基于记忆模拟退火算法的扫地机器人遍历路径规划

论文聚焦于解决扫地机器人在执行作业时的路径规划问题,采用了一种新的遍历算法,将改进的模拟退火算法和蚁群算法结合。通过采用记忆模拟退火算法,确定了遍历分区的最佳顺序,并进一步利用蚁群算法将这些分区有效地连接在一起。研究结果表明,经过改进的算法在规划遍历子区域中心基点的路径时表现出显著的优越性,其路径长度相较于传统模拟退火算法减少了8.87%;扫地机器人对路径遍历的覆盖率能达到100%,并将路径遍历的重复率降低至8%左右。和传统模拟退火算法相比,改进模拟退火算法新增了记忆器,使其更容易跳出局部最优,改善了解的质量,大大提升了扫地机器人的作业效率。

基于记忆模拟退火和A^*算法的农业机器人遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A^*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。

基于记忆模拟退火与粒子群的多点小孔泄漏信号盲分离方法

为了减少环境噪声及其多点泄漏信号的相互影响,提高管道泄漏定位精度,提出一种盲源分离算法,即基于记忆模拟退火与粒子群(Memory Simulated Annealing and Particle Swarm Optimization,MSAPSO)的盲源分离算法。将嵌入记忆器的模拟退火算法与粒子群算法引入盲源分离算法中,结合概率突跳性在解空间中随机寻找极大似然目标函数,通过循环迭代得出全局最优,改善迂回搜索方式,提高收敛速度与分离精度。并将MSAPSO盲源分离算法应用于城市压力管道多点小孔泄漏定位实验,结果表明:改进的MSAPSO盲源分离算法,将管道多点泄漏定位平均误差从7.7%降到3.3%。

基于有记忆的模拟退火算法的配电网电容器优化配置

给出一种求解组合优化问题的全局搜索算法———有记忆的模拟退火算法解决放射性配电网中电容器的优化配置问题。该算法获得全局最优解的几率大大高于单纯的模拟退火算法,且计算时间上几乎没有增加。通过一种较为精确的计算方法———阻抗矩阵法求解网损微增率,从而确定无功补偿的最优点。潮流计算采用前推回代法。应用于IEEE69和IEEE33母线系统获得了满意的结果。

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.

人大代表直接选举选区划分模型及其算法

考虑人大代表直接选区划分的4点约束:区域完整性、选区连通性、人口均等性、选区大小及选举费用,建立一个服从多项约束的0-1非线性规划模型.用有记忆的模拟退火算法求解该问题,自动实现公正无偏的选区划分.

随机相位加密中相息图的优化

采用有记忆的模拟退火法对双随机相位加密中的相息图进行优化设计,并应用本方法对指纹像进行了模拟实验。实验结果表明,运用该方法,在不增大设计冗余度的情况下,可进一步降低相息图的量化带来的误差,使解密图像的质量得到进一步提高。