A^(*)-IACO:一种新的火灾疏散路径规划算法

在复杂的建筑物中,传统火灾疏散系统无法实时改变逃生方向,有时误导人们到危险区域。为了解决这一问题,提出了一种结合A^(*)算法和改进蚁群算法的A^(*)-IACO算法。A^(*)-IACO算法引入了新的启发式函数来削弱启发式值对路径规划的影响,并利用改进的信息素增量和信息素范围克服算法的局部最优问题,同时使用信息素分段规则避免算法在搜索过程中出现停滞现象,提高算法在火灾情况下的路径规划能力。此外,该算法采用混合控制策略进一步提高求解精度。结果表明,A^(*)-IACO算法在不同的火灾环境下均获得了最短且拐点最少的最优路径和最高的收敛精度。在火灾环境4中,A^(*)-IACO算法不论在路径选择还是迭代次数上均优于ACO和IACO,展示了优秀的路径规划能力。

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。

自由运动方向下改进蚁群算法的AUV路径规划

针对水下航行器(AUV)因在水下的运动姿态调整能力有限,而导致路径规划与实际运行状况存在差距的问题,提出了一种自由运动方向的蚁群算法来进行路径规划,同时为提高算法收敛速度,提出基于信息素初始布置的改进蚁群算法。该算法设置了AUV在水下合理的转向角,并在此限制下自由选择运动方向;同时,采用有利前进方向判断和可视图法对人工势场法进行改进,规划出初始路径为改进蚁群算法进行信息素初始布置。仿真结果表明:改进的蚁群算法能有效缩短路径长度,并且能够适应复杂的动态环境。

水库群供水调度预警系统研究及应用

针对水库供水调度的实时性和不确定性,通过分析入库径流超越机率,以缺水率最小为目标函数,建立水库群供水调度模型,并应用基于免疫进化的蚁群算法对模型进行求解,绘制水库群供水调度操作规线;应用模糊数学、信息熵等原理,确定现状水库供水指标D、未来供水水情指标S以及水库供水预警指标和应变措施,建立了水库群供水调度预警系统。实例计算表明,本文建立的水库供水预警系统能够合理、有效地为调度操作人员提供正确、及时的决策。

水库群实时供水优化调度研究

在充分考虑水库群供水调度的实时性、不确定性的基础上,建立了实时供水优化调度模型,该模型包括中长期供需水预测、中长期水库供水优化调度、实时供需水预测、短期优化调度和实时调度修正5个模块,实现了宏观总控、长短嵌套、实时决策、滚动修正的水库群供水调度。实例计算结果表明,该模型能满足水库供水实时调度运行的需要,调度结果合理、可靠。

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。

单船岸桥分配与调度集成优化模型

针对集装箱码头泊位确定条件下的单船岸桥(QC)分配和调度问题,建立了线性规划模型。模型以船舶在泊作业时间最短为目标,考虑多岸桥作业过程中的干扰等待时间与岸桥间的作业量均衡,并设计了嵌入解空间切割策略的改进蚁群优化(IACO)算法进行模型求解。实验结果表明:与可用岸桥全部投放使用的方法相比,所提模型与算法求得结果平均能够节省31.86%的岸桥资源;IACO算法与Lingo求得的结果相比,船舶在泊作业时间的平均偏差仅为5.23%,但CPU处理时间平均降低了78.7%,表明了所提模型与算法的可行性和有效性。

基于改进蚁群算法的专用输电工程电气设备优化选型

针对专用输电工程的建设现状,采用优化方法选择输电工程的主要电气设备如高压断路器、输电线路、变压器等,建立考虑一次性投资、年运行维护费用和停电损失费用的优化模型,并利用优化模型从众多符合技术参数要求的电气设备中选择成本效益最大化的投资方案,该方案兼顾经济性与可靠性,使得年综合运行费用最低.然后采用蚁群算法求解,针对该算法寻优较慢的缺点,利用改进的邻域蚂蚁"标兵"学习算法进行寻优,最后通过对居民专用输电工程算例的计算与分析,表明该模型和算法的有效性.

Buffer allocation method of serial production lines based on improved ant colony optimization algorithm

Buffer influences the performance of production lines greatly.To solve the buffer allocation problem(BAP) in serial production lines with unreliable machines effectively,an optimization method is proposed based on an improved ant colony optimization(IACO) algorithm.Firstly,a problem domain describing buffer allocation is structured.Then a mathematical programming model is established with an objective of maximizing throughput rate of the production line.On the basis of the descriptions mentioned above,combining with a two-opt strategy and an acceptance probability rule,an IACO algorithm is built to solve the BAP.Finally,the simulation experiments are designed to evaluate the proposed algorithm.The results indicate that the IACO algorithm is valid and practical.

改进蚁群算法对TSK-FLS的参数设计

模糊逻辑系统(FLS)是被证实行之有效的估计器,有其他系统不可比拟的优越性,但存在着参数选取以及规则数等难以获取的缺点。蚁群算法(ACO)是一种基于局部更新信息素搜索寻优的策略,在此算法基础上改进全局信息素更新设计改进蚁群算法(IACO)。它不仅继承蚁群算法可以解决随机择路的复杂优化问题,同时克服候选解随机搜索空间大,反复迭代效率低的缺点。将此改进的优化蚁群算法用于TSK-FLS的参数调整和规则筛选,设计一种智能优化的模糊逻辑系统,并将改进蚁群算法优化后的模糊逻辑系统应用于国际油价预测。通过数值预测仿真结果以及对比结果可以看出,该改进算法在TSK-FLS的参数设计的有效性和可靠性,并缩小了传统蚁群算法的搜索空间并提高计算效率。