改进自适应精英蚁群算法的机器人路径规划

针对基本蚁群算法在移动机器人二维栅格地图存在路径规划时间长、收敛速度慢、迭代稳定次数多等问题,提出了一种改进的自适应精英蚁群算法。该算法通过引入距离参数因子改进启发式信息函数,采用自适应伪随机状态转移规则选择下一节点,同时融合角度引导因子到转移概率中以减少搜索盲目性,从而缩短搜索时间。此外,还定义了一种自适应信息素权重更新策略,仅对当代寻找到的最优路径进行信息素奖励,进一步提高了收敛速度。通过消融实验、不同规模和环境下的对比实验表明,改进后的算法规划的路径更优、收敛速度更快,验证了该算法的优越性和可行性。

基于双精英蚁群算法的配电网故障区段定位

配电网故障区段定位是恢复供电的必要环节,而分布式电源(distributed generator,DG)的接入使得对配网的定位速度和可靠性要求更高。鉴于蚁群算法良好的寻优能力,文章利用故障指示设备的过流信息,基于精英蚂蚁策略,提出双精英蚁群算法,使用适于分布式电源投切的开关函数和改进的目标函数,并对复杂配网进行分区处理,提高了算法的快速性和收敛特性,实现对配电网故障区段的准确快速定位;同时提出一种节点状态信息缺失和畸变情况下的修正方法,提高了算法的容错性。最后仿真验证了算法的有效性,对于单点故障和多重故障都能够快速准确定位。

基于精英蚁群算法的SPARQL优化算法

针对目前SPARQL(Simple Protocol and RDF(Resource Description Framework)Query Language)查询语句执行时间较长的问题,提出一种基于精英蚁群算法与权重矩阵的SPARQL查询语句优化算法。文中结合SPARQL针对不同图形状设计了有效的权重矩阵算法,因此本方法对不同查询形状均具有专门的优化参数;然后将权重矩阵作为蚁群算法的输入参数,分别利用人工蚁群与精英蚁群方法对SPARQL不同形状的查询语句进行优化。最终基于Apache Jena ARQ查询引擎进行实验,对比实验结果表明,该方法对于较宽广范围的查询语句均具有较好的优化效果,对三元组模式数量较多的查询语句效果尤佳,并且优化效果较为稳定。

基于精英蚁群算法的挖掘机工作装置参数优化设计

针对现有挖掘机工作装置机构参数优化设计方法存在求解效率低且难以得到令人满意的优化结果的问题,提出了精英蚁群算法并用于综合多工况的挖掘机工作装置机构参数优化设计,建立了相应的优化设计数学模型。通过构建精英蚂蚁种群及经验规则进行引导优化搜索过程,并结合单斗液压挖掘机设计实例进行优化。优化结果表明,该优化方法能够提高优化效率,可取得十分满意的优化结果。

改进精英蚁群算法在未知环境下的移动机器人路径规划

针对传统精英蚁群算法在移动机器人路径规划中易陷入局部最优的问题,通过改进最优路径信息素增加系数e的取值提升算法性能,使其跟随迭代周期的改变而不断自适应变化。首先利用栅格法对机器人感知的环境进行空间环境建模,明确移动规则;接着构建最优路径信息素增加系数e的数学模型并进行验证;最后对比不同规模地图环境的仿真实验,发现改进后的精英蚁群算法在寻找最优路径时有更好的收敛性、更快的运算速度、更优的平滑性。

基于改进精英蚁群算法的无人机三维航迹规划

针对三维地图中的无人机航迹规划问题,提出了一种基于改进精英蚁群算法的航迹规划算法。将算法中的状态转移策略与人工势场法进行融合设计,为障碍物和目标点分别设置斥力场和引力场,指导航迹搜索方向。添加约束条件限制,使航迹能实际可飞。随后当信息素更新时,设置双精英蚂蚁策略和混沌扰动,提高算法的全局搜索能力。引入视线算法减少航迹节点数,平滑航迹。仿真结果表明,搜索所得的无人机航迹均符合需求。

基于精英蚁群Q算法的中压配电网双Q规划模型

为了有效应用数字化技术提供的精细化地理与负荷信息,根据中压配电网的基本特点,将配电网中的元件抽象为图论中的节点和支路,以经济性和可靠性为目标,建立一种新型的大规模中压配电网双Q规划模型;将0-1变量编码方式转化为序列整数编码方式,降低模型求解的复杂度;提出精英蚁群Q算法,并利用该算法求解辐射状网架,根据最短路法和联络优先原则设置联络线,经过反复迭代得到闭环最优网架。广州某新建园区的算例结果验证了所提模型与算法的有效性。

改进引导因子的精英蚁群算法航迹规划研究

针对基本蚁群算法在无人机自主航迹规划过程中容易陷入局部最优解的不足,采用对引导因子进行改进的精英蚁群算法来研究二维空间环境下无人机的全局航迹规划问题。首先选择栅格法对空间进行划分,建立静态障碍物地图并构建启发因子;其次,通过加入改进引导因子的精英蚁群算法寻找到达目标点距离最短的航迹;最后通过仿真实验对比改进引导因子的精英蚁群算法与基本蚁群算法和最大最小蚁群算法搜索的航迹优劣。

基于精英蚁群算法的多目标生鲜配送路径优化研究

随着人们对于食品质量要求的提高，近年来绿色生鲜配送受到了社会的普遍关注．首先对配送过程中客户满意度、总成本、大气污染物和温室气体排放量三个目标进行了分析，接着建立了多目标配送路径优化模型，最后以最大化客户满意度作为主要目标利用精英蚁群算法进行求解，为生鲜配送基地提出的三个配送优化方案设计了最优配送路径．配送基地可根据自身发展选择合适的配送方案．结果也验证了模型的正确性和算法的可行性．

基于优化蚁群算法的机器人路径规划

路径规划是移动机器人设计中的关键环节,蚁群算法能高效解决路径规划问题,但它也存在一些弊端,如收敛速度慢、容易陷入局部最优解等.针对这些问题,本研究提出一种改进蚁群算法,在传统蚁群算法的基础上,改进状态转移规则,增加周围障碍物数量影响因子,令蚂蚁尽量避开障碍物;增加角度影响因子,使得蚂蚁行走的路径更加平滑;同时运用精英蚁群策略,来改进蚁群算法易陷入局部最优解的问题.仿真实验结果表明,该算法在多种环境下,都能找到最优路径,且有较快的收敛速度,本研究提出的优化蚁群算法具有一定的可靠性和高效性.

