基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

基于改进蚁群算法的机器人末端路径排序优化

建立了针对机器人加工时的末端运动路径排序优化问题的数学模型,将该模型转化为广义旅行商问题并用蚁群算法求解。同时对经典的蚁群算法进行了改进,即采用多阶段搜索策略、邻域搜索策略及多蚁种搜索策略,使改进后的蚁群算法能为机器人求取一条更优的末端运动路径。计算机仿真与机器人加工实验结果表明,改进蚁群算法所得的末端运动路径比基本蚁群算法所得结果缩短了3%以上。

基于改进蚁群优化算法的中高速长网纸机速度链的控制

对中高速长网纸机而言,确保速度链控制满足工艺要求对纸机正常运行有着重要意义。目前,纸机速度链控制多采用常规PID控制,但中高速长网纸机由于自身传动点多、车速快,故对闭环系统的响应速度和控制精度要求高,常规PID参数整定方法难以满足上述控制要求。蚁群优化算法(ACO)是一种适合多目标寻优的全局搜索算法,但传统蚁群算法易陷入局部最优及搜索较慢的问题,对此,本课题将信息素因子(α)和启发式因子(β)按一定比例关系随迭代进行变化,提出一种改进蚁群优化算法,并将其应用于速度链PID控制器参数整定中。仿真结果表明,与常规PID控制相比,基于改进的蚁群优化算法PID控制系统响应速度更快、超调更小、抗干扰能力更好、鲁棒性更强。应用结果表明,该控制系统可保持纸机各部分速度长期稳定。

激励机制改进蚁群优化算法用于全局路径规划

为提高优化算法搜索能力,分析了基本蚁群优化算法和心理学家斯金纳的强化激励方法的基本原理,将正、负激励原理应用于改进基本蚁群优化算法,提出了基于激励机制的改进蚁群算法,并给出了其数学描述。将改进的算法应用于求解旅行商问题和避碰约束下的最短路径规划问题,并与基本算法进行比较。仿真试验显示,改进的蚁群算法有效搜索到最短路径,实现全局路径优化。由于采用了激励机制,使得种群中所有个体都能够积极向最优解移动,从而更快地找到最优解,其较之基本蚁群算法具有较快的收敛速度,整体性能优越,能够应用于求解路径规划等问题。

基于改进蚁群优化算法的客运专线旅客出行方式选择

客运专线建成后客运通道内的旅客出行选择有更多的方式,根据出行时间和费用对旅客出行选择的影响,采用改进蚁群优化算法建立旅客出行方式选择的概率转移模型。用信息量对出行时间和费用进行描述,将通道内城市间各种运输方式线路上的信息量看作是对旅客出行选择的吸引强度。通过引入武汉-广州客运通道进行实例分析,得出不同出行距离的旅客选择各种运输方式(客运专线、既有铁路、公路、航空)的概率。

改进蚁群优化算法的移动机器人路径规划研究

针对传统的蚁群优化算法存在易陷入局部最优解,搜索时间过长等问题,提出了一种改进的蚁群优化算法。通过建立栅格地图模型,采用状态转移规则结合轮盘赌的方法对下一节点进行选择,对陷入死锁的蚂蚁采用回退策略,避免陷入局部最优。同时改进信息素增强系数、改善信息素挥发因子、建立信息素因子与所需启发函数因子之间的互锁关系,缩短最短路径的长度,减少算法的迭代次数,提高算法的收敛速度。运用MATLAB进行仿真,仿真结果表明:改进后的蚁群算法明显优于传统的蚁群算法。

改进蚁群优化算法的最优物流配送路径设计

针对传统蚁群优化算法难以找到全局最优的物流配送路径,物流配送的时效性差等缺陷,为获得理想的物流配送路径,提出基于改进蚁群优化算法的最优物流配送路径设计方法。首先,对物流配送路径优化设计问题进行分析,建立物流配送路径优化模型;然后,将蚁群置于物流配送的起始点,通过搜索下一节点、信息激素更新等模拟自然界蚁群寻食机制,找到从起始点到配送目标点的最优物流配送路径,并对传统蚁群优化算法的不足进行相应的改进;最后,通过具体实例分析改进蚁群优化算法应用于最优物流配送路径设计中的有效性。改进蚁群优化算法可以在短时间内成功找到最优物流配送路径,物流配送时间要少于其他物流配送路径设计方法,能够为提高物流企业的经济效益提供有价值的参考信息。

求解带软时间窗多车场多车型车辆路径问题的一种改进蚁群算法(英文)

考虑实际生活中带多种扩展特征(如多车场、多车型、客户服务优先级、时间窗等)的车辆路径问题应用广泛,建立带软时间窗多车场多车型车辆路径问题的数学模型,并提出一种改进的蚁群优化算法(IACO)求解该模型.首先,根据就近原则将客户分组,并通过扫描算法构造初始路径;其次,通过引入遗传算子并自适应地调整交叉概率和变异概率来提高算法的全局收敛能力,且采用平滑机制来提高蚁群优化算法的性能;最后,采用3-opt策略来提高算法的局部搜索能力.将提出的算法应用在3个随机产生的实例中,仿真表明提出的IACO在收敛速度和解质量两方面都优于现有的3种算法,证明提出的算法是有效可行的,且提出的模型具有一定的实际意义.

