基于参数组合优化的救援机器人蚁群算法研究

救援机器人可以在灾害发生后,协助工作人员立即进行勘察援助,其进行全局路径规划的能力是影响机器救援性能的关键技术之一。蚁群算法对于全局路径规划问题具有随机搜索能力强的特点,但其参数的选择对于最终性能有直接的影响,针对此问题提出了运用单因素法对蚁群算法中的信息素启发因子α和距离启发因子β、信息素挥发系数ρ、信息素强度Q,蚂蚁数目和救援点数目分别进行独立分析研究,通过仿真实验统计算法性能中距离和迭代次数的相关数据,进而确定出最优化参数组合。结果表明,确定最优参数组合后路径规划正确和高效,为该算法参数的相关研究提供有利支撑。     

基于鲸鱼算法的巷道掘进爆破参数优化与应用

合理的巷道掘进爆破参数组合是提高生产效率和改善掘进生产环境的重要因素。建立巷道爆破掘进经济数学模型,对在综合成本最少的前提下优化巷道掘进爆破参数。以钻孔、爆破、铲装、运输等工程技术环节为基础,建立巷道爆破掘进的综合成本为目的经济数学模型,形成目标函数。鲸鱼算法较传统的智能优化算法有着收敛速度快、稳定性好和操作简单的优势。利用鲸鱼算法对目标函数进行优化,最终得到最佳的爆破参数组合,即周边孔抵抗线为0.78 m,周边孔间距为0.64 m,崩落孔抵抗线0.95 m,崩落孔孔间距为0.90 m,炸药单耗1.21 kg/m3,并得到了矿山的爆破掘进最佳综合成本在29.9元/m3左右,可以为矿山爆破掘进的爆破成本控制提供参考。     

三峡枢纽过坝货运需求预测模型及其应用

三峡船闸是长江航道上影响货运通航效率的重要因素,合理高效的运输路径对提高船闸通航效率具有重要的现实意义。以三峡货物过坝五条可行路径为研究对象,在定义五条备选路径成本函数的基础上,构建了基于Logit模型的过坝路径选择模型,利用SPSS软件对模型的未知参数进行标定。利用校正的Logit模型,对五条路径未来过坝货运量进行预测,并提出解决三峡通航拥堵问题的政策建议。     

改进蚁群算法在全局路径规划中的应用

本文利用一种改进的蚁群算法来解决全局路径规划问题。采用栅格法对移动机器人的工作环境进行建模,通过改进蚁群算法完成全局路径规划的目的。这种改进蚁群算法主要是对蚁群算法中的参数进行改进。其针对信息强度因子和信息素挥发因子的不同作用进行相应的函数设计,来达到全局路径规划的目的。通过实验与基本蚁群算法的算法性能比较,得出该改进策略的优越性。     

自适应多启发蚁群算法的无人机路径规划

为了解决蚁群算法在无人机实现路径规划中容易陷入局部最优的问题,提出改进的蚁群算法。对信息素的挥发因子以及信息素进行上、下限设置,防止由于较短路径上的信息素过高以及较长路径上的信息素过低,使蚂蚁陷入局部最优,同时在多启发因素的影响下,将路径的整体长度作为决定状态转移概率的一个自适应启发函数因子,当路径长度很大时,自适应启发函数因子较小,使得蚁群选择该路径的概率减小。实验结果表明,改进的算法在路径长度上减少了6.4%,最优路径长度方差降低了85.78%,增加了对环境整体性的考虑,缩短了路径长度,降低了迭代次数,跳出局部最优。在环境复杂度加大的情况下,引入自适应启发函数因子之后的算法可以有效地选择较好的路径,为无人机路径规划提供了理论依据。     

基于改进蚁群算法的工业机器人路径规划研究

针对蚁群算法在机械臂路径规划中存在的问题，如路径过长、收敛速度慢等，文章提出一种改进的蚁群算法。首先将蚁群分为外层蚁群和内层蚁群，分别设计不同的启发函数来提高搜索效率，并引入安全因子提高机械臂运动过程的安全性，利用外层蚁群初始化信息素，引导内层蚁群进行全局寻优；为了加强优质种群的寻优能力，在信息素更新原则中引入狼群的猎物分配机制，同时改善部分路径信息素浓度，防止算法陷入局部最优；得到的机械臂末端有效路径再经过机械臂逆运动学运算和碰撞检测，转化为一条机械臂最优位姿路径。仿真实验表明该算法能为机械臂在不同环境中规划出一条符合运动要求的避障路径。     

低碳运输下陆路运输系统货流转移及流量分配综合优化

基于公路网和铁路网在货物运输过程中的不同特点,研究了可以实现低碳交通运输目标的陆路运输系统货流转移及流量分配的综合优化问题,并构建了相应的0-1规划模型.该模型以包含碳排放成本在内的陆路运输总成本最小化为目标函数,约束条件设置为节点的转移能力限制、公路运输弧段和铁路运输弧段的通过能力限制以及铁路网流量分配的树形径路特点等.通过算例对该模型进行验证.结果表明:鉴于铁路运输在成本和碳排放方面的优势,公路网货流转移至铁路后,可使包含碳排放成本在内的陆路运输系统总成本大大降低;通过对铁路网货流进行重新分配,优化了铁路货流的运输路径,提高了铁路运输能力的利用率.     

