多舱共配绿色车辆路径问题的改进变邻域搜索算法

针对社区团购前置仓配送场景中“多中心、高时效、多品类、高排放”难题,本文提出多车场带时间窗的绿色多舱车车辆路径问题(MDMCG-VRPTW),构建混合整数线性规划模型,并设计改进的变邻域搜索算法(IVNS)实现求解.采用两阶段混合算法构造高质量初始解.提出均衡抖动策略以充分探索解空间,引入粒度机制以提升局部搜索阶段的寻优效率.标准算例测试结果验证了两阶段初始解构造算法和IVNS算法的有效性.仿真实验结果表明,模型与算法能够有效求解MDMCGVRPTW,且改进策略提高了算法的求解效率和全局搜索能力.最后,基于对配送策略和时效性的敏感性分析,为相关配送企业降本增效提供更多决策依据.

基于多策略麻雀搜索算法的机器人路径规划

通过多种策略对基本麻雀搜索算法(SSA)进行改进,以解决麻雀搜索算法后期由于种群多样性丢失而导致的全局优化精度和速度问题。首先,改进无限折叠迭代映射(ICMIC)初始化种群,将自适应分段步长因子引入麻雀探测器的位置更新公式中,使麻雀搜索算法观察者的固定比例系数随迭代次数动态变化。然后,将观察者的位置与新公式和正弦余弦算法(SCA)相结合,并干扰先前的观察者步长。最后,在基准测试函数上比较了改进的麻雀搜索算法(ISSA)、麻雀搜索算法(SSA)、鲸鱼算法(WOA)、灰狼算法(GWO)、改进的灰狼算法(CGWO)、正弦余弦算法(SCA)和粒子群优化算法(PSO)的收敛性和准确性,并将其应用于路径规划。实验表明改进的麻雀搜索算法具有良好的优化性能。

改进麻雀搜索算法求解多目标低碳冷链物流车辆路径问题

目的 在传统冷链物流的车辆路径问题模型基础上,考虑服务节点和车辆运输过程中产生的碳排放,并加入客户满意度,在有限资源情况下最小化路径成本和最大化客户满意度。方法 构建多目标低碳冷链物流车辆路径问题模型,将爬山算法局部搜索思想应用到麻雀搜索算法中,形成改进麻雀搜索算法,并用其对上海市某区域内的冷链物流配送路径优化问题算例进行求解。结果 通过与改进前及其他2种智能优化算法运行结果进行对比发现,改进后的麻雀搜索算法具有更快的寻优速度和更好的寻优能力,且改进后的算法对模型的碳排放效用性更高。结论 基于国家的低碳政策,设计出符合当下实情的低碳冷链物流运输模型,通过改进优化算法设计运输方案,验证了爬山算法局部搜索思想对麻雀搜索算法进行改进的有效性及所构建低碳冷链物流车辆路径模型的合理性。

基于改进乌鸦搜索算法的无人艇新型路径规划策略

鉴于无人艇的实际航行需求,所规划的路径应满足顺滑性和经济性要求,为此提出一种基于改进乌鸦搜索算法和新型路径拟合方法的路径规划策略。文中提出一种新型路径拟合方法,用于优化转向点的数量并对转向点进行圆弧过渡处理,从而缩短路径长度,并保证无人艇在航速稳定的情况下实现转向,在此基础上提出一种改进的乌鸦搜索算法,用于优化路径转向点的位置。算法的改进主要体现在3个方面:采用反向学习策略以提高初始种群质量及多样性;提出一种动态变化的意识概率以提高算法局部和全局的搜索能力;采用莱维飞行策略以改善搜索的方向性和有效性。仿真结果表明,所提出的新型路径拟合方法优于B样条曲线拟合方法和直线段拟合方法。迭代计算和方差分析结果表明:在优化新型拟合路径方面,所提出的改进乌鸦搜索算法相较于标准乌鸦搜索算法、差分进化算法和遗传算法具有更高的收敛精度和鲁棒性,能更高效地处理无人艇路径规划的实际问题。

