基于蚁群算法的农村垃圾回收路径的研究
本文关键词：基于蚁群算法的农村垃圾回收路径的研究 出处：《吉林大学》2017年硕士论文 论文类型：学位论文
【摘要】：近些年来,随着新农村的建设,农村经济的迅速发展,农民生活日益富裕,许多问题相继产生。其中,较为突出的是农村垃圾排量的日益增多。由于农村垃圾问题未及时得到社会各界的关注与投资,以及村民环保意识的相对薄弱,导致垃圾问题成为阻碍农村可持续发展的重要因素。从2015年初将“农村垃圾治理”写入到中央1号文件开始,政府及有关部门纷纷加大了治理农村垃圾的力度。例如,以住建部为代表的十个部门从我国农村的实际情况出发,联合提出了“村收集、镇转运、县处理”的垃圾收集处理模式。本文研究了“镇转运”这一环节。结合目前农村垃圾回收的实际情况,建立了农村垃圾回收路径问题的数学模型,旨在求解一条最短的垃圾车回收路线,为政府节约治理农村垃圾问题的成本。群智能算法是仿生模拟进化算法,是从大自然中生物群体间的合作规律抽象得来的现代启发式算法。其具有鲁棒性强、易于并行处理、操作简单等特点。尽管群体中单个个体遵循的规则都极其简单,但是通过它们之间的交互使得全局层面上体现出智能。群智能算法是求解路径优化问题的常用的一类算法。蚁群算法是群智能算法的典型代表,具有正反馈性,易于发现全局最优解,在求解路径优化问题上体现出了很好的性能。所以,本文重点研究了蚁群算法,并在最大最小蚂蚁系统的基础上提出了一种混合蚁群算法,在新算法中做出了三点改进:(1)融合了节约算法的思想,根据建立的农村垃圾回收路径问题的数学模型,在蚂蚁选择路径时增加了一个因素——节约因子。(2)借鉴了人工蜂群算法中蜜蜂分工的思想,将蚂蚁进行分工。一部分蚂蚁随机搜索以增大解空间,另一部分蚂蚁则采用随机性和确定性相结合的搜索方式以保证算法的收敛性。(3)引入了遗传算法中保留父代优良个体的思想,在本代中有选择地保留父代最优解。通过比较父代最优解和本代最优解的值的大小来决定父代最优解的保留与否。当父代最优解不次于本代最优解时被保留,此时增加本代最优解和父代最优解中路径上的信息素。否则,增加本代最优解和次优解中路径上的信息素。最后,分别将本文的混合蚁群算法和最大最小蚂蚁系统用于求解农村垃圾回收路径问题。经过对两组数据的多次仿真实验,我们可以根据得到的数据和曲线图看出,本文的混合蚁群算法在求解性能和收敛性方面都要优于最大最小蚂蚁系统。用改进的混合蚁群算法为招远市玲珑镇求出一条最优垃圾车回收路径。通过本文的混合蚁群算法可以为农村垃圾回收路径问题求得一条垃圾车行驶的最短路径,可为农村垃圾治理系统节约垃圾运输成本,从而为政府节省治理农村垃圾的资金。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：X705;TP18
【相似文献】
相关期刊论文 前8条
1 邹永平;;改进的Fp-Growth数据关联挖掘算法研究[J];河北能源职业技术学院学报;2013年01期
2 王洪香;;VBLAST系统检测算法改进[J];重庆科技学院学报(自然科学版);2011年04期
3 阴爱英;;基于线程并行计算的Apriori算法[J];西安科技大学学报;2014年01期
4 夏克文;董瑶;杜红斌;;基于改进PSO算法的LS-SVM油层识别模型[J];控制与决策;2007年12期
5 付伟忠;张运陶;;改进的MC_GEP算法与嘌呤骨架类Hsp90抗癌活性的定量结构活性关系研究[J];计算机与应用化学;2010年05期
6 刘传玉;王兆青;;一种自适应免疫记忆多克隆进化算法[J];浙江理工大学学报;2009年01期
7 姬文燕;史长琼;邹杰;;基于蚁群的区域簇头选择路由算法[J];长沙理工大学学报(自然科学版);2012年02期
8 ;[J];;年期
相关会议论文 前10条
1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年
2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年
3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年
4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年
5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年
6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年
7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年
8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年
9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年
10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年
相关博士学位论文 前10条
1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年
2 刘燕;入侵杂草优化算法在阵列天线综合中的应用[D];西安电子科技大学;2015年
3 苗义烽;突发事件下的列车运行调度模型与算法研究[D];中国铁道科学研究院;2015年
4 杨玉婷;头脑风暴优化算法与基于视频的非接触式运动定量分析方法研究[D];浙江大学;2015年
5 刘杰;全局优化问题的几类新算法[D];西安电子科技大学;2015年
6 柏静;基于多种混合策略的人工蜂群算法改进研究[D];山东师范大学;2016年
7 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年
8 匡立;分形网络的理论、算法及应用研究[D];武汉大学;2015年
9 孙磊磊;AP聚类算法研究及其在电子病历挖掘中的应用[D];大连理工大学;2017年
10 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年
相关硕士学位论文 前10条
1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年
2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年
3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年
4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年
5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年
6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年
7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年
8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年
9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年
10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年
，本文编号：1331798
本文链接：https://www.wllwen.com/shengtaihuanjingbaohulunwen/1331798.html
