演化算法的收敛性分析及算法改进

文章利用马尔可夫随机过程刻画了演化算法,证明了标准演化算法是不收敛的,说明了演化算法收敛于最优解的必要条件:非完全遍历性。并论证了采取精华保留策略的标准遗传算法以概率1收敛于最优解,并据此分析了一个典型实例———GTGA算法的收敛性及其算法改进方案。

基于随机权重多目标遗传算法的多目标动态单元构建方法

考虑多变的市场需求环境下单元生产系统在多个计划期具有多个目标的动态构建决策问题。通过对单元生产构建过程中的总费用、设备负载与能力之间最大偏差以及零部件跨单元移动的总次数3个目标进行权衡,建立了非线性多目标动态单元构建的数学模型。采用自适应小生境技术、惩罚技术、双轮盘赌法和精华选择策略,提出了基于精华保留策略的随机权重多目标遗传算法求解该组合优化问题。结合实例对模型和算法进行了仿真分析,结果显示了算法对解决多目标动态单元构建问题的有效性。

关于移动机器人路径最优规划研究

路径规划是研究移动机器人导航技术的关键,也是机器人自主移动的重要目的之一。路径规划技术的研究在地下、水下、空间探测,资源开采等领域有着广阔的应用前景,路径规划的难点是如何在复杂的环境中寻找到一条安全无碰路径以及在多条可行路径中寻找到最优路径,针对这一问题提出了一种复杂静态环境下的移动机器人躲避障碍物的路径规划的改进势场蚁群算法,基于栅格法的工作空间模型,虚拟势场力,模拟蚂蚁的觅食行为。针对路径规划的需要,利用人工势场中的势场力以及蚁群算法中移动机器人与目标位置的距离构造综合启发信息,并以蚁群搜索机制进行全局路径规划。在构造势场蚁群算法的启发信息时,成功引入了势场力启发信息影响系数,有效的降低了路径规划初期蚁群搜索的随机性,并增强了势场力在路径规划初期作用。在信息素的更新上成功的引入了额外精华蚂蚁策略,大大提高了最优路径的搜索效率。仿真试验结果表明,势场蚁群算法路径规划效果明显由于传统的势场蚁群算法,具有更好的收敛速度和优化精度,达到了路径最优规划的目的。