基于混合改进麻雀搜索算法的农用移动机器人路径规划

针对目前农用移动机器人进行全局路径规划容易产生局部最优路径的不足,提出混合多策略改进麻雀搜索算法的移动机器人路径规划算法。首先,为提升麻雀搜索算法的寻优能力,引入偶对称无限折叠混沌序列、螺旋式搜索发现者更新、多重学习追随者更新机制对传统算法的种群多样性、搜索盲目性及全局搜索能力改进,实现多策略混合改进麻雀搜索算法MHISSA。然后,构建移动机器人的路径规划模型,利用导航点定义种群个体的编码方式,并构造同步避障与路径最短的适应度函数,结合三次样条插值法将MHISSA应用于求解农用移动机器人全局路径规划问题。最后,构造简单和复杂障碍物环境对单机器人路径规划和多机器人协同路径规划进行试验对比分析。结果表明,改进算法能够得到平滑无碰撞的最优路径,路径规划长度最优值和均值较传统麻雀搜索算法平均分别降低23.08%和19.56%。实地场景案例也证明方法在农用移动机器人路径规划方面具备较好的实用性。

基于麻雀搜索算法的福建省碳达峰路径优化研究

应对全球碳减排的紧迫挑战,可靠的碳达峰路径对中国碳减排的实施具有重要作用。然而,由于碳排放过程受众多因素影响,且相互作用复杂,传统情景分析方法难以有效识别最优减排路径。为此,在分析福建省的能源消费和碳排放数据的基础上,构建了麻雀搜索算法-支持向量回归模型(Sparrow Search Algorithm-Support Vector Regression,SSA-SVR)模型,该模型综合考虑了影响碳排放的14个关键因素,并基于SVR模型对福建省1999—2022年的碳排放量进行了预测和验证。随后,采用SSA算法优化了各因素的年度变化率组合,探索满足2030年碳达峰目标的多种可能路径。研究结果表明,模型具有较高的准确性和可靠性,探索出的所有路径均能在2030年实现碳达峰,但碳排放量存在显著差异。SSA-SVR模型能够为福建省工业部门实现碳达峰目标提供科学依据和策略建议。

基于改进麻雀搜索算法的物流配送路径优化研究

在当前竞争激烈的市场环境中,优化物流配送路径成为企业控制供应链成本、提高服务效率和客户满意度的关键。针对供应链环节中物流配送成本高和时间长等痛点,文中构建了一个物流配送路径优化模型,旨在最大程度地减少配送时间和成本。以麻雀搜索算法(Sparrow Search Algorithm,SSA)为基础框架,引入Cubic混沌映射来初始化种群,旨在增进种群初始位置的多样性,并促进算法跳出局部最优解。在迭代过程中,模型通过重心反向学习机制对麻雀个体进行适时变异,从而提升了算法的全局搜索能力并有效防止了早熟收敛的问题。随后,引入粒子群技术以提高算法的寻优精度和稳定性。最后,经过一系列实验验证,该算法在优化搜索方面有较好的优越性。

跳点搜索融合双向并行蚁群算法的AGV路径规划研究

在静态栅格地图中,针对传统蚁群算法进行AGV(Automated Guided Vehicle,自动引导车)路径规划收敛慢且搜索结果容易陷入局部最优的问题,提出一种融合跳点搜索(Jump Point Search,JPS)和双向并行蚁群搜索的改进算法.首先,对实际研究环境进行栅格化建模,使用改进的跳点搜索算法生成双向搜索的初始次优路径,为双向蚁群搜索提供初始搜索方向参考.其次,在双向并行蚁群搜索过程中采用改进的转移概率启发函数,该函数在确定下一个转移节点时考虑了避免AGV与障碍物碰撞的因素,同时通过设计信息素共享机制并结合改进的信息素增量及浓度两种融合模型,共享和更新全局信息素浓度,以更好地探索和优化路径,保证双向路径连结.最后,与传统蚁群算法进行实验结果对比,验证了改进算法的全局搜索能力、效率和安全性.

