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。

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。

面向工业机器人多目标处理的变异蜂群路径寻优算法

针对工业机器人多目标处理路径寻优问题,将问题中的路径点代入运动学模型计算,提出了考虑路径点间机器人运动轨迹优化的路径寻优算法。算法在人工蜂群算法的基础上,采用了兼顾局部与全局的离散化解空间搜索方案,并引入了动态变异邻域搜索策略,在大规模问题中能取得较好的求解效果。为验证该算法的性能,结合生产实例数据进行仿真测试,与其他启发式算法作性能对比,结果证明了算法在大规模问题上具备高质量解与高求解效率的优势。

基于混合蚁群算法的无人化农机路径寻优研究

针对智慧农业中复杂环境下无人化农机路径规划寻优过程中存在的迭代速度慢、路径安全性较低等问题,融合人工势场、量子行为以及基于B样条的平滑策略提出了混合蚁群算法。该方法在迭代初期引入人工势场法,以解决迭代速度慢问题以及实现全局最优平衡;在路径寻优的中期加入量子行为优化信息密度阈值,改进算法状态选择概率,避免算法陷入局部最优,以提高获取优质解的能力;在迭代后期融合基于B样条的平滑策略,优化最优路径,提高无人化农机避障能力。仿真试验结果表明,基于混合蚁群算法的无人化农机在复杂环境作业时,路径寻优能力得到有效提升,路径优化响应速度提升了73倍,路径优化后距离缩短超过11.8%。

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。

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。

动态随机状态下的车辆导航及其路径寻优算法

通过对交通系统随机特性的分析 ,提出了一种较为符合实际情况的动态随机状态车辆导航新概念。据此 。

应急救援车辆路径寻优——基于多目标改进蚁群算法

论文研究多目标应急救援的单一起点与终点的车辆路径问题。在对问题的基本情况描述以后,以救援路线长度和时间长度最短为目标,建立多目标应急救援车辆路径寻优模型。以蚂蚁搜索前决策作为解决多目标问题的方法,在算法处理时遵循路径最短原则,以此为依据寻找最短时间。在此基础上,对蚁群优化算法进行修改,提出了基于精英蚂蚁排序的信息素更新方式,提高了算法的收敛速度;并在构造能见度时加入了时间因素,以此突出时间与路径两因素的作用。通过Matlab仿真实验,用迭代次数控制算法的运行时间,得出最优路径和时间,解决了离散组合优化的NP难题,使改进的算法更具有实际意义和可操作性。通过改变其参数,可以使该方法与Matlab仿真具备一定的可扩展性。

无线传感器网络路径寻优的仿真研究

研究无线传感器网络路径寻优问题。针对无线传感器网络路径寻优同时涉及到数据传输路径的长度、传感器节点能量以及整个网络的能量均量均衡,传统的数学模型对其进行求解存在求解时间长,速度慢,得到的路径并非最优,导致网络的能量不均衡,网络生命周期短。为了快速找到传感器网络最优路径,提出一种传感器路径混合寻优方法。算法首先利用遗传算法进行全局寻优,使网络最优路径稳定地分布在解空间区域,然后采用禁忌算法进行网络路径局部寻优,最后找到无线传感器最优路径。仿真结果表明,混合算法能快速找到无线传感器网络最优路径,且消耗的能量最少,有效实现了网络负载均衡,延长了网络的生命周期。

基于遗传算法的配用电光通信网路径寻优方法

配用电光通信网组网方式复杂,仅凭人工经验选择路径很难满足路由最短、衰耗最小的需求。文章通过建立以光缆交接箱为节点的通信网络拓扑模型,应用遗传算法,自定义适应度函数,采用多种方法相结合的选择运算、交叉运算和变异运算的迭代,优化算子,经反复迭代获得最优值,并以此为基础开发了配用电光通信网路径寻优管理信息系统。经过1年多的实践验证,证明了应用该方法能够准确计算出配用电光通信网最优路径,为配用电光通信网建设、优化和运行维护提供有力的技术支撑。