本文關鍵詞：基于蟻群算法的農村垃圾回收路徑的研究　出處：《吉林大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 蟻群算法 農村垃圾 路徑優(yōu)化

【摘要】：近些年來,隨著新農村的建設,農村經濟的迅速發(fā)展,農民生活日益富裕,許多問題相繼產生。其中,較為突出的是農村垃圾排量的日益增多。由于農村垃圾問題未及時得到社會各界的關注與投資,以及村民環(huán)保意識的相對薄弱,導致垃圾問題成為阻礙農村可持續(xù)發(fā)展的重要因素。從2015年初將“農村垃圾治理”寫入到中央1號文件開始,政府及有關部門紛紛加大了治理農村垃圾的力度。例如,以住建部為代表的十個部門從我國農村的實際情況出發(fā),聯(lián)合提出了“村收集、鎮(zhèn)轉運、縣處理”的垃圾收集處理模式。本文研究了“鎮(zhèn)轉運”這一環(huán)節(jié)。結合目前農村垃圾回收的實際情況,建立了農村垃圾回收路徑問題的數學模型,旨在求解一條最短的垃圾車回收路線,為政府節(jié)約治理農村垃圾問題的成本。群智能算法是仿生模擬進化算法,是從大自然中生物群體間的合作規(guī)律抽象得來的現(xiàn)代啟發(fā)式算法。其具有魯棒性強、易于并行處理、操作簡單等特點。盡管群體中單個個體遵循的規(guī)則都極其簡單,但是通過它們之間的交互使得全局層面上體現(xiàn)出智能。群智能算法是求解路徑優(yōu)化問題的常用的一類算法。蟻群算法是群智能算法的典型代表,具有正反饋性,易于發(fā)現(xiàn)全局最優(yōu)解,在求解路徑優(yōu)化問題上體現(xiàn)出了很好的性能。所以,本文重點研究了蟻群算法,并在最大最小螞蟻系統(tǒng)的基礎上提出了一種混合蟻群算法,在新算法中做出了三點改進:(1)融合了節(jié)約算法的思想,根據建立的農村垃圾回收路徑問題的數學模型,在螞蟻選擇路徑時增加了一個因素——節(jié)約因子。(2)借鑒了人工蜂群算法中蜜蜂分工的思想,將螞蟻進行分工。一部分螞蟻隨機搜索以增大解空間,另一部分螞蟻則采用隨機性和確定性相結合的搜索方式以保證算法的收斂性。(3)引入了遺傳算法中保留父代優(yōu)良個體的思想,在本代中有選擇地保留父代最優(yōu)解。通過比較父代最優(yōu)解和本代最優(yōu)解的值的大小來決定父代最優(yōu)解的保留與否。當父代最優(yōu)解不次于本代最優(yōu)解時被保留,此時增加本代最優(yōu)解和父代最優(yōu)解中路徑上的信息素。否則,增加本代最優(yōu)解和次優(yōu)解中路徑上的信息素。最后,分別將本文的混合蟻群算法和最大最小螞蟻系統(tǒng)用于求解農村垃圾回收路徑問題。經過對兩組數據的多次仿真實驗,我們可以根據得到的數據和曲線圖看出,本文的混合蟻群算法在求解性能和收斂性方面都要優(yōu)于最大最小螞蟻系統(tǒng)。用改進的混合蟻群算法為招遠市玲瓏鎮(zhèn)求出一條最優(yōu)垃圾車回收路徑。通過本文的混合蟻群算法可以為農村垃圾回收路徑問題求得一條垃圾車行駛的最短路徑,可為農村垃圾治理系統(tǒng)節(jié)約垃圾運輸成本,從而為政府節(jié)省治理農村垃圾的資金。
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：X705;TP18

