李艳君[1]2001年在《拟生态系统算法及其在工业过程控制中的应用》文中提出自然界的许多自适应优化现象不断地给人类以启示：生物体和自然生态系统可以通过自身的演化就使许多在人类看起来高度复杂的优化问题得到完美的解决。在此背景下产生了以模仿自然与生物机理为特征的拟生态系统算法。这类新型的优化算法模拟了完全依赖生物体自身的本能、通过无意识的寻优行为来优化其生存状态、以适应环境的自然生态系统。拟生态系统算法具有许多与传统优化算法（如数学规划、动态规划等）不同的特点。 本论文研究了叁种典型的拟生态系统算法——遗传算法、蚁群算法、免疫算法的基本原理和特点，在此基础上，针对这些算法在实际应用领域中存在的问题，提出了一系列的改进方法，并且通过多个实际应用问题的求解，充分验证了本论文对这些拟生态系统算法改进的有效性和必要性。本论文主要研究成果如下： 1、对遗传算法在多目标优化、并行计算、混合变量类型等方面的扩展进行了研究。在Pareto最优性的基础上提出了基于分级评价技术的并行多目标遗传算法，使求解过程始终将解的最优性和决策者对目标的偏好信息结合在一起。为解决复杂优化问题中常见的混合变量类型问题，提出了一种新的双层编码算法。对于具有NP复杂性的大规模组合优化问题，扩展了遗传算法的并行特性，提出了一种递阶分解并行算法，使问题求解时间至少减少一个数量级。该方法具有通用性，可灵活处理不同类型的优化变量，实现了人机交互的多目标决策，而且并行实施大大提高了问题求解的速度。 2、对拟生态系统算法中的蚁群算法进行了研究。提出了一种可用于求解连续空间优化问题的自适应蚁群算法。采用了一种新的基于目标函数值的启发式信息素分配算法，以及搜索过程中最优解的筛选方法。通过自适应的蚁群搜索信息素更新策略，保证了在搜索过程中，搜索路径上信息素的分配与解的最优性成正比，同时对当前最优路径上的路段，依据位编码信息合理地分配信息素。研究表明，这种算法能从过去的搜索中增强学习的能力，并为后续搜索提供正确的指导信息，避免重复大量的无效搜索，提高了搜索效率。一个多极值点的连续优化问题求解实例证明了该方法的有效性。 3、在分析了免疫系统疫苗接种机理的基础上，提出了一种新的自识别全程免疫算法，用于求解复杂最优化问题。该算法随着抗体培养周期的延伸，能够自适应地从免疫系统中学习，有针对性地克服新抗体产生的盲目性，逐渐增强系统的防御能力，使抗原的活性快速降低，使算法以更高的效率找到问题的最优解。仿 11 摘 要真实例研究了本算法的求解精度和收敛性，经验证这一算法是一种行之有效的方法，具有更强寻优能力。 4、采用本文提出的多目标遗传算法，研究了多罐连续配料过程这一混合动力学系统最优控制问题的多目标、混合动力学的基因表达方案和控制实时性等问题，提出了求解的设计思路及实现方法。并以一个叁罐连续配料过程为例，对该算法进行了应用研究。实例研究表明，这一方法具有可处理十分复杂的。甚至难以用精确的、解析的数学公式表达的目标函数和混合动态约束条件的明显优点，具有理论上的重要性和广泛的实际应用价值。为采用遗传算法求解混合动力学最优控制问题的研究提供了经验。 5、分析了混合生产调度问题的特点和难点，给出了并行多目标遗传算法求解这一动态生产调度的多目标优化问题的基本框架。在人机合理分工的前提下，克服了多目标决策中的不确定性；并行策略的实施大大提高了求解的速度。并提出了一种嵌套混合蚁群算法来求解动态混合生产调度问题。计算机仿真研究结果表明，拟生态系统算法能够很好地解决此类生产调度领域的前沿问题。 6、研究了并行多目标遗传算法在求解一个实际的多品种饮水加工柔性生产过程调度问题中的应用。针对多品种、多目标的柔性生产过程调度问题的复杂性，利用遗传算法能够解决复杂的搜索空间以及不需了解有关函数更多信息的优势，采用目标分级的策略将目标的偏好信息和最优解的评价联系在一起，从而产生出灵活的、交互式的、具有广泛实际应用前景的调度方法。计算机仿真结果验证了本论文所提算法的有效性。 最后，对全文的研究工作进行了总结，并展望了拟生态系统算法的需进一步研究的课题和实际应用前景。
