基于信息素差异分布策略的路径规划蚁群改进算法

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题,提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离,对初始信息素不平均分配,使其呈正态分布,降低算法搜索初期的盲目性,加快最优解的搜索;其次改进挥发因子,采用双挥发因子原则,控制信息素的挥发,既降低局部最优的可能,又能加快收敛速度;对冗余路径作进一步优化处理,使得路径更优。仿真结果表明,本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快,收敛性更稳定。

网络搜索中的“死胡同”现象及蚁群改进算法

针对网络搜索时常会出现蚂蚁陷入所设置的禁忌表中,无路可寻的现象,提出了所谓"死胡同"现象并加以解决,给出了基于返回思想的改进蚁群算法。当蚂蚁走进了死胡同后,沿着原路返回,并寻找其他的路径绕过死胡同,继续向目标位置搜索,以提高蚂蚁寻找路径的成功率。对改进蚁群算法的参数进行了实验分析,并与其他三种算法进行了比较,仿真结果验证了本文所提出方法的有效性。

基于改进蚁群算法的外卖配送路径规划研究

从外卖配送员角度出发提出一种改进蚁群算法(Improved Ant Colony Optimization,IACO),在此基础上进行外卖配送路径规划研究.首先通过蚁群算法(Ant Colony Optimization,ACO)求解得到初始规划路径,然后通过大规模邻域搜索算法(Large Neighborhood Search,LNS)优化初始规划路径,通过将ACO和LNS算法结合,提高求解质量.为了验证方法的有效性,对外卖配送过程进行仿真,并且选用不同订单数量场景进行对照分析.根据最优配送方案路线图和目标罚函数的最优值可以得出,IACO算法是有效的,且可以提高外卖配送员外卖配送的效率.IACO算法不但能够提升配送的智能化水平,还从外卖配送员的角度提出一种更为人性化的配送方法,支持网络互联外卖平台派送系统的可持续化发展.

基于改进蚁群算法的无人机灾区航迹规划

针对传统蚁群算法用于无人机航迹规划时在大空间多维数转弯次数多、收敛速度慢甚至不收敛等问题,提出了一种改进蚁群算法。根据地图构建三维空间模型,采用对空间切片的方式来避免在寻优过程中跨越多个单元格;通过每一代最优路径来更新信息素以及引入距离启发量的策略,增强了算法的收敛性和效率,得出改进蚁群算法相对于传统蚁群算法和快速搜索随机树算法在搜索效率上分别提高了65.9%和18.1%,在平均转弯角度上分别减少了48%和61.2%,在航迹长度上比传统蚁群算法缩短了38.5%的结果。研究所提出的改进蚁群算法能为无人机救灾快速路径规划提供有效的解决方案。

基于改进蚁群算法的机器人全局路径规划

针对传统蚁群算法存在初始信息素缺乏、收敛速度慢以及无法有效躲避障碍物等问题,文中提出了一种基于改进蚁群算法的全局路径规划。引入正态分布函数改进传统启发函数,提高了算法效率,缩短了算法收敛所需时间。自适应调整信息素挥发系数,限定信息素范围,避免过早收敛。对算法路径平滑处理,缩短路径长度,从而实现机器人的全局路径规划。仿真结果表明,在20×20环境下,文中算法平均迭代次数比传统蚁群算法减少了28代,收敛速度更快。平均拐点减少了33.3%,使路径更为平滑,克服了初始信息素缺乏,加快了收敛速度,减少了拐点数量,能够有效躲避环境中的障碍物,证明了该算法的可行性。

基于AIS轨迹和改进蚁群算法的船舶航线规划方法

在保证船舶航线安全的前提下,以最短航程为目标,提出基于AIS轨迹和改进蚁群算法的船舶航线规划方法。对船舶AIS数据进行预处理,去除船舶AIS数据中的冗余数据,完成船舶AIS数据提纯;采用基于粒子群与K均值混合聚类算法的核心转向点筛选与识别方法,筛选并识别船舶AIS数据中船舶航线核心转向点数据;通过基于改进蚁群算法的航线规划方法,以核心转向点数据为基础,构建航线网络,在此网络中,通过人工势场法对蚁群算法进行改进,对船舶航线进行寻优,实现船舶航线规划。经实验验证,本文方法能够规划出安全合理的船舶航线。

基于改进蚁群算法的邮船舱室模块移运路径规划

针对大型邮船舱室模块运输过程中存在的移运路线长、路线混乱、舱室模块易与障碍物发生碰撞等问题,提出应用加入动态搜索模型的蚁群算法对邮船舱室模块进行路线规划,为运输舱室模块提供清晰、便捷的移运路线。对主竖区的障碍物进行分析,建立模拟实际工况的栅格地图,采用改进蚁群算法寻找移运路径。对不同位置所经过的栅格地图和蚁群数量进行动态调整。采用模拟退火算法寻找蚁群算法的参数。采用离散点分析确定移运路径的主、支通道。仿真试验结果表明,应用改进蚁群算法建立主、支通道进行舱室模块移运可有效提高舱室模块的运输效率。

