并行排序蚁群算法规划仓库AGV路径研究

针对智能仓库中的AGV路径规划问题,提出了一种基于并行排序蚁群算法的路径规划方法,该方法通过多个子蚁群之间较优蚂蚁释放的信息素交互,提高蚁群整体的搜索能力。建立以路径最短和AGV转弯次数最少为优化目标的多目标函数模型,用并行排序蚁群算法求解,再对生成的初始路径通过减少中间节点的方式进行平滑处理。在MATLAB上进行多次仿真,对比实验结果表明,该算法在进行仓库AGV路径规划时收敛速度更快,稳定性更好,且平滑处理后的路径更优。

基于三维时空状态图-并行排序蚁群算法的多机器人路径协同规划

为了得到多机器人系统在无碰撞前提下的较优路径,设计了分层协同规划系统。该系统包括3个子模块,分别为全局最优路径规划模块、碰撞检测模块和避撞模块。在全局路径规划方面,在蚁群算法中加入了多子群并行搜索策略和基于信息素的子群经验交流策略,提出了基于并行排序蚁群算法的路径规划方法。在碰撞检测方面,提出了三维时空状态图的概念,基于机器人路径栅格在三维时空状态图的分布给出了碰撞检测结果。在避撞方面,建立了避撞的博弈论模型,基于博弈论得到了集体代价最小的避撞策略。在30 m×30 m的复杂栅格环境中验证,并行排序蚁群算法规划路径的目标函数平均值比传统蚁群算法减小了5.25%,比改进蚁群算法减小了3.66%,验证了并行排序蚁群算法在全局路径规划中的优越性。在20 m×20 m栅格环境中利用4个机器人进行避撞策略检测,从结果可以看出,基于博弈论的避撞策略可以有效避免机器人间的碰撞,实现机器人的安全行驶。

变异蚁群优化算法在流水作业排序中的应用

在采用蚁群算法求解流水作业排序中,针对蚁群算法存在的时间过长及过早收敛问题,使用解锁素及信息素挥发率作为启发式信息并引入局部优化,对蚁群系统加以改进。计算机仿真结果表明,改进后的蚁群系统对流水作业优化调度有较好的效果。

基于飞行角度优化的蚁群改进算法

针对无人飞行器路径规划问题,实现了排序蚁群算法。在此基础上,引入了针对无人飞行器飞行特征的飞行角度优化策略,并建立了转移概率的更新原则。通过模拟飞行环境建立栅格化地图,进行仿真验证,输出无人飞行器的最优路径,以验证最优解的质量和算法的收敛速度。结果表明,该方法能有效消除飞行过程中的尖角和折返现象,更加符合无人飞行器的飞行特征。与传统的方法相比,算法的收敛速度和最优解的质量均得到了提升。

结合Powell-RWACO的图像边缘提取算法

针对蚁群算法在图像边缘提取中经常出现收敛速度慢、检测精度低、停滞等问题,提出一种结合Powell法的排序加权蚁群(rank weighted ant colony optimization,RWACO)图像边缘提取算法。该算法将RWACO与Powell法相结合,利用RWACO算法进行全局优化,然后将全局最优值作为Powell法的初始点进行局部优化。实验结果表明,该算法兼顾了全局优化和局部优化的优点,与蚁群算法和Canny算法相比,明显提高了图像边缘精度,计算效率比蚁群算法提高了两倍多,并克服了其停滞等缺点,能够高效地检测出图像的边缘,从而验证了该算法的可行性,对今后的图像边缘检测具有参考价值。

基于随机森林的大型公共建筑能耗混合预测模型

针对公共建筑能耗预测模型中影响变量相关性低、冗余性高的问题,提出了基于二氧化碳浓度的公共建筑人员流动率间接测量方法,以提高模型的预测精度,并提出了一种大型公共建筑能耗混合预测模型。首先利用LASSO变量选择算法筛选出与公共建筑能耗相关性高的影响因素,再引入改进的并行排序蚁群优化算法对随机森林预测模型的参数进行优化,进一步提高预测性能。最后,以西安某公共建筑监测数据为例进行预测分析。结果表明,人员流动率对公共建筑能耗预测有着重要的影响,所提模型的泛化能力强、预测精度高,可以为公共建筑节能优化提供有效的数据支撑。

带式输送机输送带横向纠偏控制系统

为提升输送带横向纠偏系统实时性和准确性,设计了带式输送机输送带横向纠偏控制系统。首先提出输送带纠偏控制系统总体方案,再根据控制系统数学模型,设计基于排序蚁群算法优化的输送带横向纠偏PID控制器,最后对排序蚁群算法优化的PID控制器进行仿真分析和实验验证。结果表明,基于排序蚁群算法优化的PID控制器对于阶跃信号响应速度快、超调量小。系统的提出对保障港口带式输送机安全稳定运行具有重要意义。