局部搜索最小路径费用算法

本文在MPH(MinimumPathCostHeuristic)的基础上 ,改进了端节点的加入过程 ,得到了两种改进的MPH算法 :局部搜索最小路径费用算法LSMPH(LocallySearchingMPH)和简化的LSMPH :最短端节点最小路径费用算法STMPH(ShortestTerminalMPH) .在随机网络模型的基础上 ,我们进一步进行了仿真 .仿真结果表明 ,LSMPH以相对较小的费用增加换取更快的计算速度 .如果要求更快的速度 ,可以采用STMPH .

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.

改进麻雀搜索算法的轮式机器人路径规划

针对传统麻雀搜索算法(sparrow search algorithm,SSA)在轮式机器人路径规划应用中易陷入局部最优使得规划路径较长以及算法后期容易陷入早熟等问题,提出一种改进麻雀搜索算法(improved sparrow search algorithm,ISSA)应用在轮式机器人路径规划中。首先,在算法初期初始化种群时利用Logistic混沌提高初始种群的多样性;其次,将线性动态惯性权重调整方法引入到发现者位置更新中,使得算法的全局搜索能力以及收敛速度得以提升;然后,在跟随者位置更新方法中结合中垂线算法(midperpendicular algorithm,MA)使跟随者快速精准地向种群适应度最高的个体靠拢;最后,在算法后期结合最优爆炸粒子策略与反向学习策略在最优解附近产生扰动,防止算法后期陷入局部最优解。并且在机器人路径规划应用中将全局最优解再次进行局部搜索来提高机器人的路径规划能力。仿真结果表明,ISSA应用在路径规划中,其路径长度、寻优速度以及迭代次数方面均有显著提高。

基于局部搜索和遗传算法的激光切割路径优化

为了缩短激光加工时间,提高加工效率,提出了一种新的局部搜索法与遗传算法相结合的激光切割路径优化算法。该算法从加工轮廓中提取节点,通过局部搜索法对节点进行局部路径优化,再运用的遗传算法求得近似最优解,遗传算法中的选择算子改进为基于相对适应度的轮盘赌选择算子。详细介绍了算法的原理及实现,通过编程仿真证明该算法与传统的遗传算法相比具有良好的优化效果,可明显缩短加工路径,减少加工时间,提高加工效率。

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。

最小费用最大流算法在路径规划中的应用

针对一类动态路径规划问题 ,先利用最短路算法将其简化 ,把动态的路径规划问题转化为静态的路径规划问题 ,然后建立非线性规划模型 ,再利用最小费用最大流算法进行求解 ,得到了比较精确的结果 。

两种高效局部搜索算法求解RB模型实例

RB(revised B)模型是一种在约束可满足问题中具备精确相变增长域的随机实例模型,提出两种高效的启发式局部搜索算法用于解决RB模型生成的大值域约束可满足问题。首先为基于权重指导搜索的W-MCH算法,该算法通过约束判断和违反约束数计分来进行搜索,并引入了基于约束违反概率的权重计算公式,根据其关联的约束权重进行修正,再对变量进行迭代调整。然后提出最小化值域的MDMCH算法,该算法通过记录违反约束和逐步消除已违反约束变量的启发式策略来减少搜索空间,并在最小化后的变量域内重新校准变量赋值,进而有效提高算法的收敛速度。此外,还提出了融入模拟退火策略的WSCH和MDSCH算法,这两种算法都能根据变量的表征特点对变量域进行针对性的搜索。实验结果表明,与多种启发式算法相比,这两种算法在精度与时间效率方面均呈现明显提升,在复杂难解的实例中能够提供高效的求解效率,验证了算法的有效性和优越性。

基于改进布谷鸟算法的集卡路径优化

在集装箱公路运输中,合理规划集卡路径以提高运输效率具有重要的现实意义。本文以最小化总运输时间为目标,构建了集卡路径优化问题的数学模型,并设计了改进布谷鸟算法进行求解。为了提升算法性能,本文根据问题的特点构造了局部搜索策略来改善布谷鸟算法的局部寻优能力。实验结果表明,改进布谷鸟算法在优化性能上明显优于标准的布谷鸟算法、差分进化算法和粒子群算法,因此是解决该类问题的有效算法,能为集装箱公路运输方案的规划提供重要的决策支持。

基于改进局部搜索算法的三维空间路径规划研究

在机器人路径规划中,搜索区域维数增大会导致路径搜索算法收敛时间过长甚至不收敛的现象发生。针对此类问题,文中以改进的局部搜索算法为基础,融合蚁群算法中信息素因子和人工势场算法中势场因子,建立了启发函数模型以提高寻优的目的性,并对搜索到的路径用迭代法进行优化。文中具体讨论了三维空间中路径点的选取方式和启发函数模型的建立方法,同时给出了算法的详细流程。最后通过MATLAB仿真实验证明基于改进后的算法进行路径规划时,迭代次数降低,搜索速度变快,路径点轨迹趋势更加平稳。

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。

车辆路径问题的快速多邻域迭代局部搜索算法

对于容量约束的车辆路径问题（ capacitated vehicle routing problem, CVRP）以及容量和最大行驶距离约束的车辆问题（ capacitated and distance constrained vehicle routing problem, CDVRP）,邻域解的评估包含了适应值计算及合法性评估.设计一种可变长编码的可行解表示,提出用于CVRP/CDVRP问题的邻域解合法性快速评估策略.该策略针对交换、插入、2-opt和2-opt？四种常用的局部搜索算子,通过引入前载重、后载重、前向距离和后向距离的概念,实现了邻域解合法性的快速评估.将改进后的局部搜索算子与迭代局部搜索（ iterated local search, ILS）算法相结合,提出用于车辆路径问题的快速多邻域迭代局部搜索（ fast multi-neighborhood ILS, FMNILS）算法.该快速评估策略将评估一个邻域解的时间复杂度由O（ N）降至O（1）,算法仿真结果表明, FMNILS算法运算能力的提高大致与配送路线所服务的客户数成正比；对客户数介于200~500的容量/最大距离约束VRP问题,该算法能在短时间内获得较满意解,平均求解精度1．2%以内,平均耗时约96 s,仅为对比算法的6%或更少.