【相似文獻】

相關期刊論文 前8條

1 鄒永平;;改進的Fp-Growth數據關聯(lián)挖掘算法研究[J];河北能源職業(yè)技術學院學報;2013年01期

2 王洪香;;VBLAST系統(tǒng)檢測算法改進[J];重慶科技學院學報(自然科學版);2011年04期

3 陰愛英;;基于線程并行計算的Apriori算法[J];西安科技大學學報;2014年01期

4 夏克文;董瑤;杜紅斌;;基于改進PSO算法的LS-SVM油層識別模型[J];控制與決策;2007年12期

5 付偉忠;張運陶;;改進的MC_GEP算法與嘌呤骨架類Hsp90抗癌活性的定量結構活性關系研究[J];計算機與應用化學;2010年05期

6 劉傳玉;王兆青;;一種自適應免疫記憶多克隆進化算法[J];浙江理工大學學報;2009年01期

7 姬文燕;史長瓊;鄒杰;;基于蟻群的區(qū)域簇頭選擇路由算法[J];長沙理工大學學報(自然科學版);2012年02期

8 ;[J];;年期

相關會議論文 前10條

1 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會——2004年學術年會論文集[C];2004年

2 黃紀武;毛澤華;李松濤;張錦雄;;SPMD并行查找算法的MPI實現(xiàn)[A];廣西計算機學會2004年學術年會論文集[C];2004年

3 符麗錦;覃華;鄧海;孫欣;;一種改進的Apriori算法的研究[A];廣西計算機學會2012年學術年會論文集[C];2012年

4 王東鋒;王軍民;陳英武;;模糊定性仿真理論研究與算法實現(xiàn)[A];'2000系統(tǒng)仿真技術及其應用學術交流會論文集[C];2000年

5 趙唯;;晶粒度評級的改進算法[A];中國圖象圖形科學技術新進展——第九屆全國圖象圖形科技大會論文集[C];1998年

6 劉啟文;;可擴展的圖形學算法演示系統(tǒng)的研究[A];’2004計算機應用技術交流會議論文集[C];2004年

7 佘智;蔣泰;朱延生;;基于Type C協(xié)議的防沖突改進算法[A];廣西計算機學會25周年紀念會暨2011年學術年會論文集[C];2011年

8 朱紹文;趙培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

9 楊霞;;新的基于啟發(fā)式蟻群算法的QoS路由算法[A];廣西計算機學會2009年年會論文集[C];2009年

10 陳黎飛;姜青山;董槐林;;基于圖形輪廓的快速聚類算法[A];第二十三屆中國數據庫學術會議論文集（研究報告篇）[C];2006年

相關博士學位論文 前10條

1 鐘永騰;基于近場MUSIC算法的復合材料結構健康監(jiān)測研究[D];南京航空航天大學;2014年

2 劉燕;入侵雜草優(yōu)化算法在陣列天線綜合中的應用[D];西安電子科技大學;2015年

3 苗義烽;突發(fā)事件下的列車運行調度模型與算法研究[D];中國鐵道科學研究院;2015年

4 楊玉婷;頭腦風暴優(yōu)化算法與基于視頻的非接觸式運動定量分析方法研究[D];浙江大學;2015年

5 劉杰;全局優(yōu)化問題的幾類新算法[D];西安電子科技大學;2015年

6 柏靜;基于多種混合策略的人工蜂群算法改進研究[D];山東師范大學;2016年

7 孔翔宇;幾類優(yōu)化問題的人工蜂群算法[D];西安電子科技大學;2016年

8 匡立;分形網絡的理論、算法及應用研究[D];武漢大學;2015年

9 孫磊磊;AP聚類算法研究及其在電子病歷挖掘中的應用[D];大連理工大學;2017年

10 單美靜;求解非線性實代數系統(tǒng)的混合算法研究[D];華東師范大學;2008年

相關碩士學位論文 前10條

1 安世勇;命題邏輯中隨機3-SAT問題算法研究[D];西南交通大學;2015年

2 畢曉慶;油氣探礦權競爭性出讓系統(tǒng)設計與實現(xiàn)[D];中國地質大學(北京);2015年

3 王明明;鐵路大機與線路固定設施間距檢測算法研究[D];西南交通大學;2015年

4 李靜;基于視頻圖像序列的運動目標檢測與跟蹤算法研究[D];寧夏大學;2015年

5 劉貝玲;基于天地圖的租房平臺開發(fā)及其關鍵技術研究[D];西南交通大學;2015年

6 曹海鋒;IDS中串匹配臭算法并行優(yōu)化研究[D];西安建筑科技大學;2015年

7 周攀;基于蟻群算法的山區(qū)高速鐵路隧道火災應急疏散最優(yōu)路徑研究[D];西南交通大學;2015年

8 張路奇;基于改進蟻群算法的WSN路由協(xié)議的研究[D];中國地質大學(北京);2015年

9 王曉晨;入侵雜草優(yōu)化算法的應用與改進[D];長安大學;2015年

10 信琴琴;手勢控制和識別算法研究[D];閩南師范大學;2015年

，

本文編號：1331798