蟻群算法的案例
蟻群算法.（論文集）
蟻群算法.part1.rar
蟻群算法.part1.rar
蟻群算法.part2.rar
蟻群算法.part3.rar
199基于matlab的蟻群算法路徑尋優的GUI實例程序代碼 ￥15.9
基于matlab的蟻群算法路徑尋優的GUI實例程序代碼，通過MATLAB GUI框架編寫，生動形象逼真， 很好的詮釋了蟻群算法的原理。可主動輸入優化方法的參數，包括地圖和測試數據，可輸出路徑結果。程序已調通，可直接運行。
259 基于matlab的知識遷移的蟻群參數選擇算法 ￥19.89
基于matlab的知識遷移的蟻群參數選擇算法。通過構建圖實現參數的自主映射。通過設置二維障礙物，隨機生成目標任務參數，通過蟻群算法進行路徑尋優。輸出路徑尋優結果。可自由設置路徑起始位置。程序已調通，可直接運行。
基于pytorch的蟻群算法求解TSP(旅行商問題) ￥49.9
基于pytorch的蟻群算法求解TSP(旅行商問題)，訪問一座城市并回到最初位置的最佳路徑，解決組合中的NP問題。程序已調通，替換自己的數據可以直接運行。標價為程序價格，不包含售后。程序保證可直接運行。
26基于MATLAB的蟻群算法求解TSP(旅行商問題)，訪問一座城市并回到最初位置的最佳路徑 ￥20.9
基于MATLAB的蟻群算法求解TSP(旅行商問題)，訪問一座城市并回到最初位置的最佳路徑，解決組合中的NP問題。程序已調通，替換自己的數據可以直接運行。標價為程序價格，不包含售后。程序保證可直接運行。
26基于MATLAB的蟻群算法求解TSP(旅行商問題)，訪問一座城市并回到最初位置的最佳路徑 ￥20
基于MATLAB的蟻群算法求解TSP(旅行商問題)，訪問一座城市并回到最初位置的最佳路徑，解決組合中的NP問題。程序已調通，替換自己的數據可以直接運行。標價為程序價格，不包含售后。程序保證可直接運行。
基于Swarm的城市無人機4D路徑規劃
一些算法，如偽譜法、禁忌搜索算法和模擬退火算法，僅從一個初始解開始，不能滿足需求。此外，最終最優解對初始解很敏感，增加了獲得最優解的難度。
A.蟻群算法中基于擁擠機制的聚類算法
首先確定聚類中心，良好的初始聚類中心既能加快算法的收斂速度，又能避免解陷入局部最優;一種直觀的想法是，從幾個不同的最佳初始解中選擇聚類中心，其他初始解可以根據它們到聚類中心的距離放入相應的聚類中。請注意，每個集群中只有一個中心，并且一個初始解決方案只屬于特定的集群。
這些聚類具有以下特點:雖然一個解決方案可能接近多個聚類中心，但它只屬于中心適應度值較小的聚類。此外，聚類的數量不是預先確定的，而是由解的適應度值決定的。與固定的集群數量相比，自適應的集群數量可以使每個集群區別于其他集群。最后，排在前幾個位置的解決方案是不同的，可以成為集群中心。這有利于在以后的迭代過程中獲得更好的解決方案，因為每個集群中至少有一個好的解決方案。
B.基于改進蟻群算法的多路徑規劃
由于整個群被劃分為一定數量的聚類，因此基于蟻群算法制定每個聚類的更新策略。蟻群算法雖然在工業上應用于許多優化問題，但仍存在容易陷入局部最優解和收斂速度較慢的缺點。在蟻群算法的框架下，針對上述缺點進行了改進。這些改進將在描述蟻群算法解決多路徑規劃問題的步驟時得到重點說明。
其他參數，如antsNA的數量，最大迭代次數simax，有效因子α，啟發式因子β，信息素矩陣τ，信息素常數q和信息素蒸發ρ，也需要初始化。注意信息素矩陣τ的大小與記錄路徑影響的搜索空間相同。
展開 無人機航跡規劃技術研究綜述