基于改进禁忌搜索算法的药房批量取药路径规划研究

针对药房批量取药这一现实问题,在设计药房整体环境布局和引入路径规划算法的基础上,提出以重量加权的距离为目标的旅行商问题TSP(Traveling Salesman Problem)。建立一个混合整数规划模型,使用禁忌搜索算法进行模型求解,使用曼哈顿距离作为两点之间距离,在禁忌长度等参数设置上使用动态自适应方法,并在算法中加入扰动方法,避免算法陷入局部最优,增加搜索目标的多样性。最后使用JAVA进行了仿真模拟实验,可视化结果验证了算法的可行性和有效性。

基于变分模态分解和麻雀搜索算法的双向长短期记忆网络的风电短期功率预测方法研究

针对风电随机波动性导致风电短期功率预测不准的问题,提出一种基于变分模态分解和麻雀搜索算法的双向长短期记忆网络的风电短期功率预测方法。首先采用变分模态分解将历史数据中的风电功率分解成若干个子序列,子序列中每个元素均对应一个历史时刻的气象数据向量,二者形成原始数据矩阵;然后采用基于麻雀搜索算法的双向长短期记忆网络功率预测方法对若干个原始数据矩阵分别进行建模;最后通过麻雀搜索算法自动寻出双向长短期记忆网络最优参数,并将若干个预测结果叠加形成最终预测结果。用湖南某风电场实际运行数据进行仿真测试,结果表明,所提模型的均方根误差、平均绝对误差和平均绝对百分比误差比双向长短期记忆网络模型分别减少了77.29%、75.52%和75.04%,有效提升了风电场短期功率预测精度。

基于改进麻雀搜索算法的搬运机器人路径规划

针对基本麻雀搜索算法用于搬运机器人进行路径规划问题,提出一种改进的麻雀搜索算法。建立反向学习机制,优化麻雀的初始群体;引入动态搜索因子,扩大种群搜索范围;引入柯西变异,避免出现局部最优。采用栅格法构建工作环境地图,利用Matlab仿真软件,将改进算法与基本算法在不同的栅格地图下进行仿真实验,实验结果表明,改进后的算法在路径规划方面拥有更好的效果,证明了改进算法的优势和可行性。

改进的禁忌搜索算法在无人驾驶汽车路径规划中的研究

针对复杂的无人驾驶交通环境,这里在无人驾驶汽车系统架构的基础上,提出了一种无人驾驶汽车路径规划方法,该方法结合了改进的禁忌搜索算法和改进的人工势场法。全局路径规划应用改进的禁忌搜索算法进行,局部路径规划应用改进的人工势场法进行。通过仿真对路径规划方法进行分析,验证该方法的优越性。结果表明,提出的全局路径规划方法实现了最优的时间效率和路径选择,在加入局部路径规划改善后,该方法的搜索范围变小,路径规划将更安全且更具适应性。该研究为无人驾驶技术的发展提供了一定的参考。

麻雀搜索算法-粒子群算法与快速扩展随机树算法协同优化的智能车辆路径规划

针对智能汽车在面对多样化工作场景时其路径规划算法存在响应时间长、规划效率低的问题,提出了多元协同优化策略。首先,融合麻雀搜索算法(SSA)的警惕机制与粒子群算法(PSO)的种群寻优特性,对PSO算法中的惯性权重因子和学习因子进行优化;其次,提出“三角布线”搜索规则,对快速扩展随机树算法(RRT)进行双向优化(RRT-Connect);然后,基于MATLAB软件建立了复杂环境道路仿真模型,对上述优化方案进行了仿真验证。结果表明,相较于单一的优化方案,协同优化算法在路径长度与规划时间上均具有显著的优势。对两种协同优化方案的应用场景进行了实车试验,结果显示:在局部路径规划中,SSA-PSO算法响应时间更短,规划效率更高,而在全局路径规划中,“三角布线”RRT-Connect算法更具优势。

基于改进混合运动麻雀搜索算法的水电站ROV路径规划

水下遥控机器人(ROV)路径规划是水电站水下巡检作业的关键。针对电站水库下复杂环境及现有路径规划算法存在规划时间长、算法稳定性差、易陷入局部最优及生成路径不平滑等问题,提出一种基于改进混合运动麻雀搜索算法的水电站ROV路径规划方法。首先,引入佳点集改进麻雀种群初始化方法,提高了种群多样性;其次,提出混合运动策略优化麻雀群体位置更新方式,提高了算法收敛精度及稳定性;然后,结合工程实际问题,考虑水库下水流速度大、强磁场、障碍物以及投入成本等因素,建立了包含时间成本、路径威胁、水流扰动和偏置函数的多元目标函数;最后,采用三次B样条插值得到最优光滑路径。仿真结果表明,相较于其他路径规划算法,所提方法在计算精度、收敛速度和稳定性方面表现更好,适用于水电站水下巡检任务。

