東北油氣分公司， 長(zhǎng)春130062 4 中國(guó)石油吐哈油田公司勘探開發(fā)研究院， 新疆哈密839009突出地震數(shù)據(jù)振幅空間不連續(xù)性的斷層增強(qiáng)屬性體是斷層自動(dòng)解釋的基礎(chǔ)，而如何壓制噪聲、地層殘余響應(yīng)、角度不整合接觸等偽斷層的影響是斷層自動(dòng)

27)?一種基于蟻群思想的動(dòng)態(tài)路徑尋優(yōu)算法的實(shí)現(xiàn)及仿真周秀娟1，花嶸1，史娟1，高玉勵(lì)2(1.山東科技大學(xué) 信息科學(xué)與工程學(xué)院 山東 青島 266590；2.青島黃海學(xué)院 山東 青島 266427)摘要：為了提高路徑尋優(yōu)算法的效率和實(shí)時(shí)性，本文實(shí)現(xiàn)了一種名為DPO-AC的基于蟻群思想的動(dòng)態(tài)路徑尋優(yōu)算法(the ant colony algorithm with dynamic path optimization)，在改進(jìn)蟻群算法的基礎(chǔ)上結(jié)合神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)預(yù)

。本文提出了一種蟻群聚類優(yōu)化算法，并用于高職高專的信息技術(shù)課程成績(jī)管理當(dāng)中。旨在挖掘成績(jī)背后的信息，供教學(xué)參考，教務(wù)支持。關(guān)鍵詞： 蟻群； 聚類分析； 成績(jī)?cè)u(píng)價(jià)中圖分類號(hào)： TP391 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)： 1671-2153（2016）05-0095-031 問題提出隨著蟻群算法研究的不斷深入，人們發(fā)現(xiàn)在某些方面采用蟻群模型進(jìn)行聚類分析會(huì)更接近于實(shí)際的聚類問題。通過模擬蟻群的行為，人們提出了很多基于蟻群的聚類分析模型[1]。Lumer和Faiet

及做出任何反應(yīng)，蟻群已經(jīng)潮水般地?fù)磉^來(lái)，距離他只有七八米遠(yuǎn)了。幾乎就在轉(zhuǎn)瞬之間，蟻群鋪天蓋地地爬滿了傳令兵托馬斯全身，在一聲又一聲凄厲的尖叫聲中，托馬斯跌倒在了蟻群里……絕處逢生希姆將軍無(wú)法知道，這么一支龐大的蟻群，為何突然聚集起來(lái)，又為何直撲他的部隊(duì)？他的1800名士兵眼下還存活多少……但希姆已經(jīng)沒有時(shí)間多想了，他知道此刻，用腿遠(yuǎn)比用腦更為明智，更加有效，他完全顧不得什么將軍風(fēng)度了，大叫一聲，轉(zhuǎn)身向森林深處逃去……希姆很快逃到一個(gè)湖邊，他不顧一切地跳入湖

0）基于吸引場(chǎng)的蟻群算法在TSP中的應(yīng)用王 雷，李 明，劉志虎（安徽工程大學(xué)機(jī)械與汽車工程學(xué)院，安徽蕪湖241000）針對(duì)傳統(tǒng)蟻群算法容易陷入局部最優(yōu)解等缺陷，提出了一種基于吸引場(chǎng)的改進(jìn)的蟻群算法.首先，詳細(xì)分析了基于信息素的吸引場(chǎng)原理，在此基礎(chǔ)上建立了基于信息素的吸引場(chǎng)模型.其次，設(shè)計(jì)了吸引場(chǎng)因子，給出了信息素更新策略，使相距較近的螞蟻之間能更好地進(jìn)行協(xié)作.最后，針對(duì)標(biāo)準(zhǔn)的30個(gè)城市的旅行商問題，使用所提出的算法與基本蟻群算法、其他改進(jìn)的蟻群算法進(jìn)行優(yōu)化

目睹這一過程。軍蟻群排成方隊(duì)前行，當(dāng)黃箭蛙背對(duì)軍蟻群時(shí)，根本不會(huì)感覺到危險(xiǎn)的來(lái)臨，就在一瞬間，有軍蟻爬上它的身體并開始咬它，黃箭蛙瞬間發(fā)力向前跳去企圖逃離，可誰(shuí)知，此時(shí)的軍蟻隊(duì)形早已經(jīng)變成了環(huán)形，向前奮力跳躍的黃箭蛙會(huì)直接落在軍蟻群里，它掙扎幾下便沒了力氣。當(dāng)黃箭蛙面向蟻群的時(shí)候，它十分坦然。因?yàn)樗耐蝗惶S距離是兩米五，而蟻群最寬處只有兩米，所以，它在等待，等待蟻群快靠近它時(shí)，直接躍過遠(yuǎn)離危險(xiǎn)?？蓱騽⌒缘囊荒怀霈F(xiàn)了，只見軍蟻們突然停止移動(dòng)，然后幾只軍蟻快

