动态SHO-ACO的焊接机器人路径规划

移动焊接机器人在户外进行路径规划时的高效性和安全性尤为重要。针对蚁群算法(ACO)信息素以总长度为单个影响因子的缺陷,加入转向次数要素,建立环境适应度函数,从而改进轨迹上信息素增值状况;针对基本蚁群收敛速度慢的问题,借鉴自私羊群算法(SHO)的空间因素,改进启发函数;针对局部最优问题,将SHO的吸引力函数融入信息素变化中再结合环境适应度函数,动态指引蚁群朝向更加优良的轨迹前行;而且针对停滞僵局问题,提出撤离行动与预警行动,确保蚂蚁探路效率;针对传统轮转方法随机性问题,提出了评判拐弯机制以在有目的选择下一节点的同时,计算路径距离方法,降低了算法的复杂程度。SHO-ACO与势场蚁群和传统蚁群算法进行仿真对比实验,结果表明,SHO-ACO在简单环境与复杂环境中均具有优越性。

北京地区主要河道洪水及输沙量预报研究

为构建北京地区主要河道洪水和输沙量的预测模型,文章基于白河、北运河、拒马河3条河道的长序列实测径流及输沙量数据,以双向长短期记忆神经网络模型(BiLSTM)为基础,分别采用羊群优化算法(SFMO)、鸽群优化算法(PIO)、灰狼优化算法(GWO),构建河道水沙含量最优估算模型,结果表明:SFMO-BiLSTM模型在所有模型中精度最高,可推荐用于估算河道水沙量。