许耀华[2]2004年在《基于拟生态算法的CDMA多用户检测方法研究》文中认为CDMA系统在技术上的优势已经使它成为3G的核心体制，但系统的容量和通信质量受限于多址干扰。多用户检测技术是宽带CDMA通信系统抗干扰的关键技术，其中最优多用户检测方法在理论上可以完全克服多址干扰，但计算复杂度大，因而目前无法实时实现，近年来出现一些复杂度较低的基于神经网络算法及混合遗传算法的多用户检测智能算法。在智能计算领域有一类新型的拟生态系统优化算法，如遗传算法、免疫算法等，它们模拟自然界生态系统机理，具有许多与传统优化算法不同的特点，并已成功运用于求解一些NP难解问题。 本论文结合了安徽省教育厅自然科学研究项目《大用户量CDMA多用户检测NP难解问题的优化算法研究》(2002kj007)，利用算法领域的两种新型拟生态系统优化算法处理CDMA多用户检测问题，寻找新的CDMA多用户检测处理方法。基于基本算法，针对多用户检测实际问题，提出相应的应用方法和改进策略，并通过仿真实例，验证各算法的有效性，本论文的主要研究工作如下： 1、首先，分析了CDMA通信系统中多用户检测问题，从算法复杂性的角度认识CDMA通信中的多用户检测方法。分析了优化算法领域较新出现的拟生态系统优化算法，介绍并比较了其中的蚁群优化算法和粒子群优化算法。 2、应用蚁群算法解决CDMA通信系统中的多用户检测问题。基于基本蚁群算法，结合多用户检测问题的实际特点，采用搜索空间分段和蚂蚁对相遇搜索的策略，提出一种新的基于蚁群算法的CDMA多用户检测方法，理论分析和仿真结果显示算法具有多项式的计算复杂度，并且算法误码率性能好于传统检测和解相关检测。 3、粒子群算法是一种较新的基于群智能的演化计算方法，具有算法简单、收敛快等优点，多用于连续空间优化。本文研究了应用于CDMA多用户检测问题离散空间搜索的离散粒子群算法，提出一种基于离散粒子群算法的CDMA多用户检测方法。分析以及实验仿真表明该方法具有计算复杂度低且安徽人学硕士论文《基于拟生态算法的CDMA多用户检测方法研究》可以.得到较好误码率性能的特点。对于本文提出的两种智能算法多用户检测器的性能和复杂度作了分析和仿真比较。 4、最后，对全文的研究工作进行了总结，展望了CDh乞气多用户检测的具体实现，复杂度的进一步降低，以及拟生态优化算法的进一步研究和应用。
闻育[3]2004年在《复杂多阶段动态决策的蚁群优化方法及其在交通系统控制中的应用》文中指出从系统控制与优化的角度来看，城市交通系统是一个具有高度复杂性的动态系统。一方面，从系统动力学角度分析，具有离散事件一连续时间混合动态特性、高度非线性、非平稳未知分布的随机性、系统参数经常随环境条件和人们出行需求发生漂移以及交叉口之间具有强耦合特性等，所以系统状态难以准确测量、预测和控制；另一方面，交通系统的控制作用有很多种，如信号灯、诱导信息等，信号灯是当前被广泛应用的主要控制作用。但是，信号灯通过相位切换对交叉口进行控制，同时也在交通控制模型中引入了整数决策变量，使交通控制模型成为一个大规模混合整数规划问题，需要指数复杂度的优化算法。并且，从交通安全、通行效率及人们出行习惯的角度考虑，信号灯相位的设置具有很强的约束，如最短和最长绿灯持续时间、最大排队长度以及信号灯的配时参数要具有一定的稳定性不能变化太剧烈等等。