基于蚁群算法的智能运输调度问题的研究

计算机工程与应用 ›› 2006, Vol. 42 ›› Issue (35): 4-.

基于蚁群算法的智能运输调度问题的研究

吴宗彦,王景华,张建军

合肥工业大学计算机与信息学院

收稿日期:2006-08-18 修回日期:1900-01-01 出版日期:2006-12-11 发布日期:2006-12-11
通讯作者: 吴宗彦吴宗彦

The Research of Intelligent Vehicle Scheduling Problem Based on Ant Colony Algorithm

Zongyan WU,,

合肥工业大学计算机与信息学院

Received:2006-08-18 Revised:1900-01-01 Online:2006-12-11 Published:2006-12-11
Contact: Zongyan WU

摘要/Abstract

摘要： 在智能运输调度问题的整体法求解思路的基础上，给出了整体法求解智能运输调度问题的数学模型。针对车辆调度问题是个多项式复杂程度的非确定性（Non-deterministic Polynomial，NP）难题，在整体法的基础上引入了蚁群算法，给出了整体法求解智能运输调度问题的蚁群算法，并对模型进行了实验分析。

关键词: 智能运输调度, 启发式算法, 蚁群算法

Abstract: In order to optimize the intelligent vehicle scheduling problem, this paper introduces a model of intelligent vehicle scheduling problem solving with the holistic method based on the theory of holistic method. Asintelligent vehicle scheduling problem is a NP-hard problem, this paper adopts ant colony algorithm, ant introduces a model based on holistic method combined with ant colony algorithm, and takes research on the model.

Key words: intelligent vehicle scheduling , heuristic algorithm , ant colony algorithm

吴宗彦,王景华,张建军. 基于蚁群算法的智能运输调度问题的研究[J]. 计算机工程与应用, 2006, 42(35): 4-.

Zongyan WU,,. The Research of Intelligent Vehicle Scheduling Problem Based on Ant Colony Algorithm[J]. Computer Engineering and Applications, 2006, 42(35): 4-.

[1]	赵江, 孟晨阳, 王晓博, 郝崇清, 李冉, 刘慧贤, 王昭雷. 特征点提取下的AGV栅格法建模与分析[J]. 计算机工程与应用, 2022, 58(8): 156-167.
[2]	安家乐, 刘晓楠, 何明, 宋慧超. 量子群智能优化算法综述[J]. 计算机工程与应用, 2022, 58(7): 31-42.
[3]	刘双双, 黄宜庆. 多策略蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2022, 58(6): 278-286.
[4]	杨周, 刘海滨. 基于改进蚁群与动态窗口法的AGV动态路径规划[J]. 计算机工程与应用, 2022, 58(6): 287-295.
[5]	唐旭晖, 辛绍杰. 改进蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2022, 58(5): 287-295.
[6]	叶志坚, 王建忠, 张召悦, 杨群亭, 牟龙芳. 图切割快速生成扇区的蚁群算法[J]. 计算机工程与应用, 2022, 58(3): 297-307.
[7]	陈颖杰, 高茂庭. 基于信息素初始分配和动态更新的蚁群算法[J]. 计算机工程与应用, 2022, 58(2): 95-101.
[8]	张天瑞, 吴宝库, 周福强. 面向机器人全局路径规划的改进蚁群算法研究[J]. 计算机工程与应用, 2022, 58(1): 282-291.
[9]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[10]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[11]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[12]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[13]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[14]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[15]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.