多选择背包问题是组合优化中的NP难题之一，采用一种新的智能优化算法——人工蜂群算法进行求解。该算法通过雇佣蜂、跟随蜂和侦察蜂的局部寻优来实现全局最优。基于算法实现的核心思想，用MATLAB编程实现，对参考文献的算例进行仿真测试。与其他算法进行了比较，获得了满意的结果。这说明了算法在解决该问题上的可行性与有效性，拓展了人工蜂群算法的应用领域。
2021-10-11 18:03:34
337KB
1
人工蜂群算法MATLAB代码，利用人工蜂群算法求解函数优化问题；包括采蜜蜂操作、观察蜂操作、侦查蜂操作，智能优化算法
2021-10-08 18:45:07
5KB
1
人工蜂殖民算法
对人工蜂群算法的理解和改进人工蜂群算法的思想，以及人工蜂群算法及其改进算法的C / Java / Python实现群算法的思路以及人工蜂群算法及其改进算法的C / Java / Python实现
2021-09-28 16:48:25
6KB
1
针对准时化顺序供应的混流装配生产线物料补给问题进行数学规划建模,通过决策各次物料补给作业的发车时间和料箱标号使线边物料的库存成本最小.为了解决这一复杂的混合优化问题,给出了问题的性质分析,并将该问题转化为求解最优料箱配送序列的组合优化问题.在此基础上,构建反向动态规划求解算法以获得该问题的最优解,并证明该算法具有指数级别的时间复杂度.为了求解中大规模调度问题,构建了改进蜂群算法,通过在邻域搜索部分融合基于分布估计算法的个体更新机制来强化基本蜂群算法的收敛性能.最后通过仿真实验验证了所提出算法的可行性和有效性.
2021-08-31 16:48:16
413KB
1