蟻群演算法及其應用pdf

㈠ 蟻群演算法 螞蟻的初始分布位置和最終分布位置由什麼決定

概念：蟻群演算法(antcolonyoptimization,ACO),又稱螞蟻演算法,是一種用來在圖中尋找優化路徑的機率型演算法.它由MarcoDorigo於1992年在他的博士論文中提出,其靈感來源於螞蟻在尋找食物過程中發現路徑的行為.蟻群演算法是一種模擬進化演算法,初步的研究表明該演算法具有許多優良的性質.針對PID控制器參數優化設計問題,將蟻群演算法設計的結果與遺傳演算法設計的結果進行了比較,數值模擬結果表明,蟻群演算法具有一種新的模擬進化優化方法的有效性和應用價值其原理：為什麼小小的螞蟻能夠找到食物?他們具有智能么?設想,如果我們要為螞蟻設計一個人工智慧的程序,那麼這個程序要多麼復雜呢?首先,你要讓螞蟻能夠避開障礙物,就必須根據適當的地形給它編進指令讓他們能夠巧妙的避開障礙物,其次,要讓螞蟻找到食物,就需要讓他們遍歷空間上的所有點；再次,如果要讓螞蟻找到最短的路徑,那麼需要計算所有可能的路徑並且比較它們的大小,而且更重要的是,你要小心翼翼的編程,因為程序的錯誤也許會讓你前功盡棄.這是多麼不可思議的程序!太復雜了,恐怕沒人能夠完成這樣繁瑣冗餘的程序應用范圍：螞蟻觀察到的范圍是一個方格世界,螞蟻有一個參數為速度半徑（一般是3）,那麼它能觀察到的范圍就是3*3個方格世界,並且能移動的距離也在這個范圍之內引申：跟著螞蟻的蹤跡,你找到了什麼?通過上面的原理敘述和實際操作,我們不難發現螞蟻之所以具有智能行為,完全歸功於它的簡單行為規則,而這些規則綜合起來具有下面兩個方面的特點：1、多樣性2、正反饋多樣性保證了螞蟻在覓食的時候不置走進死胡同而無限循環,正反饋機制則保證了相對優良的信息能夠被保存下來.我們可以把多樣性看成是一種創造能力,而正反饋是一種學習強化能力.正反饋的力量也可以比喻成權威的意見,而多樣性是打破權威體現的創造性,正是這兩點小心翼翼的巧妙結合才使得智能行為涌現出來了.引申來講,大自然的進化,社會的進步、人類的創新實際上都離不開這兩樣東西,多樣性保證了系統的創新能力,正反饋保證了優良特性能夠得到強化,兩者要恰到好處的結合.如果多樣性過剩,也就是系統過於活躍,這相當於螞蟻會過多的隨機運動,它就會陷入混沌狀態；而相反,多樣性不夠,正反饋機制過強,那麼系統就好比一潭死水.這在蟻群中來講就表現為,螞蟻的行為過於僵硬,當環境變化了,螞蟻群仍然不能適當的調整.既然復雜性、智能行為是根據底層規則涌現的,既然底層規則具有多樣性和正反饋特點,那麼也許你會問這些規則是哪裡來的?多樣性和正反饋又是哪裡來的?我本人的意見：規則來源於大自然的進化.而大自然的進化根據剛才講的也體現為多樣性和正反饋的巧妙結合.而這樣的巧妙結合又是為什麼呢?為什麼在你眼前呈現的世界是如此栩栩如生呢?答案在於環境造就了這一切,之所以你看到栩栩如生的世界,是因為那些不能夠適應環境的多樣性與正反饋的結合都已經死掉了,被環境淘汰了!蟻群演算法的實現下面的程序開始運行之後,螞蟻們開始從窩里出動了,尋找食物；他們會順著屏幕爬滿整個畫面,直到找到食物再返回窩.其中,『F』點表示食物,『H』表示窩,白色塊表示障礙物,『+』就是螞蟻了.

