基于Pareto蚁群算法的双目标路径规划研究

针对复杂建筑环境人员应急疏散单一路径不能满足火灾环境变化需求的问题,基于改进蚁群算法,结合Pareto双目标解集思想,提出一种组合优化解集的双目标蚁群算法,通过排序优化的思想,实现人员多路径动态疏散规划。在构造Pareto解集的阶段协同考虑疏散路径长度以及火灾风险程度2个优化目标,计算各个解之间的支配关系。利用排序优化蚁群算法的正反馈机制将各组解的信息素按一定比例作为最优路径信息素的积累,加快解集的寻找。最后将其与传统双目标蚁群算法相比较,结果表明:优化后的双目标算法更加适合复杂建筑人员疏散路径规划问题,在寻找多组满足要求解的同时展示目标之间的利弊关系,供决策者选择合适的路径,提高疏散效率。

基于避障寻优改进蚁群算法的机器人路径规划

针对蚁群算法在处理路径规划过程中存在收敛速度慢,规划路径冗余等问题,提出了一种基于避障信息和快速寻优策略的改进蚁群算法。为了改善蚁群的首次搜索效率和精度,引入切比雪夫距离改进距离启发函数,在转移概率中增加目标点对机器人的引导作用;采用自适应转移概率调整路径规划过程中节点的选择方式,并根据节点周围的障碍物分布设置初始信息素,使得蚂蚁首次生成有效路径的比率从60%提高至92%;同时删除生成路径的垃圾信息,提高最优路径节点的信息素浓度,平衡了蚁群的局部和全局搜索能力,加快了最优路径的速度;通过平滑生成的路径,减少机器人转弯次数,缩短了路径距离。选择SSA、ACO、IACO、I-ACO等算法在3种栅格环境上进行性能测试。结果表明,改进的蚁群算法路径寻优上优于其他算法。

500kV超高压变电站安全巡视路径自动化寻优研究

变电站安全巡视路径的拐点较多、定位技术存在差异、避障效果较差,直接造成了最优路径长度过长的问题。对此,提出基于机器视觉的500 kV超高压变电站安全巡视路径自动化寻优方法。通过背景差法检测500 kV超高压变电站的场景信息,构建安全巡视环境模型。以机器视觉原理为基础,创新性地结合Hessian矩阵设计巡视机器人定位技术。根据安全巡视机器人当前定位信息,采用机器视觉和人机交互的模式,获取初始变电站安全巡视路径。建立以最短路径长度为目标的寻优目标函数,利用粒子群优化(PSO)算法自动求解出最优巡视路径。仿真试验结果表明:搜索最优路径得以缩短。该研究保证了安全巡视过程的完整性和智能化。

人工蜂群算法及其在路径寻优问题上的应用

针对多旋翼无人机路径寻优问题,结合人工蜂群算法的特点,提出一种改进的人工蜂群算法,根据飞行原理,建立飞行环境矢量化模型,并对其飞行过程的相关约束条件综合分析,结合路径规划的目的与要求构建出路径规划的目标函数模型,利用人工蜂群算法结构清晰、自适应能力强等特点,实现多旋翼无人机路径规划算法,并结合相关寻优手段对算法进行改进,以增强算法的寻优能力。

基于蚁群算法的物资运送小车路径规划研究

针对路径规划蚁群算法的盲目性、收敛速度慢、路径较长和路径折点多等问题,提出了一种改进蚁群路径规划算法。首先通过改进启发信息的数学模型,限制轮盘赌在8个方向的选择概率,降低迭代次数;然后建立自适应更新影响因子,通过实时监测目标点位置,进一步提高路径的选择方式和算法的鲁棒性;最后通过路径二次寻优,对改进蚁群路径规划算法形成的最优路径进一步消除冗余节点,在已知最优路径进一步寻优,从而提高路径平滑度、减少路径折点,以及缩短路径长度,提高物资运送小车的使用效率。通过栅格环境地图中障碍物不同占比的仿真试验,验证了所提出的改进蚁群算法的迭代速率更快、寻优能力更强、鲁棒性更好和路径更短。

