一种改进的遗传算法求解旅行商问题

针对在解决旅行商问题时标准遗传算法效率不高,很容易陷入局部最优解的问题,提出了一种改进的遗传算法.根据种群个体的多样性和分布情况,提出了判定遗传算法截止代数的方法.研究结果表明,通过加入了初始化信息,改进交差算子,可提高遗传算法的精确性和收敛性.

壳体曲面的机械臂喷涂路径规划方法研究

机械臂喷涂轨迹依靠示教模式与离线编程系统生成,人工示教需要多次实验调整,费时费力,传统的路径规划方法较难捕捉复杂的壳体外表面的特征,喷涂路径仍然依赖于操作者经验,所以应用一种新型机械臂喷涂轨迹规划方法来实现壳体外表面的喷涂,应用改造K_means聚类算法将曲面分成数个较为简单的子片,以涂层均匀性为目标确定子片喷涂轨迹与喷枪模型参数,将子片之间的连接顺序定义为旅行商(Traveling Salesman Problem,TSP)问题,应用蚁群系统对子片喷涂顺序进行搜索,实验结果表明该方法能够生成所有子片的完整的喷涂路径,并且在喷涂时间上具有明显优势。

基于TSP理论的弹药配送路径优化

为提高弹药的配送效率,使弹药配送方案更加高效、经济,应用运筹学中TSP理论,以最短路径、最小费用为目标,建立配送网络优化模型,并结合实例进行验证分析和线性规划求解。结果表明:两种目标优化后配送里程和费用分别可减少至90%、35%和93%、44%,更能满足军事配送目标要求,也更加贴合军地配送市场规律实际。

基于蚁群算法的TSP问题分析

蚁群优化算法是人工智能学科中的一种新兴仿生启发式优化算法,它的思想来自于自然界中蚂蚁群体的觅食过程,经过近20年的完善与发展,现在已很好地应用在许多算法优化问题中.本文首先对主流蚁群算法模型的思想和信息素的更新机制进行了剖析和对比后,采用国际上通用的TSPLIB库求解了TSP(旅行商)问题.由参数调整和其实验结果,引出对蚁群算法性能的分析与判断,得到了优化蚁群算法的有用结果.

基于线性规划下的机器人最优避障路径模型

近年来随着科技的快速发展,机器人技术被广泛地应用于家庭服务、工业指导、军事作业等多个领域。本文运用栅格建模以及线性规划模型,建立了机器人从区域中一点到达另一点的避障最短路径和最短时间路径的数学模型。其中最短路径模型给出了机器人行走的原则,为机器人可能路径的选择提供了依据,同时讨论了行走路径中机器人直线段长度和弧线段长度的计算方法,以及直线与圆弧切点坐标的计算方法,为后续问题的解决提供了很好的工具;最短时间模型以行走时间最短为目标,找出了最合适的转弯圆心和半径,然后通过建立线性规划模型求得了最优解。

人工蜂群算法及其应用

蜂群算法是一种模仿蜜蜂繁殖、采蜜等行为的新兴的智能优化技术。本文探讨了基于蜜蜂采蜜蜂群算法的理论基础,并使用蜂群算法与禁忌搜索结合解决组合优化问题,如旅行商(TSP)问题。通过分析,蜂群算法与禁忌搜索结合能够改进算法的全局搜索能力,有较好的发现最优解的能力。

基于伴飞模式的异面星座多补给任务研究

对采用伴飞模式的大规模异面星座多补给星的燃料补给进行了研究。设计了补给星轨道的异面调整段、调相追击段、初始构型段、绕飞补给段和结束返回段,确定每颗补给星最优补给策略。为提高补给星的燃料利用率,用遗传算法分别对每颗补给星机动消耗的燃料质量及每次转移给工作星的燃料质量进行优化求解。研究对基于伴飞模式的大规模异面星座燃料补给中单颗补给星补给能力有限问题解决有一定的参考价值。