基于动态参数蚁群算法的寻源导热反问题研究

基于蚁群优化算法,求解含有未知内热源位置的导热逆问题.通过分析计算表明:信息素启发因子、能见度启发因子、信息素挥发率等蚁群参数对蚁群选择路径以及路径上信息素浓度更新有直接影响,其取值最终会影响求解结果的准确性及收敛速度.在计算过程中,路径上的信息素浓度不断改变,蚂蚁选择路径也趋于集中,采用定值蚁群参数不能满足在整个计算过程中都具有良好的性能,为此提出了动态参数蚁群算法,并根据计算分析结果确定蚁群参数值随全局循环次数而变的动态函数.计算结果证明,采用动态参数蚁群算法能有效提高求解反问题的质量及收敛速度.     

基于改进型蚁群算法的最优路径问题求解

如何向用户提供"高质量"的最优路径是导航系统应解决的关键问题.针对该问题,文中提出了带多个路径质量约束的最优路径数学模型.为求解该模型,在蚁群算法的基础上重新设计信息素局部更新规则和全局更新规则,引入信息素更新算子,动态调整、增加最优路径上信息素的规则,并通过改进能见度启发因子,得到改进型蚁群算法.仿真实验证明,改进后的蚁群算法具有良好的寻优性和收敛性,能准确找出路网中满足路径质量约束的最优路径.     

基于势场蚁群算法的机器人全局路径规划

研究了智能移动机器人的全局路径规划算法改进问题.结合蚁群算法的全局性与人工势场的确定性优势,提出一种势场蚁群算法.即在基本蚁群算法迭代初期,通过人工势场法影响蚂蚁的信息素量,从而提升寻找最优路径的效率.基于栅格模型,设计了算法的执行步骤.此外,分析了不同的信息素启发因子和信息素挥发系数对算法路径长度、迭代次数和收敛速度的影响.最后仿真验证了该算法优于基本蚁群算法,也得出了信息素启发因子参数选择的合理范围.     

星状集输管网拓扑结构的整体优化

针对星状集输管网结构特点,建立以管网建设总投资为目标函数,以系统中节点连接关系、站点位置、管线参数为优化变量的星状油气集输管网拓扑结构优化模型。将蚁群算法与遗传算法相结合对模型进行整体优化求解。在蚁群算法中,将节点连接关系的确定转化为路径选择问题,将启发因子表示为管段建设成本的函数,用路径方案对应的管网建设总成本计算信息素的积累量。在遗传算法中,以格雷码形式将站址信息储存于染色体上,用蚁群算法求得每种站址分布方案下最优井组和管径,并用其计算各染色体的适应度,从而同步求得最佳站址、最佳井组划分和管线参数。结果表明,所设计算法优化质量高于分级优化,且鲁棒性强,不受计算初始值影响。     

基于仿生算法的灾后救援路径选择

为解决应急物流管理中的路径选择问题,综合考虑了运输时间、运输距离和路径复杂性等因素,建立了灾后救援的路径选择模型.在灾难发生后,路径中的运输速度将被灾难扩展深深影响,特别是在洪水、飓风等灾难中,将在时间和空间上逐渐扩展,因此将运输速度设定为随着时间而连续递减的函数.针对问题性质,提出了多头绒泡菌算法来解决这个问题.多头绒泡菌算法不同于其他的仿生算法,可以100%找到最优路径.案例研究表明:利用该方法进行灾后救援路径选择,能够有效获得最优路径.     

可重组制造系统中物流运输路径规划

在分析可重组制造系统物流布局的基础上,根据物流运输网络的空间分布特征,提出了一种动态的AGV(自动导引小车)路径规划方法.利用图论,构建了AGV路径规划的有向图网络模型,采用机床相对位置矩阵、距离矩阵以及阻塞系数来描述车间环境信息,通过系统的重组,有效缩短运输距离.针对物流运输动态路网的变化,把整个运输网络划分成不同的子路网,动态地优化变化附近运输节点所在的子路网,从而较迅速地得到最佳运输路径.仿真结果表明了该方法的有效性和快速性.     

