基于改进蚁群算法的多AGV泊车路径规划

针对智能停车库中自动导引小车(Automated Guided Vehicle,AGV)存取车的路径规划问题,提出一种基于改进蚁群算法的多AGV泊车路径规划方法.单AGV路径规划方面,在基本蚁群算法基础上引入蚂蚁回退策略来增强适应性,同时改进启发式信息和信息素更新策略提高算法的收敛速度和寻优能力.多AGV路径规划方面,提出改进冲突解决策略来解决多AGV之间的冲突,其中采用临时规避—重新寻路策略来解决相向冲突.针对某典型停车场抽象模型的仿真结果表明,改进蚁群算法寻路成功率更高,并具有较强的全局搜索能力和较快的收敛速度,改进冲突解决策略能合理避免冲突,可以满足多AGV存取车路径规划的要求.

支持多速率自适应的IEEE 802.11网络性能分析

针对基于自动速率回退(ARF)算法的多速率IEEE 802.11网络,给出了ARF算法分析的一种离散时间Markov链模型。模型的建立,考虑了节点在发送过程中,通过Basic与RTS/CTS模式的选择,对是否因为信道传输误码导致的失败进行的区分。利用算法模型,分析了节点在以随机概率选择不同发送模式的方式下,其采用各个传输速率的稳态概率分布,并在此基础上结合协议退避机制的研究,给出了多速率网络系统吞吐量性能的计算方法。通过大量的仿真实验,验证了模型分析方法具有很好的准确性,并讨论了算法以及MAC协议参数设置对网络性能的影响。

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于机器人路径规划存在的全局搜索能力差、初始化信息素少、收敛性差、寻优能力弱等问题,提出了一种多因素改进的蚁群算法。通过改变初始化信息素浓度分配、改变启发式函数、采取蚂蚁回退策略、引入蚂蚁优化排序等方法对蚁群算法进行优化。利用MATLAB软件对改进蚁群算法进行仿真和六足机器人实验。结果表明:改进后的算法在路径更优,迭代次数更少,提高了算法的鲁棒性和寻优能力。

基于动态最短路径策略的多QoS路由算法

对FallBack算法进行改进,先利用动态最短路径算法计算出最短路径,然后对路径进行QoS需求检查,最后进行调整,得到动态环境下具有多QoS保证的最优路径。该算法在一定程度上克服了路由信息不能得到及时更新所引起的问题,根据网络拓扑结构变化和流量的变化动态调整路由选择,从而更好地保证了服务质量。最后将此策略引入到OSPF路由协议中,提出一种综合性的路由更新机制,在尽可能最少的网络负载下满足QOS对链路状态信息的要求,从而在一定程度上扩展了OSPF路由协议的服务质量。

改进蚁群算法的路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且存在停滞问题,提出一种改进的蚁群算法。为了避免蚁群陷入死锁状态,采用回退策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死亡数量,并且借鉴了狼群分配策略来更新信息素,提高算法全局性,在状态转移概率中引入一个启发因子并进行调整,避免算法陷入停滞。仿真实验结果表明,改进后的蚁群算法收敛速度明显加快,寻优最短路径达到29.73,迭代次数较少28。验证了该算法的有效性和可行性。

基于改进蚁群算法的AGV路径规划研究

近年来,自动导引机器人(AGV)一直是研究的热点问题,其中复杂路径规划为研究重点。为了更好地规划机器人路径,提出一种改进蚁群算法,该算法在传统蚁群算法基础上充分利用了MMAS算法的特点。首先,构建网格环境模型,引入算法概率函数和抑制因子,通过改变算法的启发式信息,加快算法收敛速度;其次,引入回退机制解决死锁问题,再将MMAS蚂蚁系统转化为局部扩散信息素,只有迭代试验的最优解才能加入到信息素更新中;最后,有效限制信息素浓度,避免发生搜索路径过早收敛现象。仿真实验结果表明,改进蚁群算法与传统蚁群算法相比,迭代次数减少45.6%,时间缩短46.2%,改进蚁群算法收敛速度更快、效率更高。

复杂信息系统部署回退方法研究

故障是复杂信息系统运行维护过程的一个关键点,大型系统通常严格限制系统故障时间,并要求在最短的时间内完成故障处置、恢复系统服务。为提高故障处置效率,通过定义应用部署模型和系统部署关系模型,描述复杂信息系统中每个应用模块的部署情况和相互依赖关系,提出一种基于部署状态模型的部署回退算法,根据故障应用模块快速生成复杂信息系统回退后各应用模块的最优版本部署集合。应用部署回退算法,将复杂信息系统的运维管理,尤其是故障恢复与应急响应过程,从以往无序、复杂、不确定的技术管理转变为有序、固定、标准化的流程管理,可有效提升复杂信息系统的故障处置效率,缩短处置时间。