㈡ 蟻群演算法及其應用實例

       蟻群演算法(ant colony optimization, ACO)，又稱螞蟻演算法，是一種對自然界螞蟻的尋徑方式進行模擬而得到的一種仿生演算法，是一種用來在圖中尋找優化路徑的機率型演算法。
       螞蟻在運動過程中，可以在行走的路徑上留下信息素，後來的螞蟻可以感知到信息素的存在，信息素濃度越高的路徑越容易被後來的螞蟻選擇，從而形成一種正反饋現象。
       它能夠求出從原點出發，經過若干個給定的需求點，最終返回原點的最短路徑。這也就是著名的旅行商問題(Traveling Saleman Problem，TSP)。

       若螞蟻從A點出發到D點覓食，它可以隨機從ABD或ACD中選擇一條路。假設初始時為每條路分配一隻螞蟻，每個時間單位行走一步，則經過8個時間單位後，情形如下圖所示：ABD路線的螞蟻到達D點，ACD路線的螞蟻到達C點。

       那麼，再過8個時間單位，很容易可以得到下列情形：ABD路線的螞蟻回到A點，ACD路線的螞蟻到達D點。

α 代表信息素量對是否選擇當前路徑的影響程度，反映了蟻群在路徑搜索中隨機性因素作用的強度。
α 越大，螞蟻選擇以前走過的路徑的可能性越大，搜索的隨機性就會減弱。
α 過小，會導致蟻群搜索過早陷入局部最優，取值范圍通常為[1,4]。

β 反映了啟發式信息在指導蟻群搜索中的相對重要程度，蟻群尋優過程中先驗性、確定性因素作用的強度。
β 過大，雖然收斂速度加快，但是易陷入局部最優。
β 過小，蟻群易陷入純粹的隨機搜索，很難找到最優解。通常取[0,5]。

ρ 反映了信息素的蒸發程度，相反，1-ρ 表示信息素的保留水平
ρ 過大，信息素會發過快，容易導致最優路徑被排除。
ρ 過小，各路徑上信息素含量差別過小，以前搜索過的路徑被在此選擇的可能性過大，會影響演算法的隨機性和全局搜索能力。通常取[0.2,0.5]。

m過大，每條路徑上信息素趨於平均，正反饋作用減弱，從而導致收斂速度減慢。
m過小，可能導致一些從未搜索過的路徑信息素濃度減小為0，導致過早收斂，解的全局最優性降低

總信息量Q對演算法性能的影響有賴於αβρ的選取，以及演算法模型的選擇。
Q對ant-cycle模型蟻群演算法的性能沒有明顯影響，不必特別考慮，可任意選取。

㈢ 蟻群演算法及其應用的內容簡介

蟻群演算法是義大利學者Dorigo等人於1991年創立的，是繼神經網路、遺傳演算法、免疫演算法之後的又一種新興的啟發式搜索演算法。螞蟻群體是一種社會性昆蟲，它們有組織、有分工，還有通訊系統，它們相互協作，能完成從蟻穴到食物源尋找最短路徑的復雜任務。模擬螞蟻群體智能的人工蟻群演算法具有分布計算、信息正反饋和啟發式搜索的特點，不僅在求解組合優化問題中獲得廣泛應用，而且也用於連續時間系統的優化。
本書是國內首部蟻群演算法的專著，系統地闡述蟻群演算法的基本原理、基本蟻群演算法及改進演算法，蟻群演算法與遺傳、免疫演算法的融合，自適應蟻群演算法，並行蟻群演算法，蟻群演算法的收斂性與理論模型及其在優化問題中的應用。

㈣ 蟻群演算法原理及其應用的介紹

《蟻群演算法原理及其應用》是科學出版社2005-02-01出版的圖書，作者是段海濱。該書內容取材新穎，覆蓋面較廣，深入淺出，系統性強，注重理論聯系實際，力求使讀者能較快掌握和應用這一新興的仿生優化演算法。

