基于改进元胞蚁群算法的无人机路径规划

针对传统方法在解决复杂环境下无人机路径规划问题中仿真时长不一致、易陷入局部最优等问题,在栅格化地图的基础上,提出了改进元胞蚁群算法。首先,为统一仿真时间步长,采用六边形栅格地图对飞行空域进行建模;然后,提出一种改进元胞蚁群算法进行路径规划,算法引入势场概念对启发函数进行修正、采用差别搜索策略以引导蚁群快速向目标搜索,并设计一种自适应信息素更新方式以选出优质路线。实验结果表明,所提模型和算法解决了矩形栅格地图中仿真时长不统一的问题,并有效提升了路径寻优速度和全局搜索能力,避免算法陷入局部最优。

基于元胞自动机的移动sink路径规划算法

为降低无线传感器网络中移动sink数据收集时延,提出一种基于元胞自动机的移动sink路径规划算法。首先,利用网格划分获得移动sink备选驻留点;然后,基于元胞自动机搜索获得移动sink驻留点集合,采用Von Neumann元胞邻居模型计算备选驻留点预估密度,根据备选驻留点预估密度与备选驻留点至移动sink间距离选择驻留点;最后,使用蚁群算法优化经过所有驻留点的移动sink路径。仿真结果表明:所提算法可以减少驻留点数目,缩短移动sink路径长度,从而降低数据收集时延。

无人机航路规划算法研究

针对无人机航路规划问题,研究了一种基于元胞蚂蚁算法的无人机航路规划方法。元胞蚂蚁算法对基本蚁群算法进行了系列改进,并将元胞邻居演化和改进后的蚂蚁寻优相结合,有效地克服了基本蚁群算法的收敛速度慢、易于过早陷入局部最优的缺点,提高了算法的运算精度,从而为解决复杂战场环境下无人机航路规划这一多约束多目标优化问题提供了一条可行的途径。

基于离散元胞蚂蚁算法的几何约束求解技术研究

一个约束描述了一个应该被满足的关系,一旦用户已经定义了一系列的关系,那么在修改参数之后,系统会自动选择合适的状态来满足约束.在将几何约束问题的约束方程组转化为优化模型的时候,引入一种利用元胞演化规律和蚂蚁寻优特点的离散元胞蚂蚁算法.离散元胞蚂蚁算法是一种新型的仿生算法,它利用元胞在离散元胞空间的演化规律和蚂蚁寻优的特点,为解决实际问题提供了一种优化方法.实验表明,该方法可以比较有效的处理几何约束问题.

非线性0-1规划的元胞蚁群算法

基于元胞自动机原理和蚁群优化算法,提出一种求解非线性0-1规划问题的元胞蚁群优化算法。该算法将元胞的演化规则和蚁群的信息素更新规则相结合,利用元胞及其邻居增强搜索过程的多样性,提高蚁群的全局优化能力。经实验和与其他算法比较,表明该算法可行有效,有良好的全局优化能力。

TSP的元胞蚂蚁算法求解

元胞蚂蚁算法是利用元胞在离散元胞空间的演化规律和蚂蚁寻优的特点,为解决实际问题提供的一种优化方法。将元胞蚂蚁算法应用于TSP问题的研究,并用一系列数值实验说明有效性。

若干扩展TSP的元胞蚂蚁算法

给出一种通用组合优化算法——元胞蚂蚁算法,并将其应用于一些扩展TSP问题(包括瓶颈TSP、最小比率TSP、时间约束TSP等)的求解。经过数据测试和验证,获得了较好的结果。

智能优化算法在聚类分析中的应用

聚类分析是数据挖掘的重要技术,可根据数据间的相似程度,将数据进行分类,现已广泛应用于工程和技术等领域中。元胞蚁群算法是在将元胞自动机的邻居和规则引入传统蚁群算法的基础上,利用元胞在离散元胞空间的演化规律和蚁群寻优特点的新型优化算法。针对聚类分析的特点,利用元胞蚁群算法进行求解,经实验测试和验证,获得了较好的结果。

基于元胞蚁群和卡尔曼滤波的行人流疏散模型

为了有效模拟室内空间行人流疏散状况,结合元胞蚁群算法和卡尔曼滤波提出了一种新的疏散模型(Pedestrian Evacuation based on Cellular Ant,PECA).该模型首先基于位置吸引力和出口拥挤度给出了行人移动概率的计算公式,同时定义演化过程来阐述疏散策略,并利用元胞蚁群算法和卡尔曼滤波对最短疏散时间的优化模型进行求解.最后,利用建立的仿真平台进行实验,深入分析了疏散时间、出口宽度和初始行人密度之间的关系.结果表明,疏散时间与初始行人密度呈现正相关,而与出口宽度呈现负相关.与传统的元胞自动机疏散(Cellular Automaton,CA)模型相比,PECA的疏散效率更高.