交通系统的上述特性决定了其控制问题的高度复杂性。 基于模型的控制算法的控制效果虽然受到交通模型预测精度的影响，但对于交通系统这样的复杂大系统，具有一定精度的模型对系统状态进行预测并对控制作用进行评价，仍是获得系统全局最优控制策略的重要途径。建立基于模型的城市交通自适应协调控制系统(Urban Traffic Adaptive Coordinated Control System，UTACCS)需要解决叁个重要问题：一是建立合适的控制问题的数学描述，包括交通流预测模型、目标函数以及控制作用的数学形式；二是设计高效的优化算法，以满足控制问题在线求解的需要；叁是在UTACCS现场实施前要经过充分的实验室验证，目前最佳的验证工具是微观交通仿真系统。本文主要在这叁个方面进行了深入研究，相应地建立了配时参数协调优化和信号相位滚动优化两种主要的基于模型的UTACCS控制算法，通过设计蚁群优化(Ant Colony Optimization，ACO)算法的解构造图使其能够应用于交通控制问题的求解，并且改进ACO算法以提高其在大规模交通控制问题上的搜索性能，最后在浙江大学自主研发的城域混合交通仿真与分析系统(Simulation and Analysis System for Urban MixedTraffic，SASUMT)上从单点控制、干线控制及区域控制不同层次对所建立的两种控制算法的控制效果进行了比较和分析。具体的研究内容有以下几点： (1) 蚁群优化算法由于是一种基于显式表达解空间的启发式搜索方法，解构造图显式地描述了优化问题的整个解空间，所以解构造图的定义方法会直接影响到算法的计算量和搜索性能。本论文根据对解构造块的分解方式以及与解构造图节点之间的映射方式的不同，分别定义了简单解构造图、基本层状解构造图及复合层状解构造图，并研究了这叁种解构造图适于求解的优化问题的特性。其中两种层状解构造图适用于对复杂多阶段决策问题的求解，而复合层状H摘要解构造图通过将解构造块进一步细分，比基本层状解构造图更适用于求解具有高维决策变量的复杂多阶段决策问题。 (2)蚁群优化算法的解构造图一般要静态地描述整个解空间(或者是离散化了的解空间)，对于大规划动态决策问题，不仅存在描述解空间的困难，而且让蚁群在迭代过程中始终在整个解空间中进行搜索，搜索性能会很低。本论文将蚁群优化算法与遗传算法结合，建立一个动态窗口蚁群优化算法，通过每隔若干次ACO算法迭代就用遗传算法对解构造图进行动态重构，自适应地调节解构造图所映射的解空间区域，从而使蚁群在迭代过程中逐渐集中到可能产生高质量解的解空间区域进行精细搜索，可极大地提高ACO算法在大规模动态决策问题上的搜索性能。 (3) SCOOT系统以逐步微调配时参数的方式进行优化，不能有效避免陷入局部最优解的问题，所以本论文设计了一个基于以实时交通检测值为输入的宏观交通流预测模型和蚁群优化算法的城市交通区域配时参数协调优化的控制算法，从而实现了对全局最优信号配时方案的求解。同时，还将信号灯配时方案的切换对交通流状态的影响过程分为过渡态和稳态来研究，并在ACO算法中，以单交叉口在过渡态的交通延迟作为局部启发信息，根据整个控制区域达到稳态时的总交通延迟来决定释放信息素的量。由于蚁群优化算法以构造解的方式搜索解空间，所以可以更有效地解决信号配时方案切换时过渡态与稳态、单交叉口局部利益与区域全局利益之间的矛盾。 (4)作为第叁代交通控制方法，“预测多步、执行一步”的信号相位滚动优化技术可以实现对交通信号灯进行更灵活的控制。由于城市交通区域的信号相位滚动优化模型具有高阶决策变量和非常复杂的约束条件，求解的效率和解的可行性一直是其主要难题，所以本论文利用前面介绍的动态窗口蚁群优化算法来求解，并在每个优化阶段以备选信号相位在该阶段引起的延误时间作为局部启发信息引导蚂蚁生成质量更高的解，提高了求解效率。 (5)为了验证所提出的两种交通控制算法的可行性，需要在一个能够真实模拟实际交通系统状态的系统仿真平台上进行测试。SASUMT是一个浙江大学自主研发的城市混合交通微观仿真系统，实现了对机动车、非机动车和行人的建模以及