㈤ 蟻群演算法原理及其應用的內容簡介

《蟻群演算法原理及其應用(精裝)》可作為計算機科學、控制科學、人工智慧、管理科學等專業高年級本科生、研究生和教師的參考書，也可供理工科其他專業的師生參考，還可供利用計算機從事智能優化的科技人員閱讀和參考。

㈥ 蟻群演算法原理及其應用的圖書目錄

第1章 緒論
1.1 引言
1.2 螞蟻的生物學特徵
1.3 蟻群演算法的思想起源
1.4 蟻群演算法的研究進展
1.5 本書的體系結構
1.6 本章 小結
參考文獻
第2章 基本蟻群演算法原理及其復雜度分析
2.1 引言
2.2 基本蟻群演算法的原理
2.3 基本蟻群演算法的系統學特徵
2.4 基本蟻群演算法的數學模型
2.5 基本蟻群演算法的具體實現
2.6 基本蟻群演算法的復雜度分析
2.7 基本蟻群演算法的性能評價指標
2.8 本章 小結
參考文獻
第3章 蟻群演算法的收斂性研究
3.1 引言
3.2 圖搜索螞蟻系統(GBAS)的收斂性研究
3.3 一類改進蟻群演算法的收斂性證明
3.4 GBAS/tdev和GBAS/tdlb的確定性收斂證明
3.5 基本蟻群演算法的A.S.收斂性研究
3.6 一類分布式螞蟻路由演算法的收斂性研究
3.7 基於分支路由和Wiener過程的蟻群演算法收斂性證明
3.8 一種簡單蟻群演算法及其收斂性分析
3.9 遺傳一蟻群演算法的Markov收斂性分析
3.1 0一類廣義蟻群演算法(GACA)的收斂性分析
3.1 1本章 小結
參考文獻
第4章 蟻群演算法的實驗分析及參數選擇原則
4.1 引言
4.2 蟻群行為和參數對演算法性能影響的實驗分析
4.3 蟻群演算法參數最優組合的「三步走」方法
4.4 本章 小結
參考文獻
第5章 離散域蟻群演算法的改進研究
5.1 引言
5.2 自適應蟻群演算法
5.3 基於去交叉局部優化策略的蟻群演算法
5.4 基於信息素擴散的蟻群演算法
5.5 多態蟻群演算法
5.6 基於模式學習的小窗口蟻群演算法
5.7 基於混合行為的蟻群演算法
5.8 帶聚類處理的蟻群演算法
5.9 基於雲模型理論的蟻群演算法
5.1 0具有感覺和知覺特徵的蟻群演算法
5.1 1具有隨機擾動特性的蟻群演算法
5.1 2基於信息熵的改進蟻群演算法
5.1 3本章 小結
參考文獻
第6章 連續域蟻群演算法的改進研究
6.1 引言
6.2 基於網格劃分策略的連續域蟻群演算法
6.3 基於信息量分布函數的連續域蟻群演算法
6.4 連續域優化問題的自適應蟻群演算法
6.5 基於交叉變異操作的連續域蟻群演算法
6.6 嵌入確定性搜索的連續域蟻群演算法
6.7 基於密集非遞階的連續互動式蟻群演算法(cIACA)
6.8 多目標優化問題的連續域蟻群演算法
6.9 復雜多階段連續決策問題的動態窗口蟻群演算法
6.1 0本章 小結
參考文獻
第7章 蟻群演算法的典型應用
7.1 引言
7.2 車間作業調度問題
7.3 網路路由問題
7.4 車輛路徑問題
7.5 機器人領域
7.6 電力系統
7.7 故障診斷
7.8 控制參數優化
7.9 系統辨識
7.1 0聚類分析
7.1 1數據挖掘
7.1 2圖像處理
7.1 3航跡規劃
7.1 4空戰決策
7.1 5岩土工程
7.1 6化學工業
7.1 7生命科學
7.1 8布局優化
7.1 9本章 小結
參考文獻
第8章 蟻群演算法的硬體實現
8.1 引言
8.2 仿生硬體概述
8.3 基於FPGA的蟻群演算法硬體實現
8.4 基於蟻群演算法和遺傳演算法動態融合的軟硬體劃分
8.5 本章 小結
參考文獻
第9章 蟻群演算法同其他仿生優化演算法的比較與融合
9.1 引言
9.2 其他幾種仿生優化演算法的基本原理
9.3 蟻群演算法與其他仿生優化演算法的異同比較
9.4 蟻群演算法與遺傳演算法的融合
9.5 蟻群演算法與人工神經網路的融合
9.6 蟻群演算法與微粒群演算法的融合
9.7 蟻群演算法與人工免疫演算法的融合
9.8 本章 小結
參考文獻
第10章 展望
10.1 引言
10.2 蟻群演算法的模型改進
10.3 蟻群演算法的理論分析
10.4 蟻群演算法的並行實現
10.5 蟻群演算法的應用領域
10.6 蟻群演算法的硬體實現
10.7 蟻群演算法的智能融合
10.8 本章 小結
參考文獻
附錄A基本蟻群演算法程序
A.1 C語言版
A.2 Matlab語言版
A.3 VisualBasic語言版
附錄B相關網站
附錄C基本術語(中英文對照)及縮略語
附錄D(詞一首)鷓鴣天蟻群演算法

