机器人导航路径的动态分级蚁群算法规划策略

为了提高机器人工作路径质量并减少算法运行时间,提出了蜂巢栅格模型与动态分级蚁群算法结合的路径规划方法.建立了工作环境的蜂巢栅格环境模型,在转向角、避障路径比、路径质量等方面均优于传统方形栅格模型;将蜂群算法的分级思想引入到蚁群算法中,根据适应度将蚁群分为寻优蚁和侦查蚁两级;寻优蚁更加注重信息素的引导作用,利于算法收敛,侦查蚁更加注重启发信息的牵引作用,不断探索新的路径而增加路径多样性;提出了兼顾全局信息素更新和局部信息素更新的动态加权信息素更新方法.经仿真验证,动态分级蚁群算法在迭代过程中的路径多样性优于蚁群算法;将动态分级蚁群算法应用于路径规划,路径长度比蚁群算法降低了22.12%,平均运行时间减少了32.33%,充分证明了动态分级蚁群算法在路径规划中的有效性.

一种低压电力线通信改进分级蚁群路由算法

提出了一种应用于低压电力线通信的改进分级蚁群路由算法。首先采用人工蛛网方法对低压电力线通信网络进行组网,将低压配电网分割成由多个人工蛛网子网组成的分级网络;在此基础上,应用改进分级蚁群路由算法进行路径寻优,建立基站与网络内任意节点通信的最优路由。此算法解决了低压电力线通信的路由优化问题,为通过建立路由提高低压电力线通信可靠性提供了新的思路。仿真研究表明,该算法能有效延长低压电力线通信距离,提高算法效率,具有一定的实际指导意义。

基于分级结构的优化QoS路由算法

Ad hoc(自组织)网络中包含延迟、延迟抖动、带宽和丢包率等约束条件在内的QoS(服务质量)路由问题,是一个NP完全问题,传统的平面QoS蚂蚁路由算法难以解决提高算法全局搜索能力和加快收敛速度之间的矛盾。针对以上问题,提出了HQAC(分级QoS蚁群)算法,在分级的基础上对蚁群算法的路由搜寻过程进行了改进,同时对信息素更新公式进行了优化。仿真结果表明,与传统的QoS路由算法相比,HQAC算法在搜索全局最优解,尤其是收敛速度等性能上有了很大的提高。