基于细菌觅食-改进蚁群优化算法的水面无人船路径规划

为了解决水面无人船全局路径规划问题,提出了一种细菌觅食-改进蚁群优化算法(bacterial foraging-improved ant colony optimization algorithm,BF-IACOA)。相较于传统蚁群优化算法(ant colony optimization algorithm,ACOA),该算法在路径搜索策略上考虑水面无人船航行需要尽可能减少转向次数和完全规避过大转向角的约束,引入转向角启发因子,综合求解转移概率;同时引入细菌觅食算法的繁殖操作和趋化操作,改进信息素浓度的更新方式,解决传统ACOA容易陷入局部最优解和收敛速度较慢的问题。仿真结果表明,相较于传统ACOA,BF-IACOA的全局搜索能力得到较大幅度的提升,并且收敛迭代次数减少超过30%;在实际水域环境模型下,BF-IACOA可以通过14次迭代为无人船规划出全局可行路径。

基于改进蚁群算法的焊接机器人路径优化

针对传统蚁群算法(ACO)在焊接机器人路径规划的过程中收敛速度慢、易陷入局部最优解等问题,提出一种改进蚁群算法(DWAG)。DWAG在ACO基础上提出了基于动态权重策略以及排序因子策略的信息素更新方式,加快了算法在求解过程中的收敛速度;通过引入遗传算法中的交叉与变异操作,扩大了算法在求解过程中的搜索空间;最后以白车身后地板总成某工位对DWAG进行20次的仿真验证。仿真结果表明相比于ACO,DWAG的焊接路径更短、收敛速度更快同时求解问题时寻优性能的稳定性更佳。

基于改进蚁群算法的低碳冷链配送路径优化

针对目前冷链配送路径优化中存在的综合配送成本考虑不全面的问题,根据生鲜配送特点,综合考虑基本运输成本、碳排放、制冷、货损以及时间窗约束,建立以综合配送成本最小化为目标的路径优化模型。提出改进蚁群算法对该优化模型进行求解,在初始阶段使用遗传算法生成初期信息素分布,而后使用蚁群算法进行后续寻优搜索,再引入模拟退火算法的Metropolis准则筛选优质解。通过仿真实验验证了优化模型和改进算法的有效性,对低碳可持续发展理念下生鲜品冷链配送路径优化问题研究具有一定意义,助力冷链运输行业向低碳经济转型。

U型障碍物多方向多层填充的移动机器人改进蚁群算法

针对传统蚁群算法在移动机器人路径规划中典型的U型障碍物死锁问题,提出了一种U型障碍物多方向多层填充的改进蚁群算法。首先证明了路径规划的最优解不会进入U型障碍物之中;其次证明了运用此多方向多层填充法在填充U型障碍物解决死锁问题的同时,不会造成原有通路的阻塞,具有原通路保持性,且填充的迭代次数与迭代总时间少;之后对填充图形的迭代次数给出了理论性的判定,此填充方法不仅适用于U型障碍物还适用于其它可填充区域,且其对于可填充区域可实现完全填充;最后将此填充方法与蚁群算法结合。仿真结果表明,改进蚁群算法相比于传统蚁群算法有效率提升。

基于改进蚁群算法的算力灵活迁移优化算法

针对现有云计算环境下国网数据中心资源调度存在的调度效率低、能源消耗高等问题,文章提出了一种基于改进蚁群算法的算力灵活迁移优化算法。首先构建国网云数据中心的算力迁移模型,对数据中心的资源调度能耗进行建模。然后通过引入细菌觅食算法改进基本蚁群算法的信息素初始化,并重新设计了启发函数和信息素挥发因子。仿真实验结果表明,与现有模型相比,文章的算法能够求出更优的算力资源调度方案,在减小任务完成时间的同时降低了国网数据中心36.6%的能耗。

基于改进的蚁群算法的目标物流车辆路径优化

随着冷链物流发展,物流车的路径优化已逐渐显现在大众的视野中,但是运输成本与路径一直困扰着物流公司,针对此类情况,文中提出冷链物流车的路径优化。主要设计以下两个方面:通过建立冷链物流模型,从碳排放成本与车辆运输成本进行模型建立;通过改进的蚁群算法研究,引入最优最差蚁群算法与启发因子算法对其路径优化建立模型。通过传统蚁群算法的研究与改进后的蚁群算法可以缩短车辆行驶路径,改进后的蚁群算法可以提升收敛性,优化了车辆行驶路径。结果表明,基于改进的蚁群算法可以优化路线、降低运输成本,优于传统的蚁群算法路径优化,提高了公司运输效率。