㈦ 蟻群演算法及其應用的介紹

蟻群演算法及其應用可供人工智慧、計算機科學、信息科學、控制工程、管理工程、交通工程、網路工程、智能優化演算法及智能自動化等領域的廣大師生和科技人員學習及參考。

㈧ 尋找配送商應注意哪些

http://www.equn.com/forum/viewthread.php?tid=6768 近一百多篇文章，打包壓縮後有 24.99MB ，基本上是從維普資料庫中下載來的蟻群演算法(ant colony optimization, ACO)，又稱螞蟻演算法，是一種用來在圖中尋找優化路徑的機率型技術。它由Marco Dorigo於1992年在他的博士論文中引入，其靈感來源於螞蟻在尋找食物過程中發現路徑的行為。引言 20世紀50年代中期創立了仿生學，人們從生物進化的機理中受到啟發，提出了許多用以解決復雜優化問題的新方法，如進化規劃、進化策略、遺傳演算法等，這些演算法成功地解決了一些實際問題．20世紀90年代義大利學者M．Dorigo，V．Maniezzo，A．Colorni等從生物進化的機制中受到啟發，通過模擬自然界螞蟻搜索路徑的行為，提出來一種新型的模擬進化演算法—— 蟻群演算法．用該方法求解TsP問題、分配問題、job-shop調度問題，取得了較好的試驗結果．雖然研究時間不長，但是現在的研究顯示出，蟻群演算法在求解復雜優化問題 方面有一定優勢，表明它是一種有發展前景的演算法．蟻群演算法的原理： 研究表明：螞蟻在覓食途中會留下一種外激素．螞蟻利用外激素與其他螞蟻交流、合作，找到較短路徑．經過某地的螞蟻越多，外激素的強度越大．螞蟻擇路偏向選擇外激素強度大的方向．這種跟隨外激素強度前進的行為會隨著經過螞蟻的增多而加強，因為通過較短路徑往返於食物和巢穴之間的螞蟻能以更短的時間經過這條路徑上的點，所以這些點上的外激素就會因螞蟻經過的次數增多而增強．這樣就會有更多的螞蟻選擇此路徑，這條路徑上的外激素就會越來越強，選擇此路徑的螞蟻也越來越多．直到最後，幾乎所有的螞蟻都選擇這條最短的路徑．這是一種正反饋現象。 以下是文件列表，全是 PDF 格式的：基於蟻群優化演算法遞歸神經網路的短期負荷預測 蟻群演算法的小改進 基於蟻群演算法的無人機任務規劃 多態蟻群演算法 MCM基板互連測試的單探針路徑優化研究 改進的增強型蟻群演算法 基於雲模型理論的蟻群演算法改進研究 基於禁忌搜索與蟻群最優結合演算法的配電網規劃 自適應蟻群演算法在序列比對中的應用 基於蟻群演算法的QoS多播路由優化演算法 多目標優化問題的蟻群演算法研究 多線程蟻群演算法及其在最短路問題上的應用研究 改進的蟻群演算法在2D HP模型中的應用 製造系統通用作業計劃與蟻群演算法優化 基於混合行為蟻群演算法的研究 火力優化分配問題的小生境遺傳螞蟻演算法 基於蟻群演算法的對等網模擬器的設計與實現 基於粗粒度模型的蟻群優化並行演算法 動態躍遷轉移蟻群演算法 基於人工免疫演算法和蟻群演算法求解旅行商問題 