“机器人”路径改进型单亲遗传算法规划及其仿真

在中国机器人大赛"机器人游中国"比赛项目的路径规划基础上,为克服遗传算法在有约束组合优化问题中计算效率不高的问题,提出了改进的单亲遗传算法.该算法在传统单亲遗传算法的计算步骤中,引入了交换算子、提前算子和修复算子,较大程度地提高了单亲遗传算法的搜索效率.Matlab仿真试验表明,改进的单亲遗传算法计算效率和路径规划能力得到大幅度提高.     

改进的交通分配起点用户均衡算法

对起点用户均衡算法的流量转移、起点限制子网(Bush)的更新、成本更新策略及计算流程等关键问题进行了分析改进.探讨了Bush的最长和最短路径对查找方法,提出了流量转移的步长搜索方法及加速算法收敛的Bush更新方法.该方法优化了适合多线程开发的算法流程,并用不同规模的城市交通网络模型对算法进行效率测试和与其他算法进行对比.结果表明,该算法效率有较大的提高,可满足大规模城市交通网络模型计算速度和精度的要求.     

基于改进混合遗传算法的无人车路径规划

针对无人车路径规划算法普遍存在收敛速度慢、陷入局部最优解、忽略了环境建模技术与路径规划算法的相互适用性等问题,提出了一种基于自由空间法的融合Bellman-Ford算法和精英交叉机制遗传算法的改进混合遗传算法,通过Bellman-Ford算法搜索出连通图中的最短路径,并运用精英交叉机制遗传算法优化粗路径点,从而搜索出环境中从初始点到目标点的最短安全路径。MATLAB仿真结果表明,该算法搜索性能好,收敛速度快,稳定性高。     

城市道路最短路径的Dijkstra算法优化

在研究城市道路网络特征基础上,建立城市道路网络模型及其数据库,应用一种改进的Dijkstra算法对城市道路进行最短路径查询,该算法是从起点和终点分别用二叉树按起点到终点和终点到起点的方向进行搜索.在计算某一段最短路径时,用Dijkstra算法时间为0.23 s,改进算法时间为0.20 s.仿真结果表明,该算法不仅在时间上有所改进,其时间复杂度由传统Dijkstra算法的O（n^2）减小为O（n）,而且其所选的最优路径更符合实际,是一种寻求最优路径的有效算法.     

改进蚁群算法及在电力线路优化问题中的应用

电力线路优化在整个电力规划方案中占有很大比重.为节约投资,采用改进蚁群算法对电力线路优化问题进行求解,得到电力规划的最短路径.在改进算法中提出将启发因子α随着进化代数的增加而逐渐增至某一常值的方式,提高了算法的收敛速度.首先通过旅行商问题验证了该算法的有效性,然后应用到具体的电力线路优化问题中证实了该算法是优于基本蚁群算法的.     

交通网络最优安全路径选择模型与算法

针对交通网络任意路段均可能发生中断的最小损失路径选择问题,提出交通网络最优安全路径选择模型,并设计了2种不同网络结构下最优安全路径选择算法.首先用模型计算任意一条路径上每条边中断后产生的从起点到终点最短替代路径长度的最大值,然后选择一条最短替代路径长度最大值最小且自身长度最小的路径.在网络中,当最短路径删除后该网络依然连通时,最优安全路径问题转化为最短路径问题,其计算复杂度为O(n2);当最短路径删除后该网络不再连通时,最优安全路径问题转化为最小最大问题,其计算复杂度为O(mn),且仅与网络中节点和边的数量有关.最后,结合交通网络的实际情况对最优安全路径进行了算例分析.     

求解带时间窗车辆路径问题的混合智能算法

基于布谷鸟搜索算法和单亲遗传算法,设计了一种求解带时间窗车辆路径问题的混合智能算法.该算法首先对客户位置进行聚类分析,然后再进行各区域的路径优化.混合智能算法不仅改进了布谷鸟搜索算法中当鸟卵被鸟窝主人发现后需要随机改变整个鸟窝位置的操作,同时引入的单亲遗传算法加快了最优配送路线的搜索速度.分析和比较了混合智能算法与布谷鸟搜索算法的计算复杂度.最后采用国际通用标准测试集Benchmark Problems进行测试.结果显示,混合智能算法是求解带时间窗车辆路径问题的一种有效算法.     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

基于粒子群算法的移动机器人全局路径规划策略

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量.     

基于遗传模拟退火算法的QoS组播路由问题求解

提出了一种基于遗传模拟退火算法的带宽时延约束费用最小组播路由选择方法,该方法针对遗传算法的局限性,采用基于备选路径集的整数序列编码机制,对适应度函数进行了调整,改进了交叉和变异操作,并结合了模拟退火算法.实验表明,该算法能够有效地提高收敛速度,避免早熟收敛,能够满足多媒体网络对相应QoS的需求.     

求解连续空间优化问题的改进入侵杂草算法

针对标准入侵杂草算法在求解连续空间优化问题时存在易陷入局部最优、过早收敛的缺点,提出了一种改进入侵杂草算法.改进算法采用反向学习方法构建高质量的初始解,并综合考虑当前种群的适应度值和役龄水平确定各杂草的种子数目.同时,提出了基于分治思想的空间扩散方法以强化算法的搜索性能,并引入个体淘汰机制以避免早熟.最后,对五个测试函数进行了仿真,并与多种算法进行比较,结果表明改进算法的搜索性能得到了显著提升.     