Arantes等[27]將啟發式算法和遺傳算法應用于緊急迫降的無人機路徑規劃問題中，使用遺傳算法在合理的計算時間內得到更全質量的解決方案。Yan等[28]提出了一種基于遺傳算法和Dubins曲線的固定翼無人機路徑規劃算法，采用新的編碼方案將遺傳算法用于二維環境中生成最短的威脅規避路徑，并通過添加路徑角度將2D Dubins路徑轉換為Dubins路徑，最終在復雜三維環境下生成最短的威脅規避路徑。呂文鵬等[29]為了解決基本遺傳算法易過早局部收斂的問題并提高局部搜索能力，在無人機災情巡查路徑優化中引入多生境遺傳算法，在適應值共享基礎上，將排擠機制、間隔交叉兩種方法分別引入選擇和交叉算子中，并在種群中使用最相似個體中適應度最差的個體替換技術，提高了搜索種群的多樣性，很大程度地避免了早熟問題。
3.3.3 蟻群算法
1996年Dorigo等[30]提出的蟻群算法(ACO)是一種用來在圖中尋找優化路徑的概率型技術，其靈感來源于螞蟻在尋找食物過程中發現路徑的行為，該方法具有正反饋、分布式計算和富于建設性的貪婪啟發式搜索的特點。為了提高無人機作戰任務的成功率，Dorigo等[30]提出了基于改進蟻群算法的適用于航跡規劃的優化方法，該方法可以保證無人機以最小的被發現概率及可接受的航程到達目標點，保留算法的最優解、自適應狀態轉換規則和信息激素更新規則，能夠有效提高算法收斂速度、搜索效率以及解的性能。
Konatowski等[31]采用蟻群算法與解決TSP(旅行商)問題類似的工作原理，很大程度上簡化了對優化問題的表述，在各種任務參數中規劃了無人機的路徑。Daryanavard等[32]在地理區域無線物聯網節點數據收集的無人機路徑規劃問題中，為找到傳感器之間的最短路徑，采用了蟻群算法和模擬退火算法兩種優化方法進行三維建模對比，在傳感器數量比較多的情況下，蟻群算法有更好的性能。
展開 77基于matlab的蟻群優化路徑算法，二維路徑和三維路徑優化 ￥55.9
基于matlab的蟻群優化路徑算法，二維路徑和三維路徑優化。輸出可視化最優路徑和距離迭代曲線。數據可更換自己的，程序已調通，可直接運行。
無人機集群協同技術發展與展望
針對協同搜救任務，使用一種新的基于通信保持的拍賣方法的自適應反饋調節遺傳算法，能夠改善傳統遺傳算法存在易陷入局部最優的弱點[7]。
通過以上3種類型協同任務的相關研究工作可以看出，無人機集群的分布式協同方式雖然充分考慮了“分布式”特點，能夠根據任務目標和集群特征，設置有效的目標函數和優化方法去尋求最優或者較優的結果，但是其任務執行環境和求解目標需要在任務執行之前進行優化計算，然后分配執行，不能適應實際中動態的任務目標和環境變化，缺乏“智能性”的感知和適應性行為。隨著人們對“蜂群”“鳥群”等生物群體智能研究的深入，群體智能協同被進一步引入到無人機的協同中。
3 群體智能協同
“鳥群”“蟻群”等生物群體，雖然其中的個體智能有限，但是群體卻展現出高度的自組織性，這一特點與無人機集群自主協同的需求相符，因而群體智能在無人機協同應用領域也得到了廣泛研究，使無人機集群協同具有了初步的智能性。具備群體智能的無人機集群系統在任務拆解和執行過程中引入了群體反饋和適變能力，可執行較復雜的動態任務，其過程如圖3所示。
圖3 群體智能協同階段的任務執行方式
Fig.3 Execution mode of tasks in swarm intelligent collaboration phase
3.1 協同路徑規劃
山區路徑規劃任務受到地形特征的強烈影響，難以預先確定性分配執行，簡單的分布式協同無法勝任。例如，為了執行山區應急物資運輸的路徑規劃任務，一種考慮路徑安全度的改進蟻群算法可快速收斂并生成更短路徑[8]。蟻群算法也被用于無人機協同飛抵空戰場的航跡規劃任務中[9]；一種基于改進混沌蟻群算法更能克服傳統蟻群智能算法中易出現局部極值、收斂效率低的缺陷，提升算法的全局尋優能力和搜索效率[10]。
展開 蟻群算法及其應用 ￥1
蟻群算法及其應用
新書推薦(3)——《現代優化計算方法》
現代優化計算方法（第二版）
作者：邢文訓，謝金星 編著
出版社：清華大學出版社
內容提要：
本書系統介紹了禁忌搜索算法、模擬退火算法、遺傳算法、蟻群優化算法、人工神經網絡算法和拉格朗日松弛算法等現代優化計算方法的模型與理論、應用技術和應用案例。