基於信息素非同步更新的蟻群演算法 用於連續函數優化的蟻群演算法 求解復雜多階段決策問題的動態窗口蟻群優化演算法 蟻群演算法在鑄造生產配料優化中的應用 多階段輸電網路最優規劃的並行蟻群演算法 求解旅行商問題的混合粒子群優化演算法 微粒群優化演算法研究現狀及其進展 隨機攝動蟻群演算法的收斂性及其數值特性分析 廣義蟻群與粒子群結合演算法在電力系統經濟負荷分配中的應用 改進的蟻群演算法及其在TSP中的應用研究 蟻群演算法的全局收斂性研究及改進 房地產開發項目投資組合優化的改進蟻群演算法 一種改進的蟻群演算法用於灰色約束非線性規劃問題求解 一種自適應蟻群演算法及其模擬研究 一種動態自適應蟻群演算法 螞蟻群落優化演算法在蛋白質折疊二維親-疏水格點模型中的應用 用改進蟻群演算法求解函數優化問題 連續優化問題的蟻群演算法研究進展 蟻群演算法概述 Ant colony system algorithm for the optimization of beer fermentation control 蟻群演算法在K—TSP問題中的應用 Parallel ant colony algorithm and its application in the capacitated lot sizing problem for an agile supply chain 基於遺傳蟻群演算法的機器人全局路徑規劃研究 改進的蟻群演算法在礦山物流配送路徑優化中的研究 基於蟻群演算法的配電網路綜合優化方法 基於蟻群演算法的分類規則挖掘演算法 蟻群演算法在連續性空間優化問題中的應用 蟻群演算法在礦井通風系統優化設計中的應用 基於蟻群演算法的液壓土錨鑽機動力頭優化設計 改進蟻群演算法設計拉式膜片彈簧 計算機科學技術 基本蟻群演算法及其改進 TSP改進演算法及在PCB數控加工刀具軌跡中的應用 可靠性優化的蟻群演算法 對一類帶聚類特徵TSP問題的蟻群演算法求解 蟻群演算法理論及應用研究的進展 基於二進制編碼的蟻群優化演算法及其收斂性分析 蟻群演算法的理論及其應用 基於蟻群行為模擬的影像紋理分類 啟發式蟻群演算法及其在高填石路堤穩定性分析中的應用 蟻群演算法的研究現狀 一種快速全局優化的改進蟻群演算法及模擬 聚類問題的蟻群演算法 蟻群最優化——模型、演算法及應用綜述 基於信息熵的改進蟻群演算法及其應用 機載公共設備綜合管理系統任務分配演算法研究 基於改進蟻群演算法的飛機低空突防航路規劃 利用信息量留存的蟻群遺傳演算法 An Improved Heuristic Ant-Clustering Algorithm 改進型蟻群演算法在內燃機徑向滑動軸承優化設計中的應用 基於蟻群演算法的PID參數優化 基於蟻群演算法的復雜系統多故障狀態的決策 蟻群演算法在數據挖掘中的應用研究 基於蟻群演算法的基因聯接學習遺傳演算法 基於細粒度模型的並行蟻群優化演算法 Binary-Coding-Based Ant Colony Optimization