下载文档原格式
蚁群算法报告及代码一、狼群算法狼群算法是基于狼群群体智能,模拟狼群捕食行为及其猎物分配方式,抽象出游走、召唤、围攻3种智能行为以及“胜者为王”的头狼产生规则和“强者生存”的狼群更新机制,提出一种新的群体智能算法。
算法采用基于人工狼主体的自下而上的设计方法和基于职责分工的协作式搜索路径结构。
如图1所示,通过狼群个体对猎物气味、环境信息的探知、人工狼相互间信息的共享和交互以及人工狼基于自身职责的个体行为决策最终实现了狼群捕猎的全过程。
二、布谷鸟算法布谷鸟算法布谷鸟搜索算法,也叫杜鹃搜索,是一种新兴启发算法CS算法，通过模拟某些种属布谷鸟的寄生育雏来有效地求解最优化问题的算法.同时，CS也采用相关的Levy飞行搜索机制蚁群算法介绍及其源代码。
具有的优点：全局搜索能力强、选用参数少、搜索路径优、多目标问题求解能力强，以及很好的通用性、鲁棒性。
应用领域：项目调度、工程优化问题、求解置换流水车间调度和计算智能三、差分算法差分算法主要用于求解连续变量的全局优化问题，其主要工作步骤与其他进化算法基本一致，主要包括变异、交叉、选择三种操作。
算法的基本思想是从某一随机产生的初始群体开始，利用从种群中随机选取的两个个体的差向量作为第三个个体的随机变化源，将差向量加权后按照一定的规则与第三个个体求和而产生变异个体，该操作称为变异。
然后，变异个体与某个预先决定的目标个体进行参数混合，生成试验个体，这一过程称之为交叉。
如果试验个体的适应度值优于目标个体的适应度值，则在下一代中试验个体取代目标个体，否则目标个体仍保存下来，该操作称为选择。
在每一代的进化过程中，每一个体矢量作为目标个体一次，算法通过不断地迭代计算，保留优良个体，淘汰劣质个体，引导搜索过程向全局最优解逼近。
四、免疫算法免疫算法是一种具有生成+检测的迭代过程的搜索算法。
从理论上分析，迭代过程中，在保留上一代最佳个体的前提下，遗传算法是全局收敛的。
五、人工蜂群算法人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。
基于遗传-蚁群混合算法的分布式电源配电网规划请保留作者简介和英文部分：李凯男 1979年4月生沈阳供电公司工程师，辽宁海城人摘要：本文针对分布式电源在配电网规划中产生的问题，以分布式发电的经济性为基础，提出了改进的遗传-蚁群融合算法，在遗传算法中引入逆转变异和精英保留策略，蚁群算法部分采用改进的最大-最小蚂蚁系统，并对两者衔接点的选取方法进行了改进。
通过对仿真算例的求解，表明了利用该算法与单纯利用遗传或蚁群算法所得的方案相比，能够取得具有更强的全局经济性和求解速度更快的规划方案。
关键词：分布式电源；配电网规划；遗传算法；蚁群算法中图分类号：tm727.2文献标识码：adistribution network planning with distributed generation based on ga-acgli kai1, dong liang2(1 shenyang power supply company, shenyang, 110003, china2 school of information science and engineering, northeastern university, shenyang 110004, china) abstract: in this paper, to solve the problem of distribution network planning with distributedgeneration(dg) , the author establishes the optimized model based on the considerations of economy of dg, and puts forwardan improved algorithm integrating the genetic algorithm(ga) and ant colony algorithm(acg), in which reversal variation and elite reservation strategie are introduced in ga and modified max-min ant system is utilized. what’s more, the selection method of juncture is also modified. in comparison with the ga or acg, the advantages in economy and solution speed of the new confluent algorithm in terms of the planning scheme of the location and capacity are demonstrated by solution of the same emulation example.key words：distributed generation, distribution network planning, genetic algorithm, ant colony algorithm.1 引言分布式发电系统与大电网相结合后，对传统配电网中的电压节点、线路潮流计算、短路电流、电能质量和可靠性等都会带来影响，其影响的程度与分布式电源的安装位置和安装容量有着决定性的关系[1-4]。