动态混沌蚁群系统及其在机器人路径规划中的应用

针对蚁群系统(ACS)解决机器人路径规划问题时种群多样性与收敛速度的不足,对蚁群系统引入动态混沌算子,从而平衡种群多样性和收敛速度之间的关系。动态混沌蚁群系统的核心是在传统蚁群系统引入Logistic混沌算子来增加种群多样性,从而提高解的质量。在迭代前期加入混沌算子,以调整路径中的全局信息素值,增加算法的种群多样性,从而避免算法陷入局域优化解;在后期则转为蚁群系统,来确保动态混沌蚁群系统的收敛速度。仿真结果表明,对于机器人路径规划问题,与蚁群系统相比,动态混沌蚁群系统具有更好的种群多样性、更高的解的质量和更快的收敛速度;与精英蚁群系统(EAS)和基于排序的蚂蚁系统(ASrank)相比,动态混沌蚁群系统能够平衡解的质量与收敛速度之间的关系,即使在复杂障碍物的环境下,动态混沌蚁群系统也能较好地找到最优解。动态混沌蚁群系统能够提升移动机器人路径规划中的效率。

改进蚁群算法在海洋信标回收中的应用

针对现有海洋信标的回收主要借助于经验或基于人工判断,导致浪费大量人力物力的问题,提出1种基于精英蚁群算法的信标回收方法:介绍蚁群算法模型,并在改进的精英蚁群算法基础上,根据航迹运动方程对航迹进行优化;然后通过实现航行器的自治或半自治的航迹规划,应用到海洋信标的回收中。实验结果表明:与传统算法相比,该算法具有路径短、收敛快、航迹平滑等优点,能有效指导航行器的定位,可以满足针对海洋信标回收的航迹规划的要求。

弱GPS环境下的智能车辆自主导航算法

针对城市环境GPS(global positioning system)易定位失效的问题,提出一种利用视觉位置识别的智能汽车自主导航算法.为了识别车辆在无GPS环境中的全局位置,通过注意力模型和细粒度特征提取模块得到图像中具有判别力的视觉特征,实现航拍图像与离线卫星图像的匹配检索.在获取车辆位置信息基础上,通过精英蚁群优化算法为车辆输出前方道路分支行驶的方向,进行全局路径规划.结果表明:细粒度特征提取模块提取更具判别力特征,利用标签平滑的交叉熵损失函数训练,实现了实际环境位置的有效识别,车辆可以利用所提算法在弱GPS环境中自主导航.

利用精英策略ST-ACO算法对UA-FLP的优化求解

针对制造业中常见的不等面积设施布局优化问题(UA-FLP),提出了一种精英策略蚁群优化算法(ACO)。该算法的主要特点是采用基于切片树(ST)的编码方法,将解分成三部分,即一只蚂蚁代表一个解,它有三部分的信息素;然后结合启发式信息,进行更新寻优,得到最小的物流费用;同时采用比较新颖的边界曲线(BC)回溯方法求出最小物流费用所对应的设施布局尺寸,并确定设施之间最优的输入、输出点(I、O)位置;最后,通过算例对比证明了该方法在解决中小规模实际问题中的有效性及相比于某些现存方法的优越性。

基于DAPF与EACO算法的无人机博弈策略

针对双方无人机之间的动态对抗博弈问题,提出了动态人工势场法(dynamic artificial potential field method,DAPF)和精英蚁群优化(elite ant colony optimization,EACO)算法相结合的求解方法。首先,采用动态人工势场法,以敌我双方无人机作为博弈的局中人,构建双方无人机动态对抗博弈模型。其次,提出精英蚁群算法,计算双方博弈的纳什均衡策略。该算法引入对立学习和划分精英蚂蚁加快算法收敛速度,并引入遗传算法中的变异操作以避免局部最优值的问题。最后,仿真验证了所提方法的可行性和有效性。

基于改进ACO-BP算法的弹药贮存可靠性评估

针对BP算法易陷入局部最优和收敛速度慢的问题,提出两种改进蚁群优化BP神经网络的可靠性评估算法(自适应蚁群优化BP神经网络评估算法和精英蚁群优化BP神经网络评估算法优化网络的初始配置;实验结果表明:两种智能模型都显著提高了BP网络的精度和稳定性,减少了网络的迭代次数;前一种算法在评估的精度和迭代次数方面优于后一种算法,而后一种算法比前一种算法更稳定。

企业货运铁路取送车作业智能优化方法

针对综合布局(同时具有放射状和树枝状)的企业货运铁路专用线的特点,提出了一种智能优化方法.该方法在建立取送作业模型的基础上,对问题进行分解,提出了两级优化策略,即先并行求解各车间内树枝状取送作业的子优化问题、再综合求解车间之间放射状取送作业优化问题.依据该优化策略,设计了一种融合遗传算法和蚁群算法的遗传精英蚁群优化算法(GAASelite)求解取送车作业优化问题.实验仿真结果证明,该方法能有效地优化铁路取送车作业问题.