一种基于自适应信息素蒸发系数的WSN蚁群路由算法

目前无线传感器网络中存在的蚁群环路现象和网络节点能量分布不均衡等问题,容易导致节点过早休眠、网络生存周期短。以现有蚁群算法为基础,重构蚂蚁数据包包头结构,在前向蚂蚁数据包中增加数据包序列号、数据包源地址、数据包途径节点数目、途径中继节点消耗的全部能量、路径长度和数据包生存时间,在后向蚂蚁数据包中增加数据包初始能量和平均剩余能量等数据;重新设计信息素更新公式,引入自适应信息素蒸发系数,将路由跳数修正为多跳消耗的能量值,提高信息素更新公式的准确性,使网络中各节点的能量消耗更均衡;改进信息素增量公式,将数据包访问过的节点数重新定义为节点能量损耗函数,在信息素更新公式中,通过修正节点能量损耗函数,可以真实有效地反映出真实的节点能量损耗,提高信息素增量的精确度。通过仿真实验对比,结果表明:改进算法最短寻优路径缩短了5.7%,网络中节点死亡数均小于其他两种对比算法。改进算法可以有效削弱蚂蚁环路效应,提高算法收敛速度,平衡网络节点能量,延长网络寿命。

基于改进蚁群算法的自动落布车路径规划

针对自动落布车在使用蚁群算法(ant colony algorithm,ACA)进行路径规划过程中出现的收敛次数多、收敛速度较慢且容易陷入局部最优的问题,提出一种改进蚁群算法(improved ant colony algorithm,IACA)。首先对信息素挥发系数ρ进行自适应调整,令其做动态变化,克服算法的收敛次数过多,加快算法收敛速度,减少算法的收敛时间;其次引入细菌觅食算法中趋化操作的趋化步长因子对信息素更新公式进行改进,削减算法迭代的后期信息素浓度值,使算法在后期跳出局部最优值,提高算法全局搜索能力。利用MATLAB将改进后的算法在3种不同的栅格环境中进行仿真验证。结果表明:相比传统蚁群算法,改进后的算法收敛次数减少81.1%,最小路径长度减少6.3%,收敛时间减少20.7%。最后搭建ROS小车实验平台,利用ROS机器人系统对改进蚁群算法在模拟的织布车间环境中进行实验验证。结果表明:对比传统蚁群算法,改进蚁群算法在寻优时间上减少了8.6%。

改进蚁群算法在含DG配电系统可靠性评估应用

分布式电源(Distributed Generation,DG)接入配电网,使得网络的拓扑结构复杂性增加.使用最小路法能较好的分析此状态下的配电网,并且其计及了分支线保护等三方面的影响,能够处理有无备用电源和有无备用变压器的情况.在传统蚁群算法的基础之上通过使用轮盘赌与自适应信息素挥发系数对其进行改进,改进后的的蚁群算法收敛性大大提高,并通过Matlab验证了IEEE RBTS Bus6系统F4的主馈线可靠性,结果表明该方法能很好的反映DG对配电网的供电可靠性影响,并且能快速分析配电网的拓扑结构,具有很强的实用性.

基于改进蚁群算法的机器人路径规划问题研究

针对基本蚁群算法在处理障碍环境下机器人路径规划问题时表现出的多样性不足及寻优能力弱等缺陷,提出自适应蚁群算法,通过引入自适应信息素挥发系数,动态地改变算法在迭代不同时期的算法多样性,在迭代前期提高寻优能力;在迭代中后期,提高算法收敛速度。通过对基本蚁群算法和改进蚁群算法的仿真结果分析可知,改进后算法的最优路径长度得到有效降低,收敛速度更快,获得一条无碰撞的路径,保证了机器人路径的安全性,提高了算法的多样性及寻优能力。