探究智能电网发展下多目标输电网规划设计思路摘要:随着智能电网的不断发展,我们开始不断研究多目标的输电网规划。
而进行规划时所设计的方案一定要保证其可靠性、灵活性、适应性、经济性、抗毁性。
要想保证方案的可靠性就要依靠需求计算缺损的电量;要想保证方案的灵活性就要依靠网络的输电能力;要想保证方案的适应性就要依靠系统的扩展能力;要想保证方案的经济性就要依靠发展电网所投的资金;要想保证方案的抗毁性就要依靠电网线路介数因子的最低值。
为了能够制定出符合的方案,我们建立一个新的多目标输电网规划模型,这个模型是在一个余弦排序的理论基础上建立而成。
为了得到一个最优的综合方案本文还会做出一个对比,并且指导多目标输电网能够更好的进行规划。
关键词:智能电网多目标输电网规划余弦排序1 对余弦排序理论进行分析为了能够在检索信息这一个领域有一个很好的发展,Salton等人提出了一个新的模型,即向量空间模型。
这个模型主要的作用就是查询文档与信息所具有的相似程度,而检查的办法就是查出人们所搜索的文档向量与人们所查询的信息向量之间的夹角,然后用此夹角的余弦值作为相似程度的定量。
为了能够更好的规划电网,我们可以将这个余弦排序理论加以改造以后用于我们的电力系统中。
2 输电网规划方法研究现状由于电网规划是一项比较复杂,约束比较多的项目,因此在其优化问题上有很大的难度。
然而随着社会的发展,计算机网络、运筹学以及系统工程等领域也在快速的发展,从而为解决这些输电网规划上的难题带来很大的便宜条件,为了能够更好的对输电网规划进行研究本文将其分成了三个阶段。
2.1 启发式方法阶段在这个阶段内我们所采取的手段为依靠直观的数据来进行分析,最常见的方法就是根据某些特定的原则对电路系统中可行性路线的灵敏度参数进行迭代,一直到最后的结果满足我们所需的要求。
在这个阶段中,为了能够控制电力系统的运行我们常常采用灵敏分析法,这种方法主要是对一些控制变量与运行指标进行分析以此来确定此变量能够对系统造成的影响,从而找到解决的办法使系统运行的更加顺利。
2021576海洋资源已经成为人类开发的重点，但复杂的海洋环境对人类水下作业有着极大的限制，水下机器人正在成为海洋作业的主角，自主式水下机器人（Autono-mous Underwater Vehicle，AUV）依靠自身携带的能源进行水下作业。
由于在整个过程中无法补充能源，因此利用路径规划与安全避障技术对AUV导航控制，是其能否精确、安全和完整地完成水下作业的关键。
AUV 路径规划问题已经成为了一个研究热点[1]，主要涉及两方面问题：一是对海洋环境进行三维建模；二是选取合适的算法进行全局路径规划。
海洋环境建模主要有两类方法：一类是规则地形模型，主要利用正方形、矩形等规则形状进行组合来表示海底表面；另一类是不规则地形模型，将三角形、多边形等不规则形状作为模型单元的基础[2]。
文献[3]使用Voronoi图法简化三维水下环境，生成全局路线图；文献[4]将Delaunay三角模型应用于被测地标，建立拓扑模型。
文献[5]利用八叉树模型来反映AUV工作环境，但主要应用于较大障碍物之间的路径规划，不适合存在许多小障碍物的环境；文献[6-7]不考虑水深，将三维空间简化为二维栅格模型，节省了空间，但却丢失了环境信息；文献[8-9]将三维空间划分为若干平面，然后利用二维栅格模型将每个平面栅格化，有效实现三维栅格建融合粒子群与改进蚁群算法的AUV路径规划算法朱佳莹，高茂庭上海海事大学信息工程学院，上海201306摘要：针对传统蚁群算法在处理自主式水下机器人AUV（Autonomous Underwater Vehicle）三维路径规划问题时存在初期寻径能力弱、算法收敛速度慢等问题，提出一种融合粒子群与改进蚁群算法的AUV路径规划算法PSO-ACO（Particle Swarm Optimization-improved Ant Colony Optimization）。
基于空间分层思想建立三维栅格模型实现水下环境建模；综合考虑路径长度、崎岖性、危险性等因素建立路径评价模型；先使用粒子群算法预搜索路径来优化蚁群算法的初始信息素；再对蚁群算法改进状态转移规则、信息素更新方式并加入奖惩机制实现全局路径规划。
第一章绪论1。
1选题的背景和意义受社会性昆虫行为的启发，计算机工作者通过对社会性昆虫的模拟产生了一系列对于传统问题的新的解决方法，这些研究就是群体智能的研究。
群体智能作为一个新兴领域自从20世纪80年代出现以来引起了多个学科领域研究人员的关注，已经成为人工智能以及经济社会生物等交叉学科的热点和前沿领域。