陈军飞[4]2004年在《城市生态系统诊断预警研究》文中研究说明随着全球工业化和城市化的迅速发展,城市成为人类技术进步、经济发展和社会文明的结晶,也是环境污染、生态破坏和社会问题的汇合处。近几十年来,发展中国家在城市化突飞猛进的同时,出现了人口剧增、环境污染、交通拥挤、建筑景观混乱,以及旧城改造缺乏统一规划建设等问题,“城市成为大多数人对环境问题关心的重心”,城市可持续发展研究举世关注。因此,如何依据城市生态学原理,运用系统科学方法,解释和评价城市生态系统复杂的系统演变规律,解决城市生态系统可持续发展面临的主要问题,进而实现城市和区域社会经济的可持续发展具有重要的理论价值和实践意义。 本文以城市生态系统的可持续发展为研究对象,应用系统科学和系统工程的观点和思路,对城市生态系统的可持续发展诊断预警问题进行了较为深入的研究,主要内容包括: (1) 在综述前人相关研究的基础上,探讨了城市生态系统研究的理论基础,总结了城市生态思想变迁的历史演进过程。研究了城市生态系统的内涵及特征、城市生态系统的组成要素、结构和功能,探讨了城市生态系统的运行机制及演化模式。 (2) 阐述了城市生态系统诊断预警的内涵,设计了城市生态系统诊断预警指标体系,提出了城市生态系统预警的思想,构建了城市生态系统诊断预警体系结构。 (3) 将人工免疫算法引入到BP神经网络的优化中,建立了基于免疫的BP神经网络预测模型。将灰色系统理论应用于城市生态系统的诊断预警问题的研究,建立了基于改进灰色关联度分析方法的城市生态系统的诊断预警模型。 (4) 在系统分析南京城市生态系统现状的基础上,应用所建立的城市生态系统诊断预警模型对南京市城市生态系统进行了诊断预警实证研究,并对实证结果进行了分析。
刘泓[5]2006年在《交通仿真系统的并行计算、智能优化和混杂模型研究》文中研究指明智能交通系统(Intelligent Transportation System，ITS)是当前解决交通问题的主要方法和手段。作为ITS的重要组成部分，交通仿真系统是进行交通管理、控制和诱导决策的重要实验手段和工具。在交通仿真系统中，交通流模型运算速度的问题一直阻碍着交通仿真系统在解决大规模路网问题上的进一步发展，特别是在采用微观交通流模型的交通仿真系统中。随着ITS技术的深入发展，交通控制系统需要应用于复杂的交通场景中，对其实时性的要求也越来越高，作为交通控制系统核心的交通优化算法，同样存在运算速度的问题。快速发展的并行计算技术是提高运算速度的有效手段，而并行计算的引入，给交通仿真系统和交通控制系统中的优化算法提出了新的研究课题。针对这一研究课题，从叁个方面进行了研究：一是建立了适合微观交通流模型并行计算的框架。二是在微观交通流模型并行计算框架研究的启发下，提出了一种适合并行计算的混杂交通流模型——并行混杂交通流(Parallel Hybrid Traffic Flow，PHTF)模型。叁是提出了一种适合并行计算的蚁群优化(Ant Colony Optimization，ACO)算法——基于层状解构造图拆分的蚁群优化(Parallel ACO based on Layered Construction GraphDecomposition，PACO-LCGD)算法。