一种改进混沌蚁群的地磁匹配算法

针对地磁轮廓线匹配算法(MAGCOM)在进行匹配导航时,过于依赖惯导系统且算法抗噪能力较弱、匹配精度低的问题,提出了一种改进混沌蚁群的地磁匹配算法,实现算法的独立匹配定位。该算法以平均豪斯多夫距离(MHD)作为待匹配轨迹与实测轨迹之间的度量函数,改进了传统蚁群算法的概率转移公式及信息素表示方式,并将混沌优化算法嵌到传统蚁群算法中,最终搜索得到最佳匹配序列来完成地磁匹配。实验结果表明:该算法不依靠惯导提供的参考轨迹形状依然可以完成匹配,并且抗噪能力强,匹配精度较高,适用于地磁匹配导航。

网络化制造模式下基于改进蚁群算法的供应链调度优化研究

为制定网络化制造(networked manufacturing,NM)模式下供应链合作成员间的动态调度策略,构建了由制造商、协同设计商以及客户组成的三层动态调度模型;在生产能力约束、多目标优化约束等制约因素下,采用时间函数、成本函数和延期惩罚函数三个目标函数对调度问题进行描述;使用改进蚁群算法(improved ant colony optimization algorithm,IM-ACO),对调度路径可行解节点添加不同的信息素,并将信息素浓度约束在τ_(min)和τ_(max)之间,使得供应链客户个性化需求服务、运作时间、成本等综合收益达到最优.实例仿真表明本文提出的动态调度优化算法求解具有较快的搜索速度、收敛性好,算法具有较好的稳定性;同时,也表明本文构建调度模型合理,可以为实际生产调度提供优化的策略.

单船岸桥分配与调度集成优化模型

针对集装箱码头泊位确定条件下的单船岸桥(QC)分配和调度问题,建立了线性规划模型。模型以船舶在泊作业时间最短为目标,考虑多岸桥作业过程中的干扰等待时间与岸桥间的作业量均衡,并设计了嵌入解空间切割策略的改进蚁群优化(IACO)算法进行模型求解。实验结果表明:与可用岸桥全部投放使用的方法相比,所提模型与算法求得结果平均能够节省31.86%的岸桥资源;IACO算法与Lingo求得的结果相比,船舶在泊作业时间的平均偏差仅为5.23%,但CPU处理时间平均降低了78.7%,表明了所提模型与算法的可行性和有效性。

面向密集多波束组网的卫星通信系统资源调度算法

研究了高动态、资源受限条件下的卫星通信系统资源调度问题。以时间窗口、卫星功耗、信道数量、用户优先级以及任务突发性为约束,建立了卫星资源调度模型。考虑到传统的蚁群优化算法存在初期搜索速度过慢、局部搜索能力较弱以及易陷入局部最优等缺点,提出了以初始解集构造、额外信息素沉积为核心的改进蚁群优化算法,来求解资源调度问题。仿真实验评估了所提资源调度算法在完成任务的数量、优先级和调度完成时间方面的性能。实验结果表明,所提算法具有较快的收敛速度,且与同类型优化算法相比具有更高的调度效率,适用于调度面向密集多波束组网需求的卫星通信系统资源。

基于IACO-PID的空调房间温度控制优化

空调房间温度控制器受外界环境干扰大,具有时变性和非线性,传统控制方法难以获得高精度的控制效果,为此提出一种基于改进蚁群算法优化PID的空调房间温度控制优化方法(IACO-PID).首先分析当前空调房间温度控制器存在的不足,然后采用蚁群算法对空调房间温度控制器控制参数求解,并针对蚁群算法的不足进行改进,最后采用仿真对比实验测试改进蚁群算法优化PID的优越性.实验结果表明,改进蚁群算法优化PID空调房间温度控制器的控制精度高,抗干扰能力强,具有较快的响应速度.

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。

风机盘管室温PI~λD~μ控制器基于IACOA的参数整定及其控制性能分析

由于机型体积小,安装、操作方便和分散控制等特点,风机盘管(Fan Coil Unit,FCU)空调系统在办公楼、宾馆和公寓等建筑场所得到了广泛应用。然而,其主要设备-FCU具有惯性和较大时间滞后等动态特性,传统控制方式,如整数阶PID方式会导致室温稳态误差和超调量较大,调节时间长等问题。鉴于此,提出FCU的室温分数阶PID(PIλDμ)控制器参数整定新算法及其控制系统构建的设计思路。首先,结合空调工艺的相关要求和分数阶控制技术,分别对FCU作用下的室内温度对象、室温测量变送器、FCU的送风单元、冷却/加热单元和室温PIλDμ控制器(Indoor Temperature Fractional Order Proportional Integral Derivative Controller,IT-FOPIDC)进行建模。其次,基于改进的蚁群优化算法(Improved Ant Colony Optimization Algorithm,IACOA)对该IT-FOPIDC的5个控制参数进行整定,获取其最佳值。最后,借助Matlab工具,对FCU作用下的空调房间室温PIλDμ调节系统进行组态和数值模拟其控制效果。结果表明,该室温PIλDμ调节系统在理论上是可行的,且室温控制效果明显优于Ziegler-Nichols(Z-N)整定法和ACOA算法的室温整数阶PID控制系统。