凹形障碍全局路径规划的双蚁群完全交叉算法

为解决大量复杂凹形障碍环境中的路径规划问题,采用了计算机仿真技术,对双蚁群完全交叉算法进行了研究。通过对传统蚁群算法增加新型的距离改变启发因子,建立双蚁群完全交叉算法,并且融入最大最小蚁群算法思想,使蚁群算法应用在机器人路径规划领域,即使机器人环境中有大量复杂的凹形障碍,该算法仍能够规划出高质量的路径。仿真试验表明该算法得到最优路径率达到98%。

不确定环境下一种新的双蚁群路径规划算法

蚁群算法作为一种新型的模拟进化算法,被广泛地用于路径规划问题。但是传统的蚁群算法存在搜索时间长、收敛速度慢、易于陷入局部最优等缺点,为了克服算法的不足,该文提出一种改进的双蚁群算法,通过改变启发因子,同时引入最大最小蚁群系统思想对信息素进行更新以提高算法性能。实验结果表明,与同类算法相比,该算法能得到更优的路径。

第2类U型装配线平衡问题的双阶段蚁群算法

针对电子、汽车等行业中普遍存在的第2类U型装配线平衡问题(UALBP-2),提出了一种双阶段蚁群算法。强调全局搜索的第一阶段算法利用探路蚁,根据操作选择和分配策略以及迭代压缩机制快速得到问题的较优解,减小搜索空间;注重局部搜索的第二阶段算法利用搜索蚁,根据所提的信息素减小更新策略在包含最优解且不断减小的搜索空间中搜索各工位的不同精英负载,基于精英复制策略利用精英蚁将其组合为问题的可行解。对18个标杆算例的33个实例的求解结果验证了所提算法的有效性和稳定性。

基于双精英蚁群算法的配电网故障区段定位

配电网故障区段定位是恢复供电的必要环节,而分布式电源(distributed generator,DG)的接入使得对配网的定位速度和可靠性要求更高。鉴于蚁群算法良好的寻优能力,文章利用故障指示设备的过流信息,基于精英蚂蚁策略,提出双精英蚁群算法,使用适于分布式电源投切的开关函数和改进的目标函数,并对复杂配网进行分区处理,提高了算法的快速性和收敛特性,实现对配电网故障区段的准确快速定位;同时提出一种节点状态信息缺失和畸变情况下的修正方法,提高了算法的容错性。最后仿真验证了算法的有效性,对于单点故障和多重故障都能够快速准确定位。

低压电力线通信的双种群遗传蚁群路由算法

针对低压配电网动态变化的拓扑结构,给出一种双种群遗传蚁群算法。利用双种群的快速适应性和独立并行搜索能力,在动态范围内寻找最优解,采用定期交换彼此种群的优良解的方法,扩大全局解搜索空间,降低算法容易陷入局部最优的可能性,最终找出全局最优。仿真结果表明,所给算法能快速适应动态变化的低压电力线网络,提高全局收敛性与鲁棒性。

应用于机器人路径规划中的蚁群算法的改进策略研究

针对蚁群算法在机器人路径规划中应用时存在的问题如搜索时间长、易陷于停滞、早熟等缺陷,参考路径规划技术研究的最新成果,对移动机器人路径规划问题的现有技术进行讨论总结,从环境建模、针对U型陷阱的回退机制、蚁群算法参数的动态调整、改变启发因子、混合蚁群算法、双蚁群算法几个方面介绍该问题的研究进展,对该领域的技术发展趋势作探讨。

栅格环境下机器人导航路径的双种群蚁群规划

为了提高机器人在栅格环境下的路径规划质量和规划稳定性,提出了启发式信息素交流异构双种群蚁群算法的规划方法。对精英蚂蚁系统和蚁群系统两种算法进行了原理分析和优势分析;为了实现精英蚂蚁系统和蚁群系统的优势互补,以迭代过程中的路径偏离度为启发信息,使用启发式信息素交流的方式将精英蚂蚁系统和蚁群系统融合为异构双种群蚁群系统,将新算法命名为启发式信息素交流双种群蚁群算法(HEC-TPAC);使用标准TSP测试集对算法性能进行测试,HEC-TPAC算法规划的旅行商路径质量和稳定性优于蚁群系统和精英蚂蚁系统。将HEC-TPAC算法和蚁群系统同时应用于栅格环境下机器人路径规划,HEC-TPAC算法规划的路径明显短于蚁群系统,且路径长度方差明显小于蚁群系统,表明HEC-TPAC算法在栅格环境下的路径规划质量和规划稳定性优于蚁群系统。