and Its Convergence 運載火箭控制系統漏電故障診斷研究 混沌擾動啟發式蟻群演算法及其在邊坡非圓弧臨界滑動面搜索中的應用 蟻群演算法原理的模擬研究 Hopfield neural network based on ant system 蟻群演算法及其實現方法研究 分層實體製造激光頭切割路徑的建模與優化 配送網路規劃蟻群演算法 基於蟻群演算法的城域交通控制實時滾動優化 基於蟻群演算法的復合形法及其在邊坡穩定分析中的應用 Ant Colony Algorithm for Solving QoS Routing Problem 多產品間歇過程調度問題的建模與優化 基於蟻群演算法的兩地之間的最佳路徑選擇 蟻群演算法求解問題時易產生的誤區及對策 用雙向收斂蟻群演算法解作業車間調度問題 物流配送路徑安排問題的混合蟻群演算法 求解TSP問題的模式學習並行蟻群演算法 基於蟻群演算法的三維空間機器人路徑規劃 蟻群優化演算法及其應用 蟻群演算法不確定性分析 一種求解TSP問題的相遇蟻群演算法 基於蟻群優化演算法的彩色圖像顏色聚類的研究 鈑金件數控激光切割割嘴路徑的優化 基於蟻群演算法的圖像分割方法 一種基於蟻群演算法的聚類組合方法 圓排列問題的蟻群模擬退火演算法 智能混合優化策略及其在流水作業調度中的應用 蟻群演算法在QoS網路路由中的應用 一種改進的自適應路由演算法 基於蟻群演算法的煤炭運輸優化方法 基於蟻群智能和支持向量機的人臉性別分類方法 蟻群演算法在啤酒發酵控制優化中的應用 一種基於時延信息的多QoS快速自適應路由演算法 蟻群演算法中參數α、β、ρ設置的研究——以TSP問題為例 基於人工蟻群優化的矢量量化碼書設計演算法 具有自適應雜交特徵的蟻群演算法 蟻群演算法在原料礦粉混勻優化中的應用 基於多Agent的蟻群演算法在車間動態調度中的應用研究 用蟻群優化演算法求解中國旅行商問題 蟻群演算法在嬰兒營養米粉配方中的應用 蟻群演算法在機械優化設計中的應用 蟻群優化演算法的研究現狀及研究展望 蟻群優化演算法及其應用研究進展 蟻群演算法的理論與應用 簡單蟻群演算法的模擬分析 一種改進的蟻群演算法求解最短路徑問題 基於模式求解旅行商問題的蟻群演算法 一種求解TSP的混合型蟻群演算法 基於MATLAB的改進型基本蟻群演算法 動態蟻群演算法求解TSP問題 用蟻群演算法求解類TSP問題的研究 蟻群演算法求解連續空間優化問題的一種方法 用混合型螞蟻群演算法求解TSP問題 求解復雜TSP問題的隨機擾動蟻群演算法 基於蟻群演算法的中國旅行商問題滿意解 蟻群演算法的研究現狀和應用及螞蟻智能體的硬體實現 蟻群演算法概述 蟻群演算法的研究現狀及其展望 基於蟻群演算法的配電網網架優化規劃方法 用於一般函數優化的蟻群演算法 協同模型與遺傳演算法的集成 基於蟻群最優的輸電網路擴展規劃 自適應蟻群演算法 凸整數規劃問題的混合蟻群演算法 一種新的進化演算法—蛟群演算法 基於協同工作方式的一種蟻群布線系統