基于改进机器学习算法的微电网短期负荷预测

为了对具有基数小、波动大及随机性强等特点的微电网负荷进行准确预测,提出了一种基于改进的机器学习算法。该算法包括基于蚁群算法的模型参数寻优和基于改进核函数极限学习机的预测模型2部分。首先,对蚁群算法信息素的作用方式进行了改进,并将训练误差用于计算蚁群个体的新增信息素,从而得到最优的模型参数。其次,采用基于加权离散距离的方法对训练数据进行筛选,留下相似度高的训练样本对核函数输出权重进行训练,从而减少计算量,提高预测精度。用某小区高层楼宇的电网历史负荷数据,在Matlab中对算法进行仿真验证,结果表明预测算法能较好地实现微电网的负荷预测。     

露天矿最终境界的经济-生态一体化优化

基于规则块体品位模型和地表模型,使用锥体排除法产生地质最优境界序列和地质最优开采体序列.建立动态排序模型,对每个境界的地质最优开采体序列进行动态排序,使用动态规划方法以净现值最大为目标函数,找出最佳开采路径作为最优开采方案.根据每一个地质最优境界的最优生产计划选出净现值最大的境界作为最优境界,该境界的最佳开采路径作为最优生产计划,实现境界与生产计划同时优化.基于生态足迹理论构建矿山生态成本模型,结合各候选境界生产计划计算矿山生态成本,并纳入到露天矿境界中,使外生成本内生化,实现矿山项目评价和设计方案的“经济-生态一体化”优化.应用表明,生态成本对最终境界及矿山投资回报有重要影响.     

基于改进蚁群算法的应用与研究

针对传统蚁群算法在构造解的过程中收敛速度慢且容易陷入局部最优问题,提出了一种改进蚁群算法。在蚁群搜索路径过程中,通过建立信息素启发式因子α和期望启发式因子β的互锁关系,动态自适应调整α和β;结合车辆运输调度问题,对距离启发式因子ηij（t）进行重新定义,引入不同客户间的“偏好力”,提高算法的搜索效率及实用性。将改进蚁群算法分别应用到机器人路径规划及车辆调度问题并进行仿真,取得了较好实验效果,验证了该方法的可行性和有效性。     

基于改进的距离函数法的多响应稳健参数设计

研究了多响应稳健参数设计方法中响应对可控因子波动的稳健性问题.考虑多响应问题的最优性和稳健性,对广义距离函数进行了改进,提出了改进的稳健优化总体广义距离函数方法,该方法通过对优化广义距离和稳健广义距离进行权衡,将多响应稳健优化问题转化为使稳健优化总体广义距离最小化问题,得到稳健最优的操作条件.实例分析计算结果表明,与传统方法相比,该方法可以得到更加稳健的结果.该方法考虑了响应的方差-协方差结构和可控因子的波动,使优化的响应对可控因子的波动具有稳健性.     

基于网络DEA的航空运输公司绩效分析

在规模收益不变的假设下,构建了以方向性距离函数表示的简单网络DEA模型.将航空运输分解为生产运输阶段和运输服务阶段,利用网络DEA模型,对2008年中国主要16家航空公司的运输系统效率进行了分析,给出了航空公司在整个航空运输过程中的技术效率,对航空运输在2个不同的运输阶段的生产效率与服务效率进行了测算,给出了各航空公司...     

基于改进蚁群算法的配电网优化规划

提出了一种基于改进蚁群算法的配电网优化规划算法．对于给定的配电网模型，该算法根据各配电网站点建立初始信息素矩阵，然后利用蚁群算法所特有的路径寻优功能来搜索配电网布局路径，并结合改进信息素刷新的方式和在蚁群搜索过程中引入曼哈顿距离以及弹性伸缩调节因子，使蚁群以较快的速度找到当前布局上的最优路径．通过具体的算例表明，该算法比一般蚁群优化规划算法具有更高的计算效率和优秀的全局搜索能力，同时有效地克服了在求解配电网规划问题时蚁群在局部最优解上的巡回而存在的效率不高以及未成熟收敛等现象．     

带时间成本及运价折扣的多仓库选址模型

研究以成本最小为目标的多仓库选址模型,在考虑建设费用、运营费用、运输费用的基础上增加时间因素,并将时间转化成惩罚成本来平衡仓库与各个需求点之间的距离。采用0~1变量约束把运输费用因运价折扣建立的分段线性成本函数连接起来,建立统一的表达式。建立带有时间成本及价格折扣的多仓库选址数学模型,利用遗传算法进行求解,据此进行案例分析。结果表明:利用给出的模型可以得到合理、经济的选址及配送方案,对于带时间成本及运价折扣的多仓库选址具有指导意义。