此外，由于交通路网模型是交通仿真系统的基础，建立一个灵活的、能够细致描述实际微观交通路网，并将微观交通路网和宏观交通路网统一在同一框架下的路网模型仍然值得作进一步的研究。从这点出发，提出了基于车道的混杂交通路网模型，并将该模型在浙江大学智能交通研究中心自主研发的城市混合交通仿真与分析系统(Simulation and Analysis System for Urban Mixed Traffic，SASUMT)最新版本中加以了实现。本文还论述了SASUMT最新的研究成果，讨论了城市交通仿真系统与交通控制系统中的优化算法并行化软、硬件实现的一些关键技术。主要的研究成果总结如下：1、提出了一套适合微观交通流模型并行计算的框架。该框架参考了元胞(Cellar Automatic，CA)模型并行计算的框架，包括基于网格的区域分解方法、边界缓冲模型和改进的同步机制叁个部分。其中基于网格的区域分解方法和边界缓冲模型分别用来实现任务的分解和提供仿真计算时所需的交互数据；改进的同步机制参考了CA模型并行计算的同步机制，根据在集群环境内消息能够并行传递的特征，通过同步栅来实现同步。针对该框架，设计了一个大规模路网进行实验验证，并采用LogGP模型进行了理论分析。理论分析和实验结果表明，应用这一框架可以方便地实现微观交通流模型的并行计算，提高微观交通流模型运算的速度，从而满足ITS中大规模交通路网实时、高效和动态仿真的需求。2、提出了一种适合并行计算的混杂交通流模型——并行混杂交通流模型。该模型根据尽量降低消息大小的思路，在微观交通流模型并行计算的基础上，采用混杂交通流模型建模的方法。PHTF模型并行计算时仍使用微观交通流模型并行计算的框架，在每台从机中依然采用微观交通流模型进行仿真计算。不同之处在于所传送的消息不再是每个车辆的信息，而是边界缓冲区内的宏观统计特性，当另一台计算机接收到这些宏观统计特性的数据后，会根据这些数据产生新的车辆。与微观交通流模型并行计算相比，并行混杂交通流模型减少了所传送消息的大小，具有更高的并行效率和可扩展性。3、提出了一种适合并行计算的蚁群算法——基于层状解构造图拆分的并行蚁群算法。由于应用蚁群优化算法求解复杂大规模多阶段决策问题时，其计算量会随着阶段数和各阶段离散化容许决策集合规模的增加成指数增长，造成无法在单台计算机中进行计算的现象，PACO-LCGD算法可以较好的解决这一问题。该算法通过应用并行计算技术，将解构造图拆分成若干块，把每一块的计算任务放置在不同的计算机上并行执行，互相合作完成整个计算任务。经实验验证和LogP模型的理论分析，表明这种算法可以快速有效地进行问题的求解。4、提出了一种新的路网模型——基于车道的混杂交通流模型。基于车道的混杂交通流模型采用基于特征的建模理论进行建模，将车道作为建模的基本单位，用车道／节点的拓扑关系表示交通网络的拓扑关系。车道之间的拓扑关系通过基于特征的建模方法进行描述。对于交叉路口，将其表述为一个由若干条车道组成的具有面几何形状的特征。基于车道的混杂交通流模型不仅能够有效的描述宏观交通路网，而且能够细致的描述微观交通路网，将宏观交通路网和微观交通路网统一在同一个框架之下，具有较强的扩展性。在SASUMT最新版本中，针对该模型进行了实现。5、论述了SASUMT最新的研究成果，并对并行化的城市交通仿真系统与优化算法的软件实现进行了初步探讨。讨论了交通流模型并行计算和PACO-LCGD算法的软硬件实现方法，并加以了实现。另外给出了并行化的城市交通仿真与优化系统硬件实现的一个初步框架。6、对全文的研究工作进行了总结，并对相关领域未来的研究方向进行了展望。