全書共7章，第1章是后6章內容的基礎，主要介紹算法復雜性的基本概念和啟發式算法的評價方法，后6章分別介紹各個現代優化計算方法。
本書可作為數學、管理科學、計算機科學、工業工程等學科中相關優化專業的研究生教材，也可供相關專業研究人員參考。
展開 242 基于matlab的3D路徑規劃 ￥29.9
基于matlab的3D路徑規劃，蟻群算法（ACO）和天牛須（BAS）以及兩種結合的三種優化方式，對3D路徑規劃的最短路徑進行尋優。程序已調通，可直接運行。
基于遺傳算法的晶體塑性參數自動標定
在使用晶體塑性理論進行分析時，材料參數的標定往往是一個枯燥繁瑣卻十分重要的工作，但由于模型考慮了滑移孿晶相變等眾多的微觀因素，造成了本構模型包含了大量的待確定參數，目前主流的方案依然以試錯法為主，但該方案往往效率十分低下，且需要對每個參數的影響趨勢去做出準確判斷，才能給出相對合理的參數更改，一些研究人員使用特定的優化算法可以做到參數的高效標定工作，如：蟻群算法，遺傳算法，機器學習，神經網絡等，這里以黃永剛唯象的本構模型為例，通過遺傳算法的引入，實現參數的自動標定，在遺傳算法中每個設計點都被視為一個具有特定適應度值的個體，該適應度值基于目標函數和約束懲罰的值。目標函數值和懲罰值越大的個體，其適應度值就越高。假設在模擬中待確定的材料參數為Tau_0，Tau_s，H_0，并通過黃永剛初始的材料參數Tau_0=60.9，Tau_s=109.5，H_0=540.5得到初始的拉伸曲線作為目標函數，并給定參數對應的區間，Tau_0【30,80】,Tau_s【100,150】,H_0【200,1000】作為待定函數的區間，給定初始測試值為Tau_0=50，Tau_s=125，H_0=350，作為初始試探值提供給遺傳算法作為初始值，將遺傳算法得到的不同參數值對應的力-位移曲線和原始黃永剛參數的力-位移曲線的標準差作為目標函數對參數進行優化。優化效果如下圖示：
在使用遺傳算法進行22次的嘗試過程中，遺傳算法給出的參數以及對應目標函數的值為
可以看到參數均落在了給定的初始區間中，隨機迭代次數的增加，對應的目標函數逐漸下降。
展開 過程集成優化綜合區資料分類索引(試行版)
Gary Wang 全集（優化文章）
Lei_Gu's Paper
neural-network（神經網絡論文集）
軟件相關:
iSIGHT優化算法 Isight 過程集成能力介紹
LS-DYNA3D理論基礎與實例分析 LS-DYNA 理論及功能 LS-OPT手冊
『下載』非線性結構分析 『下載』結構靜力分析
[分享]TAO：高級最優化工具箱(Toolkit for Advanced Optimization)
A MATLAB K 99行的拓撲優化代碼(MATLAB版)
『分享』AltairOptistruct 6.0基礎培訓中文教程
VisualDOC ,優化軟件 Visual DOC資料下載
Ansys57線性和非線性結構靜力分析指南 ansys單元翻譯
優化算例集萃
討論:
各種常見OPTIMIZATION方法之簡單比較
有關SVM(支持向量機)技術與資料的討論
多目標優化設計討論
近似模型大討論？
優化理論和有限元分析工具直接結合求解汽車結構耐撞性優化問題將遇到很大的困難，解決問題討論？
常規優化算法與有限元分析工具（如LSDYNA）直接集成求解汽車碰撞或沖壓成形問題討論？
多目標選解討論？
推薦你們所知道的結構優化軟件
[資料搜集]有關優化理論,算法,實例,軟
問題:
ansys8.0_面面接觸
關于簡支梁重量最小化的ansys優化計算的困惑
求：用蟻群算法求連續函數最優值的源代碼
跪求利用蟻群算法進行船舶舯剖面結構優化設計的源程序代碼
新手求教：如何在ansys中建立船體模型
請問誰用過modelcenter？謝謝
有誰比較過現有的多學科優化軟件，謝謝
尋求：詳細田口方法介紹資料
大家有用ansys的生死功能做過施工階段
Isight優化的結果如何自動讀出？
展開 