多策略融合的改进麻雀搜索算法及其AGV路径规划应用

针对麻雀搜索算法(sparrow search algorithm,SSA)存在依赖初始种群分布,易于陷入局部最优解,以及迭代后期种群多样性减少等问题,提出一种多策略融合的改进麻雀搜索算法(improved sparrow search algorithm,ISSA)。首先,采用Sobol序列初始化种群,保证初始种群的多样性;其次,分别引入随机反向学习策略和螺旋觅食策略改进发现者位置更新公式和加入者位置更新公式,以增强算法的全局搜索能力和跳出局部最优解的能力;最后,引入柯西变异对可能陷入局部最优解的麻雀进行扰动。实验选取9个标准测试函数进行性能测试,实验结果表明,改进后的算法性能有较大提升。将ISSA应用于AGV(automated guided vehicle)路径规划,在3种地图环境下分别可以达到最优值13.1356、28.8345和44.3649,寻优能力和稳定性较原算法有较大提升。

基于改进麻雀搜索算法的农田节水灌溉路径自动规划方法

传统农田节水灌溉路径在规划中,按照农田坐标进行依次灌溉,导致灌溉路径的重复性较高,因此提出基于改进麻雀搜索算法的农田节水灌溉路径自动规划方法。首先对农田需水量等参数进行计算,然后运用麻雀搜索算法初步构建灌溉路径,然后基于农田参数构建相应的灌溉模型,最后实现农田节水灌溉路径自动规划设计。实验中,将两种方法对比,实验组的灌溉路径自动规划方法能够减少路径的重复性,提供一条适应环境参数的自动规划路径。

基于双向搜索的改进A^(*)算法路径规划研究

为了提高A^(*)算法的搜索效率、保证路径的最优性,提出了一种基于双向搜索的改进A^(*)算法,以正向、反向搜索的当前节点互为目标点进行双向搜索。首先,引入加权曼哈顿作为距离启发函数,动态调整代价函数的权重比,以保证算法的实时性和路径的优越性;其次,针对双向路径搜索过程中存在的局部路径最优问题,在启发函数中加入偏离最优距离作为代价因素。仿真实验结果表明,该算法的搜索效率更高、遍历节点和路径代价更少,验证了算法的有效性。

基于优化的禁忌搜索算法的无人终端配送路径研究

随着无人技术的不断发展,无人终端配送在物流领域的应用逐渐成为研究热点。配送路径优化是无人终端配送系统中的关键问题,目的是在满足特定约束条件的前提下,寻找最优的配送路径,以提高配送效率,降低配送成本。文章针对无人终端配送的路径优化问题,提出一种基于优化的禁忌搜索算法,通过实验验证了算法的有效性,并对实验结果进行分析。

基于改进麻雀搜索算法的机器人路径规划

针对麻雀搜索算法(Sparrow Search Algorithm,SSA)在机器人路径规划上存在的搜索精度不足和搜索速度较慢的问题,文章提出一种改进的麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)。在ISSA中,引入Levy飞行策略和正余弦策略来优化传统SSA出现的极易陷入局部最优值、收敛速度慢等问题。在MATLAB 2022b软件平台上,利用不同形式的栅格地图来从算法的适应度、路径规划的长度进行仿真验证。仿真结果表明,使用ISSA规划机器人最优路径时,路径规划的距离分别可以缩短1.3571 m、2.6924 m和9.8786 m,从效率上分别提升了4.5%、8.2%和13.7%。

基于自适应秃鹰搜索算法的无人机三维路径规划

针对秃鹰搜索算法(BES)在寻优时易陷入局部最优、搜索效率低,且全局搜索精度不高等不足,提出一种自适应秃鹰搜索算法(ABES)并应用于无人机的三维路径规划问题。在算法的选择阶段,将控制螺旋轨迹的参数由定值修改为自适应调整,从而提高算法的全局探索能力和收敛速度,改善算法性能。通过创建仿真三维地理环境来模拟真实场景下的无人机飞行状况,利用ABES算法解决路径规划问题。通过对比实验,有效测试了ABES算法在通过各种地形地貌下的优异能力。实验结果证明ABES算法的性能相对BES有所提升,能够快速、稳定、有效地解决三维路径规划问题。