郑志鹏[6]2004年在《基于局部搜索的分类规则发现及其在入侵检测的应用》文中提出数据挖掘是从大型数据库的数据中提取人们感兴趣的知识，这些知识是隐含的、事先未知的潜在有用的信息。分类规则发现则是通过对训练样本数据集的学习构造分类规则的过程，是数据挖掘、知识发现的一个重要方面。分类规则发现的实质是希望得到高准确性、易于理解的和有趣的分类规则。本文研究了基于局部搜索的分类规则发现方法，并在此基础上，进一步研究了基于局部搜索和蚁群算法相结合的分类规则发现方法。局部搜索算法是一种通用的近似搜索算法。本论文对应用多起始点局部搜索算法实现分类规则发现的关键技术进行了分析，包括确定起始点的选择策略、解的表示、邻域的定义、目标函数的设计以及局部搜索的策略等。在此基础上，阐述了基于多起始点局部搜索的分类规则发现的基本思想，并对所构造的算法用四个公共数据集进行了实验。结果表明通过该算法可以得到预测准确度较高的分类规则，而且通过该算法得到的分类规则较简单，容易让用户理解。基于局部搜索的分类规则发现算法可以取得预测准确度较高的分类规则，但是算法的运行时间相对较长。在分析基于局部搜索的分类规则发现算法优缺点的基础上，我们引入了蚁群算法的基本思想，即信息素及其更新，在局部搜索的过程中，让信息素指导搜索的进行。在该思想的基础上，提出了基于局部搜索和蚁群算法相结合的分类规则发现方法。实验表明该方法可实现分类规则质量与算法运行时间之间较好的折衷。目前随着网络规模的不断扩大和黑客攻击手段的日益复杂，人们对于网络安全的需求与日俱增。入侵检测技术作为网络安全的一个重要分支，也越来越受到人们的关注。在入侵检测系统中使用数据挖掘技术，通过分析历史数据可以提取出用户的行为特征、总结入侵行为的规律，从而建立起比较完备的规则库来进行入侵检测。本文在分析现有入侵检测系统的基础上，提出了基于分类规则的入侵检测系统。该入侵检测系统具有较高的检测率、较好的适应能力和较好的可扩展性。
秦荪涛[7]2007年在《生态工业园系统的演化与调控》文中研究说明本项研究运用生态工业学以及生态经济学理论，借助复杂适应性理论的多主体建模思想，分析了系统内外的能量流、物流、信息流运动，抽象出了生态工业园区的要素、结构和功能。以和谐共生为主题、追求经济效益和相互消耗工业剩余物为目的，在一个开放的空间上，从产业个体意愿出发，通过演化建立生态工业立体循环网络系统模型，从不同侧面对生态工业系统进行建模和求解，并且在Swarm平台建立了它的仿真模型。采用实验运行演化的方法，观察生态工业系统在没有外部干扰下的稳定情况，研究达到这样稳定所需要的演化过程，表现这个稳定状态，分析稳定的本质。如果达不到那种稳定的状态，寻求在外界可靠技术“定位”的帮助下达到那种平衡状态的方法，分析市场波动及政府宏观政策对园区的影响，研究生态工业园区的演化策略理论和方法，建立静态和动态生态经济均衡模型，以可持续发展的方法调控牛态工业园区的企业种类和规模，加强生态工业共生系统的自适应能力。研究(虚拟)生态工业园区具有重要的实际应用价值。在欧美等发达国家，出现了将传统工业开发区改建成生态工业园区的趋势。我国有数百个各种层次、各种类型的工业开发区(产业聚集区)，随着环境日益恶化，也面临着生态改造问题。我们的研究提出了在一个开放的区域范围内构建和谐的产业生态循环系统的一些方法，成果可以为政府决策提供参考，为规划、设计部门提供理论指导和实践仿真，为产业绿色技术创新提供“路线图”和行动指南。