了基于負(fù)載均衡的蟻群優(yōu)化算法用于云應(yīng)用調(diào)度［6］。然而，大多數(shù)研究沒有考慮QoS 約束的任務(wù)期限。為了有效地進(jìn)行部分相關(guān)任務(wù)調(diào)度，本文提出了一種滿足服務(wù)質(zhì)量(QoS)約束的調(diào)度模型，并將改進(jìn)的蟻群優(yōu)化算法(ACO +)用于云環(huán)境下部分相關(guān)任務(wù)調(diào)度。1 云任務(wù)調(diào)度模型由于云任務(wù)調(diào)度研究主要集中在獨(dú)立任務(wù)調(diào)度和工作流任務(wù)調(diào)度，缺乏對(duì)部分相關(guān)任務(wù)調(diào)度的研究。因此，在研究部分相關(guān)任務(wù)調(diào)度模型的基礎(chǔ)上，提出滿足QoS 約束的部分相關(guān)任務(wù)調(diào)度模型。部分相關(guān)任務(wù)模型通常

,743000）蟻群算法是一種新型的啟發(fā)式仿生類并行智能進(jìn)化算法，最早是由意大利學(xué)者M(jìn).Dorigo 于1991 年首次提出，由于該算法具有分布式計(jì)算、正反饋機(jī)制以及較強(qiáng)的魯棒性（容易與其他算法結(jié)合）等優(yōu)點(diǎn)，在許多領(lǐng)域的組合優(yōu)化問題的求解上得到了巨大的應(yīng)用和成功。但基本的蟻群算法也存在著許多缺點(diǎn)，其中最關(guān)鍵的問題之一就是“探索”和“利用”之間的矛盾：既要以信息素的正反饋機(jī)制和啟發(fā)因子引導(dǎo)整個(gè)蟻群逐漸向最短路徑靠近，也就是利用先驗(yàn)信息快速搜尋最優(yōu)解，提高收斂

、人工免疫算法和蟻群算法。在通常情況下，蟻群算法得到的最短路徑要好于其他的啟發(fā)式算法。蟻群算法以先驗(yàn)信息和信息素的正反饋?zhàn)饔脕?lái)引導(dǎo)每只螞蟻的行為，使得蟻群整體上逐漸向全局最短路徑靠攏。但是基本蟻群算法對(duì)信息素的處理過于粗糙，對(duì)已經(jīng)尋找到的最短路徑缺乏較強(qiáng)的敏感性，使得算法的收斂速度太慢。為了加快蟻群算法的收斂速度，有學(xué)者提出了帶精英策略的蟻群算法［3］。該算法在已經(jīng)找到的最短路徑和基本蟻群算法的基礎(chǔ)上，額外加了一些信息素，雖然能使每只螞蟻向已經(jīng)找到的最短路

算法；另一種是以蟻群算法[3]、粒子群算法[4]、蜂群算法[5]為代表的群智能算法.演化算法主要以自然進(jìn)化為理論依據(jù)，通過種群之間的迭代演化完成問題的求解.而群智能算法通過模擬自然界中的群智能生物(螞蟻、大雁、蜜蜂)行為來(lái)完成問題的求解.由于兩種類型的算法關(guān)注點(diǎn)不同，從而導(dǎo)致在解決問題時(shí)所產(chǎn)生的效果也是不同的.雖然現(xiàn)在沒有統(tǒng)一的理論來(lái)規(guī)定什么樣的問題適用于什么樣的演化算法.但是從解決問題的實(shí)踐來(lái)看，這兩種類型算法具有互補(bǔ)性.遺傳算法通過種群進(jìn)行目標(biāo)尋優(yōu)，其

張 斌，關(guān)世義，陳士櫓(1．西北工業(yè)大學(xué)航天學(xué)院，西安710068;2．北京機(jī)電工程研究所，北京100074)0 IntroductionIn recent years，reentry vehicle has attracted many researchers’attention．Many investigations have been done to improve applications for different reentry vehicle

：“和這樣的愚蠢蟻群為伍，我感到終生遺憾！”檢察官大聲疾呼，要對(duì)他處以死刑。這時(shí)，一位赫赫有名的精神病科醫(yī)生救了螞蟻的命。醫(yī)生在診斷書上明確地說，他患了精神失常癥。夜間，被囚禁的螞蟻不睡覺，把沙粒翻過來(lái)掉過去，仔細(xì)地磨了又磨。白天，在那間狹小陰暗的牢房里，他馱著沙粒從一端爬到另一端，并且拒絕吃飯。一天早晨，獄卒發(fā)現(xiàn)牢房里靜悄悄的，充滿異彩。那顆奇異的沙粒在地上閃閃發(fā)光，就像一顆光彩奪目的鉆石。在沙粒附近，躺著那只英雄的螞蟻。他仰面朝天，又干又瘦，通體透明。

,整體推進(jìn);二是蟻群活動(dòng)的地方常在沼澤岸邊,這里青蛙很多;三是常有一些蛇突然鉆進(jìn)水里,然后再鉆出來(lái)。他認(rèn)為這三個(gè)現(xiàn)象應(yīng)該與紅蟻捕蛇有關(guān)。一個(gè)偶然,他發(fā)現(xiàn)一條蛇不小心從蟻群中穿過,隨后便劇烈地翻搖兩下鉆入水中,細(xì)心的他發(fā)現(xiàn)蛇入水以后,有許多只紅蟻漂在水面上。聯(lián)系那三個(gè)奇怪的現(xiàn)象,他豁然開朗,立刻找到了答案:蟻群集體行動(dòng),應(yīng)該是在等蛇從它們身上游過。蟻群在沼澤邊活動(dòng),是因?yàn)檫@里青蛙多,蛇經(jīng)常到這里覓食。當(dāng)有蛇不小心從蟻群中間穿過時(shí),密密麻麻的蟻群中總有一些紅蟻