增强目标启发信息蚁群算法的移动机器人路径规划

针对传统蚁群算法在前期搜索盲目性大、拐点多等问题,对蚁群算法进行以下改进。首先,为了增强目标位置的启发信息,引入距离增益系数,将目标位置对下一个待选栅格节点的影响进行放大;然后引入带有权重的距离启发因子,在状态转移概率中加入距离启发转移概率,使蚂蚁大概率向目标栅格搜索;其次,采用正弦自适应动态调整信息素挥发因子,增强算法的全局搜索能力;最后通过修改路径减少路径冗余,进行路径安全性检查并重新调整路径,减少转弯的次数,从而提高路线质量。通过MATLAB仿真实验表明,改进蚁群算法转弯次数少,规划路径短且安全,搜索时间较快,提高了算法的收敛速度和寻优能力。

求解TSP问题的改进融合遗传灰狼优化算法

针对灰狼优化算法(GWO)在求解旅行商问题(TSP)时,全局搜索能力差、稳定性差、易陷入局部最优等问题,提出一种改进融合遗传灰狼算法。在求解前期采用遗传算法筛选全局优秀个体,组成初始灰狼种群,后期引入距离启发因子,对灰狼算法进行改进,加强算法寻优能力,避免陷入局部最优,提高算法稳定性。基于TSPLIB算例库对改进后的算法与其它算法进行对比测试,仿真结果表明改进后的算法在求解旅行商问题时,其寻优能力强、收敛性、稳定性等方面都有提高。

动态路径规划中的改进蚁群算法

针对传统蚁群算法收敛速度慢、易陷入局部最优解的缺点,提出了改进距离启发因子以增加目标节点对下一节点的影响,从而提高全局搜索能力,避免陷于局部最优解,提高收敛速度;考虑真实环境的复杂多样性,引入多个路径质量约束来改进信息素更新规则。仿真实验结果显示,改进蚁群算法在动态路径规划中具有良好的效果。

复杂环境路径规划的改进蚁群算法

为了克服传统蚁群算法在路径规划中容易出现早熟收敛、陷入局部最优、算法运行慢等缺点,提高算法在路径规划中的性能,提出了改进蚁群算法的距离启发因子、权值系数动态调整的方法,并且利用模拟退火算法的思想,改进蚁群算法的信息素挥发系数。该算法通过这种改进可以避免出现早熟收敛和陷入局部最优,且可以提高算法的运行速度。利用改进的蚁群算法进行路径规划仿真,仿真结果表明,该算法是一种有效的路径规划算法。

智能汽车避障路径的智能水滴算法规划方法

为了提高汽车行驶的安全性,本文提出了基于改进智能水滴算法的汽车避障路径规划方法。分析了传统智能水滴算法原理和缺陷;对传统算法泥沙量进行了重新定义,在位置选择概率中引入了距离启发因子,对局部和全局泥沙量更新公式进行了改进,从而提出了改进智能水滴算法;经仿真验证,改进算法规划的路径具有路径短、耗时少、路径收敛性好等优点,且智能汽车遇到动静态障碍物时,智能水滴算法规划的路径符合汽车动力学要求,可以保证汽车安全稳定行驶。