万伟锋[8]2006年在《彬长矿区矿井水资源化及坑口电站净水厂优化选址研究》文中认为水资源是与人类生存、社会发展息息相关的自然资源，是生态环境系统中最活跃和影响最广泛的因素。随着经济发展、人口增长和人们的物质文化生活水平的提高，世界各地对水的需求日益增长，水资源已成为当今世界各国社会经济发展的制约因素，引起普遍关注。我国北方地区主要建火力发电厂，建坑口电站更为经济节约，但建坑口电厂必须要解决水源问题。长期以来，由于技术所限和认识不足，矿井水被当作水害加以预防和治理，矿井水被白白排掉而未加以综合利用和保护。毫无节制的排水不仅大大浪费水资源、增加了吨煤成本，而且还导致地面塌陷、地下水资源流失、水质恶化等环境问题。因此，合理开发利用矿井水，使矿井水资源化，是解决矿区和坑口电站水源问题和矿井水污染环境问题的最佳选择。 本文在分析彬长矿区地质及水文地质条件的基础上，分别用“大井法”和水文地质比拟法计算了亭南井田、大佛寺井田、胡家河井田和小庄井田四矿的矿井涌水量，分析四矿矿井向大唐彬长坑口电站的供水能力，并对矿井水的水质进行了评价，研究了矿井水作为电站供水水源的可行性。在选择电站净水厂位置时，使用了近年新兴的蚁群算法，通过对基本蚁群算法进行改进，设计了用于平面选址问题的具有变异特征的蚁群算法，将其成功地应用于净水厂选址的最优化决策中。通过计算机仿真，分析讨论了蚁群算法中主要参数的选取，得到了用于解决本文问题的蚁群算法的合理参数。计算机仿真结果表明，该算法是有效的，并有广泛的应用前景。最后一章通过对矿井水资源化的效益分析，说明矿井资源化具有很好的社会效益、经济效益和环境效益。 本文不仅可以为我国北方地区的矿井水资源化提供一些参考经验，同时蚁群算法的成功运用也为工程建设的规划工作提供了一种可供使用的决策工具，有助于提高规划工作的科学性和效率，具有一定的理论和实际意义。
王笑蓉[9]2003年在《蚁群优化的理论模型及在生产调度中的应用研究》文中认为本文从蚁群优化算法理论模型角度以及在生产调度问题中的应用角度开展了如下研究： 定义了蚁群算法考虑结点模式和弧模式信息素分布的解构造图，并把蚁群算法的解构造过程形象为蚂蚁在解构成元素组成的解构造图上按照分布在弧或者结点上的信息素指引进行概率性旅行的问题，并提出了蚁群算法基于解构造图的解空间参数化概率分布模型并在此模型上提出了蚁群算法的统一框架。 基于解空间参数化概率分布模型，首先提出了一个以概率1收敛于最优解的解空间概率分布的迭代更新过程，然后提出了通过最小化不同分布间的交互熵距离以及蒙特卡洛采样来逼近此迭代过程的最小交互熵信息素更新规则，接着分别给出了弧模式以及结点模式信息素分布模型下的最小交互熵等式。本章还提出了一种全局归一化的的蚂蚁种子信息素更新规则，该规则能保证分布在整个解构造图上的信息素的总量保持恒定，同时解决了信息素初始化的问题以及消除了解质量函数的量纲对算法性能的影响。然后定义了一种特殊的解构造图-矩阵解构造图，并提出了Flowshop问题的矩阵解构造图模型，同时针对矩阵解构造图提出了局部归一化的蚂蚁种子信息素更新规则，该规则能保证分布在矩阵解构造图每一行结点上的信息素总量保持恒定。此外，还定义了无约束矩阵解构造图，并证明了无约束矩阵解构造图的局部归一化蚂蚁种子信息素更新规则为最小交互熵信息素更新规则。本章最后提出了解决并行机调度问题的蚁群算法，该算法把并行机调度问题映射为无约束矩阵解构造图，并在算法的信息素更新过程中应用了无约束矩阵解构造图的局部归一化蚂蚁种子信息素更新规则，与其他几个高性能算法的仿真对比试验证明这种方法是非常有效的。 把组合优化问题描述为一个多阶段序列决策问题，并对蚁群优化算法中解构造过程所对应的有限状态马尔科夫决策过程用强化学习理论的框架进行描述，同时说明了所有蚁群算法均满足强化学习理论中基于马尔科夫状态的不完全信息的广义策略迭代算法框架。此外在强化学习的理论框架内说明了AS算法是一种基于蒙特卡洛方法的强化学习算法，ACS和Ant-Q算法是一种蒙特卡洛方法与瞬时差分方法在形式上相结合的强化学习算法。