群体智能（Swarm Intelligence）中的群体（Swarm）指的是“一组相互之间可以进行直接通信或者间接通信(通过改变局部环境）的主体,这组主体能够合作进行分布问题求解，群体智能指的是无智能或者仅具有相对简单智能的主体通过合作表现出更高智能行为的特性；其中的个体并非绝对的无智能或只具有简单智能,而是与群体表现出来的智能相对而言的。
当一群个体相互合作或竞争时，一些以前不存在于任何单独个体的智慧和行为会很快出现。
群体智能的提出由来已久，人们很早以前就发现,在自然界中，有的生物依靠其个体的智慧得以生存,有的生物却能依靠群体的力量获得优势。
在这些群体生物中,单个个体没有很高的智能,但个体之间可以分工合作、相互协调,完成复杂的任务，表现出比较高的智能。
它们具有高度的自组织、自适应性,并表现出非线性、涌现的系统特征。
群体中相互合作的个体是分布式的，这样更能够适应当前网络环境下的工作状态；没有中心的控制与数据，这样的系统更具有鲁棒性，不会由于某一个或者某几个个体的故障而影响整个问题的求解。
可以不通过个体之间直接通信而是通过非直接通信进行合作，这样的系统具有更好的可扩充性。
由于系统中个体的增加而增加的系统的通信开销在这里十分小.系统中每个个体的能力十分简单，这样每个个体的执行时间比较短，并且实现也比较简单，具有简单性。
因为具有这些优点，虽说群集智能的研究还处于初级阶段，并且存在许多困难，但是可以预言群集智能的研究代表了以后计算机研究发展的一个重要方向。
随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛，当前存在的一些群体智能算法有人工神经网络，遗传算法，模拟退火算法，群集智能,蚁群算法,粒子群算等等。
蚁群算法在输电工程工期成本优化中的应用
屈成忠;马瑞枫;刘卫星;马晓东
【期刊名称】《东北电力大学学报》
【年(卷),期】2011(031)005
【摘要】将蚁群算法在输电工程施工中的工期-成本优化中进行了应用。
通过建立工期-成本优化数学模型，进行蚁群算法设计得到蚁群算法在输电工程施工中的工期-成本优化中的应用方法，经过对实际输电线路工程的算例分析，证明蚁群算法对于输电工程施工中的工期-成本优化是可行的。
【总页数】4页(P124-127)
【作者】屈成忠;马瑞枫;刘卫星;马晓东
【作者单位】东北电力大学建筑工程学院,吉林吉林132012;元宝山发电有限责任公司,内蒙古赤峰027000;东北电力大学建筑工程学院,吉林吉林132012;东北电力大学建筑工程学院,吉林吉林132012
【正文语种】中文
【中图分类】TU721.2
【相关文献】
1.蚁群算法在输电工程工期成本优化中的应用 [J], 屈成忠;马瑞枫;刘卫星;马晓东
2.具有粒子群特征的并行蚁群算法在输电网络规划中的应用 [J], 邬开俊;鲁怀伟
3.网络计划在建筑工程工期-成本优化中应用实证分析 [J], 梁春阁
4.蚁群算法在输电线路检修计划中的应用 [J], 程丽;王长缨
5.蚁群算法在多目标工期-成本优化中的应用 [J], 李静; 张卓群; 李旭
因版权原因，仅展示原文概要，查看原文内容请购买。
基于蚁群算法的多目标最优旅游线路规划设计1.引言旅游已经成为现代人生活中的重要组成部分，人们不仅为了放松心情、享受美景，也为了体验新颖事物、开拓眼界。
然而，在大量的旅游景点选择之中，如何规划一条旅游线路让观光者能够在有限的时间和预算内，尽可能地访问到自己感爱好的景点，是一个具有挑战性的问题。
传统的旅游线路规划方法通常是基于观光者的个人喜好和阅历进行主观规划，导致了线路的局限性和不全面性。
因此，本文将探讨一种方法，以期能够解决这个问题。
2.蚁群算法的原理蚁群算法是一种模拟蚂蚁觅食行为的启发式算法，它模拟了蚁群在寻找食物时发现和选择路径的过程。
蚁群算法通过蚂蚁之间的信息沟通与合作，找到一条最优路径，解决了多目标优化问题。
蚂蚁在寻找食物时，会释放信息素，并通过信息素的引导与感知来选择路径。
当蚂蚁走过某条路径时，会释放更多的信息素，从而增强该路径的吸引力。
同时，信息素会随时间的推移逐渐挥发，若果路径上的信息素浓度低于一定阈值，蚂蚁将放弃该路径。
这种信息素的释放与挥发机制使得蚂蚁有能力找到最短路径。
3.基于蚁群算法的旅游线路规划设计（1）问题建模在多目标最优旅游线路规划设计中，我们需要思量两个主要目标：时间和预算。
我们期望在给定的时间和预算内，尽可能多地访问旅游景点。
因此，我们需要将这个问题建模成一个多目标优化问题。
（2）蚁群算法的应用将蚁群算法应用于旅游线路规划设计，起首需要定义观光者和景点之间的信息素和距离。
我们可以将观光者看作是蚂蚁，景点看作是食物源。
观光者在每个城市停留的时间和期望的预算，可以看作是蚂蚁选择路径的时间约束和信息素浓度的阈值。
通过定义好这些信息，我们可以模拟蚂蚁的选择路径的过程。
当蚂蚁到达一个城市时，它会选择下一个城市的路径，这个选择将基于信息素和距离的权重决策。
信息素浓度高的路径和距离较短的路径将具有更高的权重。
在每一轮迭代中，蚂蚁们会选择路径，并更新路径上的信息素浓度。
较短的路径会释放更多的信息素，从而增强路径的吸引力。