元胞蚂蚁算法的收敛性分析

提出一种新的优化算法-元胞蚂蚁算法,该算法将元胞自动机的邻居和规则引入传统的蚂蚁算法,实验结果证明该算法可行且有效,有良好的全局优化能力。定义元胞蚂蚁算法的求解迭代过程为一个概率测度空间中的随机算子,利用随机不动点理论,证明了该算子为连续压缩算子,存在唯一的随机不动点,从而给出了元胞蚂蚁算法的收敛性的论证,为算法奠定了相应的理论基础。

函数优化的元胞蚂蚁算法

蚂蚁算法是一种源于大自然中生物世界的新的仿生类算法,已在一系列困难的组合优化问题求解中取得了成效;元胞自动机作为一种离散的动态模型在大规模的仿真计算能力方面为研究系统的行为提供了有效的虚拟实验室.基于蚂蚁算法和元胞自动机的原理,提出了一种元胞蚂蚁算法及其数学描述,可用于求解连续系统的优化问题.算法在MATLAB环境下实现,并对一些难题实例进行了验证和测试,获得了较好的效果.

PCB布线的元胞蚂蚁算法研究

将元胞自动机思想引入到蚂蚁算法中,提出一种新的进化算法——元胞蚂蚁算法,通过算法的元胞演化机制对信息素的二次分配,有效地扩大了对解空间的覆盖率.将元胞蚂蚁算法应用于PCB布线问题,以路径最短和通孔数量最少化为目标,辅以分布布线、避障规则等手段,最后用Delphi实现.通过对一个实际布线问题的测试,得出了比Protel更好的布线结果.

基于元胞蚂蚁算法的防空靶机航路规划研究

防空靶机飞行航路设计是实现靶机有效控制,确保高效完成供靶任务的保障。通过对靶机三维航路规划模型进行分析,给出了元胞蚂蚁算法的航路规划模型的求解方法及算法实现的具体流程,并分别应用蚁群算法和元胞蚂蚁算法进行仿真实验。结果表明:元胞蚂蚁算法克服了蚁群算法收敛速度慢、陷于局部最小值的缺陷,可得到较优的航路。

基于元胞自动机的建筑火灾预测与疏散系统

针对人口密集的较大型建筑,提出了一种基于元胞自动机的建筑火灾预测与疏散系统。该方法首先使用栅格法对建筑平面建模,通过元胞自动机模型实现火灾预测与人群疏散在同一界面显示;然后通过改变出口的不同参数,得出使人群疏散最佳的建筑出口设计方案;最后采用改进后的蚁群算法优化建筑内的疏散灯,使其能够动态地指示逃生方向。仿真实验结果表明,该系统能有效地解决建筑群体内发生火灾时存在的出口设计与人员安全疏散问题。

基于元胞蚁群算法的平面四杆机构优化设计

基于元胞蚁群算法的原理和模型,针对平面四杆机构再现轨迹优化设计模型进行了研究,并运用相应的元胞蚁群算法进行了优化设计。优化计算结果表明,元胞蚁群算法应用于机械优化设计可获得较好的效果,为复杂的机械优化设计问题提供了新的思路和方法。

蚁群元胞优化算法在人群疏散路径规划中的应用

针对疏散路径规划问题,以栅格化地图为背景的基础上,提出了蚁群元胞优化算法.首先为统一仿真时间步长,建立以六边形元胞为基础的栅格地图;然后利用静态势场对启发函数进行优化,利用分段更新规则优化信息素更新方式;最后,将模型参数作为粒子群优化算法的粒子位置信息进行优化,求解参数的最优组合值.仿真结果表明:采用蚁群元胞优化模型进行疏散路径规划时,不仅加快了搜索速度,而且增大了解空间,提高了搜索能力,可以有效避免陷入局部最优解.

基于蚁群元胞自动机理论的城市饱和负荷预测

随着中国经济的不断发展,城市饱和负荷的研究对未来电网发展的规划具有重大意义。介绍蚁群算法与元胞自动机的基本原理,通过组合两者的优点,建立蚁群元胞自动机的饱和负荷预测模型。该模型从土地性质转移角度出发,基于元胞自动机理论,提出土地性质元胞的转换规则,结合蚁群优化算法,得出土地性质转移率。并且通过S曲线法分析不同土地性质下饱和密度的状况。通过对某城市现状进行案例分析,论证了该方法的科学性。

基于改进蚁群算法的元胞自动机疏散模型研究

为预防实际疏散过程中的人员伤亡,结合人员的疏散特性,建立基于改进蚁群算法（ACO）的元胞自动机（CA）疏散模型。该模型将行人标记为独立的元胞,对ACO算法的启发函数、信息素更新方式和禁忌规则进行修改来描述人员逆行、绕行、避障及从众等疏散行为。运用该模型对单出口房间场景下的人员疏散过程进行仿真,并将所得结果与商用软件pathfinder的结果对比。结果表明：该模型能够模拟出实际疏散过程中的＂拱形分布＂现象,所得疏散时间与商用软件pathfinder的结果相近;其相对pathfinder而言,可自动输出主要疏散路径。

基于元胞蚁群算法的卧式内压容器优化设计

基于元胞蚁群算法的原理和模型,建立了以卧式内压容器壳体质量最轻为设计目标,以内径和壁厚为设计变量的优化设计的数学模型,利用元胞蚁群算法用Matlab语言编写了卧式内压容器优化设计的通用程序,并给出了一个优化设计的实例以及计算结果。

低空突防航路规划算法综述

低空突防在现代战争中发挥着越来越重要的作用,其中航路规划是新一代低空突防技术的关键技术之一。分析了低空突防航路规划算法应满足的条件及其特点,阐述了目前国内外正在应用和研究的几种航路规划算法:动态规划法、电势理论法、启发式A*搜索法、遗传算法、蚁群算法、元胞自动机等。对低空突防航路规划算法的发展方向进行了简要的总结。