基于改进的烟花-蚁群算法和B样条曲线的农业机器人路径规划

根据蚁群算法收敛速度较慢,易陷入局部最优等问题,提出了一种改进烟花-蚁群(improved fireworks-ant colony algo-rithm,IFWA-ACO)混合算法,解决静态环境下农业机器人的路径规划问题,首先针对基本烟花的交互机制和选择策略做出改进,提出爆炸与迁移相结合的策略以及密度峰值火花、探测火花概念,提升烟花算法寻找最优解的能力,然后把改进烟花算法得到的最短路径作换算成蚁群算法中的信息素加强值,从而避免蚁群盲目搜索,最后采用B样条插值方法进行曲线化拟合,生成平滑路径,有利于机器人平稳行进.试验仿真结果表明,IFWA-ACO算法能快速的规划出机器人的最优路径,降低农业机器人能耗,提高工作效率.     

蚂蚁算法在导航系统中的应用研究

对导航系统中的最短路径问题做了进一步的研究,针对传统的Dijkstra最短路径算法的缺陷,提出了一种自适应式的动态最短路径算法———基于分布式路由选择的蚂蚁算法,对传统蚂蚁算法作了改进,可成功的应用于导航系统中的最短路径寻优算法.     

基于改进ACS算法的移动机器人路径规划研究

针对蚁群系统(Ant Colony System,ACS)算法存在收敛速度慢、路径不平滑、易陷入局部最优等缺点,提出了一种基于万有引力搜索策略的ACS算法.为了解决算法初期由于地图信息匮乏,导致蚁群寻路盲目性较大的问题,提出了简化ACS算法对初始信息素浓度进行更新.引入万有引力算法搜索策略,提升了算法收敛速度,且有效解决了局部最优问题.对每次迭代获取到的最优路径进行优化,减少了路径的转折点数量、提升了路径平滑性.仿真试验表明,改进算法能够有效提升算法的收敛速度、路径平滑性.将改进算法应用到实际的移动机器人导航试验中,试验结果表明,改进算法能够有效解决移动机器人的路径规划问题,且有效提升移动机器人的导航效率.     

交通分配起点算法的实证研究

以交通网络为对象,研究求解均衡网络模型的起点算法原理及其实际应用.起点算法是一种基于路径树的交通网络流量分配方法,它按照交通分布起点把交通分配问题分解成若干个子过程.若干个子过程在网络空间的叠加,形成交通网络流量.在每个子过程中,在具有同一起点的若干起终点对之间,所有路径满足Wardrop原则.在比较不同收敛标准的基础上,提出最大-最小路径费用差作为起点算法的收敛准则.选用国内外不同规模的5个城市交通网络数据,对起点算法进行测试,结果表明,起点算法具有很好的稳定性,能够满足任何给定的精度要求.采用最大-最小路径费用差作为起点算法的收敛标准,能够真实反映起点算法的卓越性能,精确表现交通网络均衡原则.     

蚁群算法在物流路径优化中的应用及仿真

蚁群算法是一种模拟进化算法,适合于求解复杂的组合优化问题,传统蚁群算法收敛速度慢,有时可能出现停滞现象.该文以蚁群算法为核心,采用最短路径法和自定义代价获取最优物流路径,通过优选参数改进蚁群算法,从而有效避免局部解的出现.实验结果表明,改进后的算法效率具有较大改进,算法在实验环境下收敛性较好.     

大规模网络最大流对偶图算法模型及实现

在网络最大流算法的研究中,为了减少计算量,提出了许多改进的方法.基于图论中的最大流最小割定理,利用网络流图的对偶图的最短路径求网络最大流,对求最短路径的Dijkstra算法进行了研究,给出了一种改进的Dijkstra算法模型,该算法采用了堆排序中的小根堆来选择最短路径结点,使用集合运算对堆中的结点进行处理,使得参加运算的结点数减少,提高了算法的效率.     

基于改进蚁群算法的旅游景区路径规划

针对多景点景区路径规划问题,提出一种改进蚁群算法.通过改进路径启发函数,引导游客避开拥堵景点,实现景区各景点人数负载均衡;引入动态参数调整机制,优化蚁群探索和开发机制,有效避免算法陷入局部最优,使算法快速收敛.仿真实验结果表明,该方法在景区路径规划中表现出了良好的稳定性和高效性.     

基于单亲遗传算法的飞行机组指派技术

航空公司机组人员指派是一个NP疑难问题.现在航空公司的排班工作存在着排班人员工作量大,排班过程效率低,值勤成本高,排班结果机组人员不满意等等的问题.为解决这些问题,采用单亲遗传算法,利用计算机技术,对机组人员进行合理的排班.通过与改进遗传算法进行比较,单亲遗传算法收敛速度更快,能够得到更合理的机组指派结果.     

基于遗传算法的离散时间动态网络最短路径求解

采用遗传算法来求解不满足先进先出原则的动态网络中的最短路径问题,并采用所提出的随机A*算法解决了利用遗传算法求解最短路径问题时的最大障碍--初始种群的产生.最后以广州市电子地图为基础随机产生了一个不满足先进先出原则的动态网络(包括20000个节点,40000条边和144个时间间隔).来对所提出的算法进行验证.试验结果表明,遗传算法适合求解非常态且不满足先进先出原则的动态网络中的路径诱导问题.