基于GIS的遗传算法在路径诱导中的应用与实现

最优路径搜寻是路径诱导问题的核心,文章在路径优化问题的求解中,将遗传算法和蚁群思想进行融合,首先利用前部分遗传操作迅速产生优化解,并由此衍生的初始信息素进行蚁群计算,并将后部分遗传操作引入蚁群算法以保证群体多样性以防陷入局部,仿真实验验证了算法的正确性和有效性。在系统实现部分,基于GIS环境,利用面向对象的程序设计语言C++,在VC集成开发环境下,通过MapInfo获取地图,并且把得到的路径优化结果回显在地图上。

基于综合满意度的多式联运路径模型及其算法

针对多式联运各参与者需求偏好不同的实际背景,以提高所有参与者的综合满意度为优化目标,对中欧集装箱多式联运的路径选择问题进行研究。考虑组成列车等待时间的要素,以列车、船舶的固定时刻表和收货人的软时间窗要求,组成的混合时间窗为约束条件,在分析了影响各参与者满意度因素的基础上建立了具有效用值偏好信息的综合满意度模型。为解决货物时、空、量的衔接组合问题,设计双信息素蚁群算法,用以搜索路径与运输方式的组合搭配,并将改进的小生境遗传算法嵌套进蚁群算法。采用由连云港到马德里的实例做对比验算,分别给出不同需求偏好下的运输方案,并与现有研究方案对比,其综合满意度指标可平均提升约6%~10%,采用混合算法后收敛速度平均提升约36.21%,能够为不同参与者在实际运输过程中路径与运输方式的选择提供决策支持。

混流无等待流水线批次批量生产计划方法

在两阶段混流无等待流水装配环境下,为解决任务组批生产导致的订单按期交付能力弱,以及产品需求与部件供应无法准确衔接的问题,以最小化在制品库存成本和产品提前拖期惩罚为目标,建立了两阶段批次批量生产计划数学模型。设计了双目标蚁群求解算法,构造了每只蚂蚁对不同目标的偏重算子,以及基于批次的可行解生成方法和信息素更新机制,提高了解的局部和全局搜索能力。通过与NSGA-II进行对比,验证了本算法在同等时间内计算精度优于后者,为提高两阶段多条生产线组批生产计划的可执行性提供方法支持。

面向电商终端物流配送的电动车配置与路径集成优化

在电子商务终端物流配送方面,存在能力与需求的矛盾。一方面,电动车存在货物容量约束和电池电量约束,配送能力有限;另一方面,一个物流配送点需要为众多的消费者进行门到门的配送,配送任务繁重。针对电子商务环境下终端物流配送规模大、电动车货物容量和行驶里程有限的问题,建立电商终端物流配送的电动车配置与路径规划集成优化模型,并提出一种基于临近城市列表的双策略蚁群算法,实现物流配送电动车辆配置与配送路径集成优化。该模型以电动车辆数最少和总路径最短为目标,以电动车货物容量和电池续航里程为约束,是带容量的车辆路径问题的进一步扩展,属于双容量约束路径规划问题。双策略蚁群算法在货物容量和续航里程的约束下,将蚁群搜索策略分为两类,即基于临近城市列表的局部搜索策略和全局搜索策略,在提高搜索效率的同时防止陷入局部优化。最后,通过阿里巴巴旗下菜鸟网络科技有限公司在上海的30组真实配送数据进行了测试,验证双策略蚁群算法显著优于一般蚁群算法。

基于动态油耗模型的节能航迹规划

针对某案例船的实时能耗数据库,从航迹角度分析了能耗特性并设计了一种节能航迹规划方法。首先,采用栅格法构建了海域模型,根据环境参数与船舶性能参数对船舶油耗的影响,拟合了船舶油耗模型,并植入到海域栅格模型中;进而采用里程蚁和能耗蚁协同规划机制,设计了一种双蚁群算法,提升了算法对格栅属性的动态适应性;最后,基于案例船能耗数据库执行了动态节能航迹规划算法,迭代过程和路径节能效果表明:该算法拥有高效的寻优能力并且收敛速度较快,能为船舶实时节能航迹规划技术提供解决方案。