基于改进蚁群算法的地图路径规划方法

随着科技水平的发展和社会的持续进步,如何提升路径规划算法的收敛效果和精度逐渐成为当下的研究热点。现有蚁群算法在规划路径时,经常遇到局部难以得到最优解的问题。因此,通过启发式信息素更新策略来提高蚁群算法的搜索能力,并通过自适应调整参数的方法得到最优参数,形成改进的蚁群算法。将优化后的算法应用于Oliver30、Att48、Eil51公开数据集,并将实验结果与现有路径规划算法进行对比,结果证明:本文算法能够用相对较少的迭代次数规划出最优路径,说明优化算法得到最优解的速度快,具有较好的最优路径搜索能力。

加入动态搜索模型的蚁群算法及其应用

用传统蚁群算法求解复杂条件下的路径规划问题时易出现局部最优、收敛速度慢等问题。提出利用栅格法建立地图模型,加入动态搜索模型对蚁群算法进行优化,包括根据不同的初始、终止位置对路径选择进行限制;对死锁法要删除的栅格进行优化;在信息素浓度更新过程中,设置动态阀值,对要增加信息素浓度但长度低于阀值的路径进行“惩罚”,设置信息素浓度下限。通过对路径规划与TSP问题等实例的仿真,改进蚁群算法在避免局部最优、加快收敛速度方面均优于对比算法,验证了改进算法在提高收敛效率、缩短计算时间等方面具有优越性。

基于改进蚁群算法的共享单车配送调度研究

针对使用蚁群算法对共享单车进行配送得到最优解的问题,通过设定蚂蚁觅食路径上初始信息素浓度和信息素更新方法获得更优的配送距离,对蚁群算法进行改进。将对共享单车使用量有影响的特征因素输入到XGBoost模型中进行预测,根据转移概率通过轮盘赌的方式选择接下来要访问的租赁点,利用提出的基于初始信息素衰减的方法进行更新,以快速得到更优的解。通过对某学校内的14个租赁点进行实验,在初始信息素衰减的基础上,改变初始信息素浓度,可以在较短时间内获得更短的配送距离,比基本蚁群算法的距离缩短了约1%,实验结果验证了该算法的有效性。

一种求解旅行商问题的改进蚁群算法

提出一种求解旅行商问题的改进蚁群算法。该算法在信息素更新过程中,利用信息素局部更新和全局动态更新结合的方法,使得当前最优路径上的信息素值能够动态地调配,避免算法陷入停滞状态;在局部搜索过程中,仅对部分走出更优路径的售货员使用2-opt方法,加快了最优解的收敛速度。仿真实验验证了算法的有效性,与其它算法相比,本文算法在解的质量和收敛速度上都显示出了良好的性能。

蚁群算法优化PID的机器人位置伺服控制

针对机器人位置伺服系统在干扰环境下控制性能较差的问题,设计了蚁群算法优化PID的机器人位置伺服控制方法。选取三相直流无刷电机作为机器人位置伺服的驱动系统,利用包括速度环和位置环两部分的双闭环伺服控制系统控制机器人位置,选取增量式PID控制器校正速度环公式,利用蚁群算法获取增量式PID控制器的控制参数最优值,改进机器人控制参数的调节,实现蚁群算法优化PID的机器人位置伺服控制。实验结果表明,该方法的控制机器人位置伺服系统机器人实际位置与期望位置极为接近,系统超调量低于5%,扰动调节时间低于40 ms。

汽车引擎盖焊接路径的自适应混沌蚁群规划方法

为了实现汽车引擎盖焊接路径最优规划,提出了自适应混沌蚁群算法的焊接路径规划方法。建立了焊接机械臂运动学模型和引擎盖焊点路径优化模型;分析了蚁群系统算法原理,对局部信息素更新和全局信息素更新方法进行了改进;在局部信息素更新方面,以蚂蚁聚集度为路径多样性度量依据,提出了局部信息素随蚂蚁聚度自适应更新方法;在全局信息素更新方面,鉴于混沌系统的随机性和遍历性,提出了全局信息素混沌扰动更新方法,用于增加信息素分布的多样性和随机性;基于以上两点改进,提出了自适应混沌蚁群算法。经验证,全局信息素更新方法和局部信息素更新方法均能够提高算法性能,两者叠加可以更大程度改善算法性能;将自适应混沌蚁群算法应用于引擎盖焊接路径规划,得到了最短焊接路径,长度为6.2m。

一种求解TSP问题的改进蚁群算法

基本的蚁群算法收敛速度慢,容易陷入局部最优解,针对该问题,提出了从蚁群移动规则、信息素的更新以及信息素的自适应调节等方面改进的策略,使算法能快速收敛,并不容易陷入局部最优解。仿真实验证明,提出的改进算法比带精英的最大最小蚂蚁算法收敛速度快,解得质量更高。

基于蚁群算法的容迟网络概率路由算法

容迟网络的概率路由算法根据节点与信宿节点之间相遇的概率判断是否转发报文,但相遇概率不能真正准确地反映报文递交成功的概率。针对该问题,提出一种基于蚁群算法的概率路由算法,结合蚁群算法的基本原理改进信息素浓度的更新机制和报文转发机制。仿真结果表明,与传统的概率路由算法相比,改进后的概率路由算法报文递交率较高,开销率较小。

基于改进蚁群算法的移动机器人路径规划

针对基本蚁群算法(ACA)在移动机器人路径规划中存在收敛速度慢、局部最优等问题,研究一种改进蚁群算法。通过修改距离启发函数和建立一个判断节点夹角大小的夹角指数启发函数的方法,提高蚁群算法搜索最优路径的效率;采用部分较优路径信息素增量分段更新方式,提高蚁群算法搜索路径长度的最优性;此外为了快速搜索到最优路径,采用一种基于等差数列的自适应信息素挥发系数。经MATLAB仿真分析,验证了改进蚁群算法的可行性和有效性。

改进的蚁群算法在排课系统及约束条件问题中的应用研究

针对复杂约束条件的排课算法中的组合优化问题,使用改进的蚁群算法,将排课问题简化为二分的最大匹配问题,并在带精英的MMAS算法基础上,提出信息素的动态调整策略,提高了对最短路径的敏感度和收敛速度,找出一种问题求解的优化方案.通过测试实验,证明改进算法在排课系统完全可行,能满足排课问题中的硬性约束条件,也能最大限度地满足软约束条件.

一种新的蚁群算法优化的虚拟机放置策略

提出了一种新的蚁群算法优化的虚拟机放置策略ACA-VMP(Ant Colony Algorithm based virtual machine placement);ACA-VMP以云数据中心的总体能量消耗降低、服务质量最佳及减少虚拟机迁移次数为目标函数;根据蚁群优化算法,ACA-VMP采用了全局最优解和局部最优解信息素强度更新规则;全局最优解经过多次迭代后,蚂蚁路径的多次寻优,保证这个虚拟机放置优化策略的完成;局部信息素强度参数更新可以补充蚂蚁其他局部最优路径的寻找,这样也可以使得ACA-VMP虚拟机放置优化算法更快的接近全局最优解;仿真结果表明:ACA-VMP策略使得云数据中心的各类性能指标都可以改善,该实验结果对于其他企业构造节能云数据中心有很好的参考价值。