㈨ 蟻群優化演算法的使用-編碼的問題！

「蟻群演算法」學習包下載

下載地址： http://board.verycd.com/t196436.html (請使用 eMule 下載)

近一百多篇文章，打包壓縮後有 24.99MB ，基本上是從維普資料庫中下載來的，僅供學習和研究之用，請務用於商業活動或其他非法活動中，各文章版權歸原作者所有。

如果您覺得本人這樣做侵犯了您的版權，請在本帖後回復，本人會馬上刪除相應的文章。

以下是文件列表，全是 PDF 格式的：

基於蟻群優化演算法遞歸神經網路的短期負荷預測
蟻群演算法的小改進
基於蟻群演算法的無人機任務規劃
多態蟻群演算法
MCM基板互連測試的單探針路徑優化研究
改進的增強型蟻群演算法
基於雲模型理論的蟻群演算法改進研究
基於禁忌搜索與蟻群最優結合演算法的配電網規劃
自適應蟻群演算法在序列比對中的應用
基於蟻群演算法的QoS多播路由優化演算法
多目標優化問題的蟻群演算法研究
多線程蟻群演算法及其在最短路問題上的應用研究
改進的蟻群演算法在2D HP模型中的應用
製造系統通用作業計劃與蟻群演算法優化
基於混合行為蟻群演算法的研究
火力優化分配問題的小生境遺傳螞蟻演算法
基於蟻群演算法的對等網模擬器的設計與實現
基於粗粒度模型的蟻群優化並行演算法
動態躍遷轉移蟻群演算法
基於人工免疫演算法和蟻群演算法求解旅行商問題
基於信息素非同步更新的蟻群演算法
用於連續函數優化的蟻群演算法
求解復雜多階段決策問題的動態窗口蟻群優化演算法
蟻群演算法在鑄造生產配料優化中的應用
多階段輸電網路最優規劃的並行蟻群演算法
求解旅行商問題的混合粒子群優化演算法
微粒群優化演算法研究現狀及其進展
隨機攝動蟻群演算法的收斂性及其數值特性分析
廣義蟻群與粒子群結合演算法在電力系統經濟負荷分配中的應用
改進的蟻群演算法及其在TSP中的應用研究
蟻群演算法的全局收斂性研究及改進
房地產開發項目投資組合優化的改進蟻群演算法
一種改進的蟻群演算法用於灰色約束非線性規劃問題求解
一種自適應蟻群演算法及其模擬研究
一種動態自適應蟻群演算法
螞蟻群落優化演算法在蛋白質折疊二維親-疏水格點模型中的應用
用改進蟻群演算法求解函數優化問題
連續優化問題的蟻群演算法研究進展
蟻群演算法概述
Ant colony system algorithm for the optimization of beer fermentation control
蟻群演算法在K—TSP問題中的應用
Parallel ant colony algorithm and its application in the capacitated lot sizing problem for an agile supply chain
基於遺傳蟻群演算法的機器人全局路徑規劃研究
改進的蟻群演算法在礦山物流配送路徑優化中的研究
基於蟻群演算法的配電網路綜合優化方法
基於蟻群演算法的分類規則挖掘演算法
蟻群演算法在連續性空間優化問題中的應用
蟻群演算法在礦井通風系統優化設計中的應用
基於蟻群演算法的液壓土錨鑽機動力頭優化設計
改進蟻群演算法設計拉式膜片彈簧
計算機科學技術
基本蟻群演算法及其改進
TSP改進演算法及在PCB數控加工刀具軌跡中的應用
可靠性優化的蟻群演算法
對一類帶聚類特徵TSP問題的蟻群演算法求解
蟻群演算法理論及應用研究的進展
基於二進制編碼的蟻群優化演算法及其收斂性分析
蟻群演算法的理論及其應用
基於蟻群行為模擬的影像紋理分類
啟發式蟻群演算法及其在高填石路堤穩定性分析中的應用
蟻群演算法的研究現狀
一種快速全局優化的改進蟻群演算法及模擬
聚類問題的蟻群演算法
蟻群最優化——模型、演算法及應用綜述
基於信息熵的改進蟻群演算法及其應用
