基于交通方向的较优路径选路算法

Dijkstra算法是计算最短路径的典型算法,它能得出最短路径的最优解,但因为遍历计算的节点很多,所以效率低下。针对此局限性,提出一种基于方向判别的较优路径选择算法。该算法利用交通网络的方向特性,能够快速收敛找到较优路径,提高选路算法的性能。引入偏差率和吻合率等概念来描述算法,对其设计与实现过程进行详细的阐述,并利用MATLAB进行仿真实验。实验结果表明该算法在性能上优于Dijkstra算法,尽管得出的路径不一定是最优路径,会存在偏差,然而这些偏差是可以容忍的,不会影响算法的价值。

蚁群优化算法的无人机室内航迹规划

由于室内无人机导航较为复杂,针对现有的传统(基本)蚁群算法存在早期盲目搜索、易陷入局部最优和收敛速度慢等问题,探索一种高效、准确的航迹规划方法意义重大。为提高收敛速度使其避免陷入局部最优等算法缺陷,提出一种改进蚁群算法的室内无人机三维航迹规划方法,该方法设计初始信息素的调节因子,增强蚁群搜索的方向性;设计启发概率函数,改进状态转移规则,有效提高蚁群可见性精度;改进算法的信息素更新方式,增加信息素挥发率的动态调整策略,提高算法的收敛速度,扩大搜索空间,有效避免其陷入局部最优。通过仿真实验进行算法适应性验证,结果表明:改进蚁群算法有效提高全局搜索能力,减少收敛迭代次数,得到的最优路径长度比传统蚁群算法平均缩短38.6%,平均用时减少3.8%,显著提高蚁群优化算法的适应性,体现出在特定应用场景下的优越性。