针对一种新型串并联双机器人联合作业系统的任务分配进行方法设计和整体优化。分别采用蚁群优化中的近似非确定性树搜索(Approximate nondeterministic tree search,ANTS)和最大最小蚂蚁系统(Max-min-ant-system,MMAS)作为任务分配的优...针对一种新型串并联双机器人联合作业系统的任务分配进行方法设计和整体优化。分别采用蚁群优化中的近似非确定性树搜索(Approximate nondeterministic tree search,ANTS)和最大最小蚂蚁系统(Max-min-ant-system,MMAS)作为任务分配的优化策略,并在MMAS中加入局部搜索以进一步优化路径构建过程中得到的局部最优解。仿真结果以及与之前相关研究成果的对比表明,MMAS在寻优过程中的迭代收敛速度优于ANTS,且经过一段时间的开发探索之后,获得的最优解的质量也比ANTS要好;MMAS与局部搜索相结合的方法比单独使用MMAS更加进一步提高了最终解的质量。进化曲线证明了算法对系统任务分配及优化的适应性和优越性。试验结果经与传统组合优化方法对比,进一步验证了算法的优化效果。展开更多
文摘针对一种新型串并联双机器人联合作业系统的任务分配进行方法设计和整体优化。分别采用蚁群优化中的近似非确定性树搜索(Approximate nondeterministic tree search,ANTS)和最大最小蚂蚁系统(Max-min-ant-system,MMAS)作为任务分配的优化策略,并在MMAS中加入局部搜索以进一步优化路径构建过程中得到的局部最优解。仿真结果以及与之前相关研究成果的对比表明,MMAS在寻优过程中的迭代收敛速度优于ANTS,且经过一段时间的开发探索之后,获得的最优解的质量也比ANTS要好;MMAS与局部搜索相结合的方法比单独使用MMAS更加进一步提高了最终解的质量。进化曲线证明了算法对系统任务分配及优化的适应性和优越性。试验结果经与传统组合优化方法对比,进一步验证了算法的优化效果。