本文还在蚁群算法中引入强化学习的资格迹理论并提出了一个新颖的基于资格迹的蚁群优化算法Ant(λ)，该算法实现了蒙特卡洛方法与瞬时差分方法的数学意义上结合，并能使蚂蚁获得的延迟强化信号及时地在其旅行路径上反向传播。11 摘 要 提出了FIOWShop问题的一个局部归一化蚂蚁种于算法ACOPORM，一个引入停滞状态脱离机制以及信息素踪迹限制机制的ACO STAG算法和一个基于资格迹的Ant Q0）算法。算法还提出了一种基于Dannenbring方法的启发式信息。仿真试验表明，信息素的结点模式总体优于孤模式；启发式信息能较大改进算法性能；ACO STAG算法的信息素踪迹更新过程中的停滞状态脱离机制以及信息素踪迹限制机制能帮助蚂蚁跳出局部最优解；此外Ant QO）算法的资格迹机制能大大改进采用弧模式解构造图的蚁群算法性能。给出了FIOWShop问题的几种基于关键路径的邻域结构，并把蚁群算法与邻域搜索相结合构成混合算法，与其他算法在Taillard流水作业调度测试问题集上的比较试验表明，混合算法性能更优。 提出了混合中间存储策略下多产品间歇生产过程调度问题的一种完成时间算法，该算法考虑了产品传输时间，与产品生产顺序有关的设备准备时间，中间存储清洗时间以及中间存储“双传输”对完成时间的影响。采用ACO NORM和ACO STAG算法用于解决多产品间歇生产过程的优化调度问题。还提出了一种改进的基于Dannenbring方法的启发式信息。仿真试验表明，启发式信息能较大改进算法性能。为加速算法的收敛，蚁群算法与邻域搜索相结合构成混合算法，用一些测试问题对本章算法进行试验评价，试验结果表明本章提出的方法的有效性。 利用受控赋时Petri同对柔性生产线调度中的离散事件建模，在山Petri网仿真运行获得调度性能评价的基础上，采用两级递阶进化优化方法求解柔性生产过程的优化调度问题，即山蚁群优化方法优化加工路径，然后对蚁群在信息素指引下所构造的加工路径，由遗传算法优化在同一机器上加工的作业排序。在蚁群算法解构造过程中提出了一种有效的启发式信息。测试问题的求解结果说明了算法的有效性。 提出了一种ACO－BATCH算法，用十解决有限批量流水线分批与优化调度问题。在考虑与批处理顺序相关的批处理设备准备时间和产品批在处理设备间的传输时间基础上，提出了无中间存储策略（＊IS ）和零等待存储策略（＊W）下流水作业工序流程的仿真模型和基于此模型的完成时间算法。一组60个仿真测试问题的求解结果说明了算法的有效性。
参考文献：
[1]. 拟生态系统算法及其在工业过程控制中的应用[D]. 李艳君. 浙江大学. 2001
[2]. 基于拟生态算法的CDMA多用户检测方法研究[D]. 许耀华. 安徽大学. 2004
[3]. 复杂多阶段动态决策的蚁群优化方法及其在交通系统控制中的应用[D]. 闻育. 浙江大学. 2004
[4]. 城市生态系统诊断预警研究[D]. 陈军飞. 河海大学. 2004
[5]. 交通仿真系统的并行计算、智能优化和混杂模型研究[D]. 刘泓. 浙江大学. 2006
[6]. 基于局部搜索的分类规则发现及其在入侵检测的应用[D]. 郑志鹏. 福州大学. 2004
[7]. 生态工业园系统的演化与调控[D]. 秦荪涛. 河海大学. 2007
[8]. 彬长矿区矿井水资源化及坑口电站净水厂优化选址研究[D]. 万伟锋. 长安大学. 2006
[9]. 蚁群优化的理论模型及在生产调度中的应用研究[D]. 王笑蓉. 浙江大学. 2003
标签：自动化技术论文; 蚁群算法论文; 并行计算论文; 信息素论文; 生态系统论文; 系统仿真论文; 空间分析论文; 算法论文;