基于改进双层蚁群算法的移动机器人路径规划

为提升移动机器人的路径规划能力,提出一种改进双层蚁群算法,将蚁群划分为引导层蚁群和普通层蚁群.为提升算法的收敛速度和路径的平滑程度,在设计引导层蚁群启发函数时加大终点栅格的吸引力,设计普通层蚁群启发函数的同时考虑起点、终点和转折点的影响;针对复杂环境下蚁群算法死锁严重的问题,为引导层蚁群设计应对死锁问题的自由寻路-剪枝策略,当引导层蚁群发生死锁时可以迅速跳出并优化路径;为进一步提升算法的运行效率,每一次迭代后仅对长度较短的路径进行信息素更新,并在信息素更新公式中引入次优路径抑制因子,充分发挥不同层蚁群在搜索过程中的协作优势,避免在迭代过程中陷入局部最优.最后通过仿真实验验证所提出算法在大规模环境及复杂障碍环境下的可行性、高效性和鲁棒性.

一种基于改进蚁群算法与GIS的多约束配送中心选址方法

针对单一指派约束和容量约束的设施选址问题(Single Source Capacitated Facility Location Problem,SSCFLP),建立了一种基于改进蚁群算法与GIS的配送中心选址方法。构建了以总成本费用最小为目标的配送中心选址模型;提出了适合求解SSCFLP问题的改进双层蚁群算法,将求解过程划分为彼此关联的设施选择层和需求指派层2层蚁群,采用改进的全局信息素更新策略加强双层蚁群交流,并对迭代最优解的指派关系进行局部优化;将方法应用于汽车配送中心的选址,利用GIS工具构建选址空间。实验结果表明,该选址方法能找到质量较好的选址及指派结果,对于求解同类问题具有较强的借鉴意义。