機載公共設備綜合管理系統任務分配演算法研究
基於改進蟻群演算法的飛機低空突防航路規劃
利用信息量留存的蟻群遺傳演算法
An Improved Heuristic Ant-Clustering Algorithm
改進型蟻群演算法在內燃機徑向滑動軸承優化設計中的應用
基於蟻群演算法的PID參數優化
基於蟻群演算法的復雜系統多故障狀態的決策
蟻群演算法在數據挖掘中的應用研究
基於蟻群演算法的基因聯接學習遺傳演算法
基於細粒度模型的並行蟻群優化演算法
Binary-Coding-Based Ant Colony Optimization and Its Convergence
運載火箭控制系統漏電故障診斷研究
混沌擾動啟發式蟻群演算法及其在邊坡非圓弧臨界滑動面搜索中的應用
蟻群演算法原理的模擬研究
Hopfield neural network based on ant system
蟻群演算法及其實現方法研究
分層實體製造激光頭切割路徑的建模與優化
配送網路規劃蟻群演算法
基於蟻群演算法的城域交通控制實時滾動優化
基於蟻群演算法的復合形法及其在邊坡穩定分析中的應用
Ant Colony Algorithm for Solving QoS Routing Problem
多產品間歇過程調度問題的建模與優化
基於蟻群演算法的兩地之間的最佳路徑選擇
蟻群演算法求解問題時易產生的誤區及對策
用雙向收斂蟻群演算法解作業車間調度問題
物流配送路徑安排問題的混合蟻群演算法
求解TSP問題的模式學習並行蟻群演算法
基於蟻群演算法的三維空間機器人路徑規劃
蟻群優化演算法及其應用
蟻群演算法不確定性分析
一種求解TSP問題的相遇蟻群演算法
基於蟻群優化演算法的彩色圖像顏色聚類的研究
鈑金件數控激光切割割嘴路徑的優化
基於蟻群演算法的圖像分割方法
一種基於蟻群演算法的聚類組合方法
圓排列問題的蟻群模擬退火演算法
智能混合優化策略及其在流水作業調度中的應用
蟻群演算法在QoS網路路由中的應用
一種改進的自適應路由演算法
基於蟻群演算法的煤炭運輸優化方法
基於蟻群智能和支持向量機的人臉性別分類方法
蟻群演算法在啤酒發酵控制優化中的應用
一種基於時延信息的多QoS快速自適應路由演算法
蟻群演算法中參數α、β、ρ設置的研究——以TSP問題為例
基於人工蟻群優化的矢量量化碼書設計演算法
具有自適應雜交特徵的蟻群演算法
蟻群演算法在原料礦粉混勻優化中的應用
基於多Agent的蟻群演算法在車間動態調度中的應用研究
用蟻群優化演算法求解中國旅行商問題
蟻群演算法在嬰兒營養米粉配方中的應用
蟻群演算法在機械優化設計中的應用
蟻群優化演算法的研究現狀及研究展望
蟻群優化演算法及其應用研究進展
蟻群演算法的理論與應用
簡單蟻群演算法的模擬分析
一種改進的蟻群演算法求解最短路徑問題
基於模式求解旅行商問題的蟻群演算法
一種求解TSP的混合型蟻群演算法
基於MATLAB的改進型基本蟻群演算法
動態蟻群演算法求解TSP問題
用蟻群演算法求解類TSP問題的研究
蟻群演算法求解連續空間優化問題的一種方法
用混合型螞蟻群演算法求解TSP問題
求解復雜TSP問題的隨機擾動蟻群演算法
基於蟻群演算法的中國旅行商問題滿意解
蟻群演算法的研究現狀和應用及螞蟻智能體的硬體實現
蟻群演算法概述
蟻群演算法的研究現狀及其展望
基於蟻群演算法的配電網網架優化規劃方法
用於一般函數優化的蟻群演算法
協同模型與遺傳演算法的集成
基於蟻群最優的輸電網路擴展規劃
自適應蟻群演算法
凸整數規劃問題的混合蟻群演算法
一種新的進化演算法—蛟群演算法
基於協同工作方式的一種蟻群布線系統

㈩ 論文《蟻群演算法及其應用研究》作者林海波，萬方里只有導出，請問怎麼下載

可以在知網或維普看看。