XiaoMi-AI文件搜索系统
World File Search System蚁群
基于混沌粒子—蚁群算法的多目标可持续供应链网络优化
对于可持续供应链网络的优化设计，考虑问题因素的综合性，综合考虑经济、环境和社会三个方面，以建立成本最小、环境污染排放最小和劳动力数量最大为目标，建立以供应链网络效率最大化为目标的混合整数规划模型。本文的创新之处，首先是在连续供应链中考虑经济、环境和社会效益的影响，其中环境效益不仅考虑碳排放，还包括工厂废水、废弃物和固体废弃物的排放作为影响因素。其次，构建了多目标模糊隶属函数，以总体满意度值来衡量模型解的质量。最后，提出了混沌粒子蚁群算法，解决了粒子群算法运行中出现的过早收敛问题。实验结果表明,本文提出的PSCACO算法与MOPSO、CACO、NSGA-II算法进行比较,得出算法的收敛效果更加有效,验证了混沌粒子蚁群算法求解多目标函数的有效性和可行性,为供应链管理提出了一种新的可行方案。
可实现的混合量子蚁群优化算法
摘要 我们提出了一种基于经典蚁群优化算法的新型混合量子算法，用于为 NP 难题（尤其是优化问题）提供近似解。首先，我们讨论了一些先前提出的量子蚁群优化算法，并在此基础上开发了一种可以在近期量子计算机上真正实现的改进算法。我们的迭代算法仅编码有关量子态中的信息素和探索参数的信息，同时将数值结果的计算交给经典计算机。使用一种新的引导探索策略来利用量子计算能力并以状态叠加的形式生成新的可能解。这种方法特别适用于解决约束优化问题，我们可以有效地实现新路径的探索，而无需在测量状态之前检查路径与解决方案的对应关系。作为 NP 难题的一个例子，我们选择解决二次分配问题。通过模拟无噪声量子电路进行的基准测试和在 IBM 量子计算机上进行的实验证明了该算法的有效性。
一种用于 HRES 大小和配置的蚁群算法...
摘要 — 提出了一种蚁群算法 (ACO)，使用连续搜索空间方法对混合可再生能源系统规模和配置进行优化。在所提出的算法中，搜索空间中的信息素分布由高斯分布确定，并根据信息素沉积值通过轮盘赌原理进行概率路径选择。ACO 算法在软件工具 MOHRES 中实现，并进行了三个案例研究，以优化由全配置风能-光伏-电池-柴油-FC 电解器系统衍生的独立混合可再生能源系统的规模和配置。为了评估所提出的 ACO 的性能，将最优解与 MOHRES 中实现的遗传算法 (GA) 优化算法获得的解决方案进行了比较。