用A算法确定汽车自动定位系统的最小费用路径

采用Hart提出的启发式搜索策略的A算法,以基于知识的汽车自动定位(AVL)系统为对象,应用PROLOG专家系统语言,在北京市三环路以内的交通网络范围内,解决了寻找最小费用路径的问题。

多隔间车辆路径优化问题的局部搜索混合果蝇优化算法求解

为解决智能物流中多隔间车辆的路径优化问题,在标准混合果蝇优化算法的基础上,加入局部搜索以提高算法的搜索能力,通过确定每辆车所访问的客户以及访问的先后顺序形成车辆路径。数值对比实验表明,优化后的方法能显著改善多隔间车辆路径优化问题的求解质量,改善比例优于15%。

基于多策略融合改进粒子群算法的路径规划研究

针对传统粒子群算法(particle swarm optimization,PSO)在路径规划中易陷入局部最优使得规划路径较长以及搜索后期由于种群多样性降低容易陷入停滞等问题,提出一种多策略融合粒子群算法(multi-strategy fusion particle swarm optimization,MFPSO)并将其应用于路径规划中。首先,利用中垂线算法(midperpendicular algorithm)的粒子位置更新方法提升粒子的收敛速度;其次,在最优粒子附近采用生成爆炸粒子的策略使算法跳出局部最优;然后,引入线性动态惯性权重调整方法,增加算法的搜索能力;最后,在路径规划应用中采用全局最优解局部搜索策略,在算法后期得出的最优路径再进行局部搜索得出更优的路径,增加机器人路径规划能力。仿真结果表明,多策略融合粒子群算法在路径规划中具有更高的路径搜索能力。

基于迭代局部搜索的路径规划蚁群算法

针对蚁群算法易早熟及局部搜索能力欠佳的缺陷,将迭代局部搜索策略引入蚁群算法。新算法的基本思想是:从初始解出发,用蚁群算法进行局部搜索,如陷入局部最优,则产生一个摄动解作为新的初始解再进行局部搜索,根据接受规则决定进入下一步迭代的局部最优解。将改进算法应用于二维路径规划,数值实验表明,改进算法相比基本蚁群算法有更佳的局部收敛性,可获得比基本蚁群算法结果更优路径。

基于栅格法的矿难搜索机器人全局路径规划与局部避障

针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法。效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并结合优先权分组的思想,提出一种新的有效的种群初始化方法,同时将该种群初始化方法应用到变异算子中,且依据最优解的变化情况自适应地调整交叉和变异的概率。与此同时,针对环境信息的不同变化情况,结合全局路径规划结果对机器人进行局部避障方法的研究。最后,通过仿真实验证明本方法能够快速有效地在已知环境中得到机器人的最优路径,并且能够在局部变化的环境中实现实时避障。

应用改进随机树算法的无人艇局部路径规划

针对无人艇航速高及实时性要求高的特点,为满足路径规划需要,在经典快速扩展随机树(RRT)算法的基础上,设计一种基于改进RRT算法的局部路径规划方法,引入抑制因子、限定转角和距离启发信息,改进生长点和探索点的选择,提高了算法速度.为兼顾航行距离最短和无人艇操控性能的特殊要求,对规划路径采取多余航点处理以及考虑回转性能的平滑处理.以海上和湖上典型雷达图像的处理结果为环境模型,进行局部路径规划试验.试验结果表明:该方法可以快速完成路径搜索,在提高搜索效率的同时缩短了规划距离,优化处理后的航线更适用于无人艇的跟踪,满足无人艇规划系统的要求.

求解带容量约束车辆路径问题的改进遗传算法

为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。

并行机间歇过程生产调度的遗传局部搜索算法

研究了一类集成分批的并行机间歇过程调度问题(parallelmachinebatchprocessschedulingproblem,简称PBPSP),将此问题转化为固定费用运输问题(fixedchargetransportationproblem,简称FCTP)后,提出了具有集中邻域搜索机制和局部最优逃逸机制的遗传局部搜索算法(geneticlocalsearchalgorithm,简称GLSA).GLSA算法用先根遍历边排列模式编码生成树解,具有高效的子树补充式单点交叉操作.将基于网络单纯型方法的邻域搜索作为变异算子,并提出了连续随机节点邻域搜索的集中邻域搜索策略以及随机旋转变异与全局邻域搜索相结合的局部最优逃逸策略,极大地强化了遗传局部搜索算法的全局寻优能力.实验表明GLSA算法获得的解质量优于基于排列编码的遗传算法和基于矩阵编码的遗传算法,得到了所有Benchmark问题的最优解,且具有高鲁棒性.针对一定规模的FCTP问题,GLSA算法比Tabu启发式搜索算法具有更高的获得最优解几率.

基于MapX最短路径搜索算法研究

在深入分析现有最短路径搜索算法和MapX空间特性的基础上,提出了一种基于MapX的局部最短路径搜索算法。该算法依据最短路径沿起点、终点连线方向可能性最大的特征,在小矩形范围内搜索,避免了因道路"振荡"而产生结果失真的问题,减少了搜索的节点数目,降低了搜索规模。实验结果表明,该算法搜索速度快,道路网络结构越复杂,其运行效率越高,具有很强的实用性。