基于RRT算法的逆正向寻优路径规划

快速扩展随机树(RRT)是一种基于全概率采样的算法,由于无需对地图作预处理、搜索迅速等优点被广泛用于路径规划,但是也存在搜索效率低、全局规划路径不最优、路径不平滑等问题。其中,实现搜索路径全局寻优是当今路径规划算法的研究热点。文章提出一种改进的RRT算法,对原始RRT算法规划路径先后进行逆向和正向路径寻优,通过多地形图的仿真实验验证该算法的有效性和可靠性。实验结果表明,改进算法可以减少路径规划的长度和节点数,避免规划路径陷入局部最优,实现规划路径的全局优化,且规划路径的平滑性也较好。

计及FCSNPS路径寻优的综合能源系统优化调度策略

综合能源系统包含的设备和负荷类型众多。为提高能源设备之间的耦合程度,更好地从多条供能路径中确定最优的供能方式,文章提出一种计及模糊有色脉冲神经膜系统(fuzzy colored spiking neural P systems,FCSNPS)路径寻优的综合能源系统优化调度策略,探究其在不同运行条件下的优劣状况。首先,基于电-热-冷-气的多能流耦合模型,建立以运维成本最优为目标的调度函数,然后,将所建模型与FCSNPS相结合提出一种新颖的路径寻优推理模型(RIES-FCSNPS模型),最后,结合分时电价利用混合整数规划软件对所建系统的运行模型进行调度。仿真实验结果表明,计及FCSNPS路径寻优的综合能源系统调度策略不仅可以清晰地描述供能路径信息,还能评估不同运行方式下的整体效益。

基于交通预测信息的电动汽车充电路径规划

针对电动汽车充电路径规划问题,以行程时间为优化目标,以荷电状态作为硬性约束,基于预测交通状态标定的动态异构交通网及车辆动力学模型,构建最优控制问题。为了在线求解,基于模型预测控制和强化学习方法,构建混合学习优化算法(hybrid learning optimization algorithm, HLOA),依托竞争深度Q网络(Dueling deep Q-networks, Dueling DQN),设计离线、在线模块,来实现参数的混合多步训练,并结合预测交通状态、网络拓扑及车辆动力学模型,输出在线行驶策略。采用某市局部路网构建交通仿真实验,分析预测交通信息的价值、HLOA算法可行性及结构必要性。结果表明,预测信息存在价值,HLOA在线结果可拟合最优策略且较其他算法精度提高33.65%。该研究可协助电动汽车用户导航,为自动驾驶电动汽车提供技术支撑。

基于CLGWO的无人机三维路径规划研究

目前,无人机三维路径规划能力欠缺,常用的灰狼优化算法存在搜索速度较慢、易陷入局部最优解的问题。鉴于此,研究引入反向学习策略改进灰狼优化算法,旨在提升无人机三维路径规划能力。结果表明:研究方法在多峰函数F_(1)到F_(4)的性能测试中,分别在迭代次数200、100、200、50达到最优值。在简单的环境中,研究方法展示的性能最优,最优路径长度992 m,平均迭代次数281,平均运行时间8.11 s;在复杂的环境中,最优路径长度1003 m,平均迭代次数312,平均运行时间12.37 s。由此可见,研究所改进的三维路径规划算法具有较好的路径寻优能力,将该方法应用于无人机航拍领域中能够更快更好地搜索最优路径,从而顺利完成各类搜索任务。

基于城市道路网的快速路径寻优算法

从城市道路网的特点出发，描述了矢量化的城市道路网的存储结构，提出一种求解城市道路网两节点间最短路径的算法。算法基于双向式搜索原理，采用投影法、夹角最小的方法及二叉树理论。和Dijkstra算法相比，算法大大减小搜索空间，提高搜索速度，时间复杂性不超过O(N)，N为网络节点数。实际应用表明算法有很强的实用性和可靠性。

GIS路径寻优的方向优先搜索法

针对地理信息系统中特定的两点路径寻优问题,提出一种方向优先的快速搜索算法。该算法在路径搜索过程中,首先搜索与前进方向更加接近的方向,可以在搜索的早期找到最短路径,从而在以后的搜索中剪去更多的节点和分支,提高最优路径的搜索速度。

多目标网络相异路径的Pareto解及其遗传算法

网络相异路径一般是多目标约束路径问题,具有重要应用价值.然而,由于问题的难解性,总是利用妥协思想将其转换为单目标问题求解.本文建立了双目标相异路径的一种优化模型,给出了模型求解过程中伪理想点的概念,提出了基于小生境共享竞争复制算子的遗传算法,该算法可求解多目标优化问题的 Pareto 解集.最后,给出了一个计算分析实例.