基于改进蚁群算法的植保无人机路径规划

针对传统蚁群算法在含障碍植保无人机路径规划中存在的易早熟、易陷入局部最优的问题,提出了一种改进蚁群算法。为降低算法陷入局部最优的概率,对启发因子进行了改进,在路径搜索的后阶段把利用贪心算法求得的从当前点到终点的距离作为新的启发因子。为提高算法的全局搜索能力,对挥发系数进行了自适应改进。采用最大最小蚁群策略对信息素浓度进行限制,避免算法早熟。仿真结果表明在复杂的作业环境下,改进蚁群算法的性能更好,具有更强的路径寻优能力。

基于多策略改进蚁群算法的机器人路径规划

针对传统蚁群算法初期容易盲目搜索,收敛速度慢,全局性不强,搜索路径安全性不足等问题,提出了一种改进蚁群算法。通过全局变量改进启发函数,使算法不容易陷入局部最优;用椭圆几何法构造数学模型,来重新分配初始信息素,使算法初期不会盲目搜索;提出自适应有界的信息素迭代方式,增强收敛速度。除距离最优,时间最优外,提出安全最优的邻接矩阵改造方法,避免机器人移动中的磕碰现象。仿真结果表明,改进后算法收敛速度提高,迭代次数减少,初期搜索效率加强,规划路径避开所有障碍物顶点,验证了算法的有效性,优越性和安全性。

基于改进蚁群算法的农田水利灌区水管路径规划方法

常规的农田水利灌区水管路径规划方法以规避障碍物为主,水管布置节点分布较为分散,导致水管长度增加,降低了水管规划的经济效益。因此,设计了基于改进蚁群算法的农田水利灌区水管路径规划方法。测算农田水利灌区供水成本,将水管供水人工成本、公用费用考虑在内,为水管路径规划提供经济性决策条件。基于改进蚁群算法规划农田水利灌区水管最短路径,将农田水利灌区水管的规划路径降到最低,避免灌水水资源的浪费,最大程度优化灌区水管路径规划的经济性。采用对比实验,验证了该方法的经济效益更高,能够应用于实际生活中。

基于改进蚁群算法的给水管网优化设计方法研究

给水管网优化设计中的目标函数具有多峰性和非线性,传统优化算法易陷入局部最优解,因此,本文研究基于改进蚁群算法的给水管网优化设计方法。通过给水管网的水力计算获取管网节点水压数据,引入自适应惩罚函数,将节点水压计算得来的惩罚成本加入经济性目标函数,形成给水管网优化设计的经济性模型,采用二进制编码改进蚁群算法后寻找模型最优解,完成给水管网的优化设计。采用设计方法对给水管网进行优化,可以在确保管网全部节点安全稳定供水的同时,获得更优的造价方案。

基于改进蚁群算法的低碳冷链配送路径优化研究

本文研究了冷链物流的优化问题,这是一项系统工程,旨在确保易腐产品在整个加工、储存、运输等环节维持低温状态,以保质减损。考虑到冷链物流产品的特性,本文建立了多目标函数模型,综合考虑了运输距离、配送时间、变质风险、运输成本、制冷成本、碳排放成本及时间窗惩罚成本,并对蚁群算法进行改进,引入轮盘赌法和遗传算法的选择算子,以提高种群多样性和优化解的质量。通过MATLAB软件的仿真对比表明,改进的蚁群算法在有效性和降低配送成本方面优于传统蚁群算法和遗传算法。本研究仅供参考。

基于改进蚁群算法的复杂电网继电保护自动整定方法

针对应用传统方法整定后动作延时较大的问题,提出基于改进蚁群算法的复杂电网继电保护自动整定方法。将复杂电网继电保护整定问题转化为非线性整数规划问题,构建一个以反时限过流保护动作时间最小为目标的自动整定模型,采用自适应思想改进蚁群算法后形成自适应最大最小蚁群算法,求解模型得到最佳整定方案。结果表明,应用设计方法后继电保护整定动作时间为0.464 s,电网可以快速恢复正常运行状态。

基于改进蚁群算法的工业互联网隐私数据分析方法

目前,工业互联网隐私数据分析特征匹配一般为周期对比,对隐私数据的分析精准度存在一定影响,导致数据分析效率优化比下降。对此,文章提出了基于改进蚁群算法的工业互联网隐私数据分析方法。该方法可根据当前的分析需求进行数据采集,并采用自适应的方式实现隐私数据特征自适应匹配。同时,文章设计了改进蚁群算法工业互联网隐私数据分析模型,采用交叉比对核验实现了数据分析。测试结果表明,针对预设的3个周期,按照顺序导入辅助隐私数据包以分析互联网中的隐私数据,最终得出的数据分析效率优化比均可以达到2.5以上,说明此次结合改进蚁群算法设计的隐私数据分析方法具有高效性、强针对性,在实际应用时其创新性与可靠性将显著提升。