蚁群算法在全局最优路径寻优中的应用

移动机器人路径规划是机器人学的一个重要研究领域。针对移动场地的特点对其进行了建模与存储,然后将场地处理成简单的连通图,在此基础上对TSP模型进行了改进以应用到机器人全局最优路径中来,然后利用蚁群算法的基本原理在所建立的模型上进行全局最优路径搜索。为了更好的寻找到全局最优路径,对基本蚁群算法也做了一定的改进。不同的实验结果表明这种方法的确可以准确地找出全局最优路径。

分段路径寻优算法研究及实现

传统的路径寻优只考虑了起点和终点,不能满足一些用户的实际需求;研究了一类带有必经节点序列和避开节点序列的路径寻优问题。首先将必经节点序列进行有序调整,然后根据避开节点序列和调整后的必经节点序列进行分段路径寻优,最后生成满足用户要求的最短路径。将其应用到面向手机用户的路径诱导业务中,取得了良好的效果。

基于先验知识的GIS路径寻优算法

针对地理信息系统中特定的两点路径寻优问题,提出了一种基于先验知识的快速搜索算法。该算法模拟人脑寻找路径的思维过程,首先针对实际问题建立先验知识库,在路径搜索过程中,利用知识库中的信息剪去不可能的搜索路径,构造出简化的查询树,从而大大提高最优路径的搜索速度。

基于矢量地图的路径寻优算法

文章介绍一种基于矢量地图的最优路径搜索算法。首先描述矢量地图库的存储结构，然后提出针对这种特定存储结构的最短路径搜索算法， 并对算法的收敛性加以讨论。算法采用启发式代价树的广度优先搜索法， 其设计思想对于其它类型存储结构的矢量图的路径寻优问题仍有意义。本算法在合肥、厦门等城市的矢量化电子地图的基础上成功实现。

基于改进蚁群算法的农网送电线路设计路径寻优

送电线路的路径选择是线路设计中的重要环节,直接影响工程总造价及运行可靠性。该文针对送电线路选择路径的特点,建立全局最优路径的搜索模型,形成简单的连通图,并对基本蚁群算法的选择策略及信息素更新进行改进,同时考虑了地质状况、水文情况及林带征地等对线路路径选择的影响,最后利用改进的算法直接在模型上进行全局最优路径搜索。仿真结果表明,此方法可以准确地搜索到送电线路的全局最优路径。

基于路径和节点权重因子的黑启动路径寻优新方法

现有黑启动路径寻优方法运用不同指标表征电网输电线路或节点重要性,但所采用的指标尚不完备。文中提出了基于路径和节点权重因子的黑启动路径寻优新方法,通过计算路径和节点权重因子等指标定量评判路径和节点的重要性,考虑了影响路径和节点重要性的各种因素以提高指标的完备性。基于关联权重因子的计算和比较,完成恢复路径的辨识,实现黑启动路径的优化。将电网恢复过程划分为系统启动、网架形成前、主网架恢复和辐射恢复等阶段,建立相应的路径寻优模型以满足不同阶段的恢复需求。最后,运用所提出的方法并结合电网恢复策略,为实际电网建立黑启动路径。

城市突发事件下的应急物资配送路径寻优

针对城市突发事件环境下的应急物资配送车辆行驶路径寻优问题,分析城市道路拥堵状况对于救援车辆行驶速度的影响。以车辆到达待救点的时间和行驶成本最少为目标,构建双层规划路径寻优模型。为提高全局搜索和局部寻优能力,采用一种改进的两阶段式萤火虫算法。算例结果表明所提出的模型和算法可有效解决城市突发事件下的应急物资配送问题。

基于不精确信息的Pareto最优路径搜索

将不精确状态信息下两可加约束优化路径搜索问题,建模为最大概率两可加约束路径(MP-TACP)问题,并首次提出了解决MP-TACP问题的算法MP-POC。MP-POC采用了预计算与在线计算相结合的方式,既使得算法有较快的响应速度,又能够减小不精确状态信息对算法性能的影响。MP-POC定义了连接界及方差界,并利用这些界信息以及启发式前瞻信息,使得算法具有较小的平均计算代价。另外,MP-POC在搜索可行路径时,只搜索Pareto最优路径,在不影响解的质量同时,极大地减小了搜索空间。大量仿真实验表明,在不精确状态信息下,MP-POC不但具有高的找到可行路径的成功率,而且响应速度比当前在线算法快得多。