基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

偏微分高程图环境蚁群算法的三维路径规划

针对在三维空间路径规划中建模与避障问题,提出了一种新的在偏微分高程建模环境下蚁群算法的三维路径规划方法。首先,利用抽象建模和高程建模方法分别构建三维空间环境,并用偏微分对高程环境进行最优数据提取,在此基础上利用高程数学建模方法进行三维空间重建,最终形成偏微分高程环境。其次,首次将种群对于环境的最佳适应度值作为目标函数评判蚁群寻找最优路径的决策能力。最后,在不同的建模环境中应用蚁群算法进行路径寻优,输出最优路径。通过对仿真结果和实验数据分析,验证了所提方法的有效性和正确性。     

基于蚁群算法的水下潜器全局路径规划技术研究

全局路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。文章使用蚁群算法对水下潜器三维空间全局路径规划问题进行了研究,讨论了三维空间的抽象环境建模方法,依据安全性、经济性和路径最短原则设计了算法适应值评价函数,综合利用迭代最优和全局最优信息设计了信息素更新规则,仿真结果验证了算法的正确性和有效性。     

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

基于关键状态的虚拟人组合任务分层规划方法

运动规划是虚拟人运动合成中的热点和难点.虚拟人通过推理决策,选定最优运动序列完成给定目标.然而现有的运动规划方法由于维数爆炸问题难以规划具有多个子任务的组合任务.为此提出一种基于关键状态的虚拟人组合任务分层规划方法.该方法分为两层:上层的层次增强学习模型在状态空间中稀疏采样并搜索某些局部任务的成功路径,将被访问频次最大的状态作为关键状态从而将组合任务分解为若干子任务;底层的增强学习模型将运动片段抽象为行为,将环境信息抽象为状态,采用试错搜索策略分而治之地规划子任务.合成运动时虚拟人只需遵循各子任务的控制策略,依次选择运动片段并顺序拼接即可.实验结果表明该算法能够生成逼真的虚拟人运动以完成组合任务,并且大大减少规划所需的计算时间和存储空间.     

一种求解车辆路径问题的混合多蚁群算法

提出一种新的蚁群算法（Multiple Ant Colonies Algorithm based on Sweep Algorithm, SbMACA）用以求解车辆路径问题（Capacitated Vehicle Routing Problem, CVRP）。该方法同以往蚁群算法的不同之处主要体现在两个方面：第一,首次将扫描算法应用于蚁群算法,通过对蚂蚁所构造的初始解中的不同子回路之间的点进行交换优化,该算法可以有效地改进初始解的质量;第二,提出并采用了一种新的多蚁群技术,各个蚁群分别进行各自的搜索,在各个蚁群均停滞后,对蚁群之间的信息素进行交换与更新,以利于蚁群跳离局部最优值。实验结果表明,SbMACA算法具有很强的搜索能力,求取各CVRP的Benchmark问题所得解的质量同最好解相比较而言,平均仅有 0.28%的差距,是求解车辆路径问题的一种十分有效的方法。     

目标分配的蚁群-模拟退火算法及其改进

直升机编队的对地攻击过程中,目标分配是实现作战任务的重要条件。确定了直升机目标分配的优势度计算方法以及目标分配的原则。利用蚁群-模拟退火算法实现了直升机对地攻击的目标分配过程,并针对分配过程中,采用综合优势度最大来确定最优路径所出现的不足对算法进行了改进,即根据信息素的积累量来确定最优路径,能够综合考虑信息素浓度与优势度的影响,避免了为达到全局最大优势度而出现的个体分配效益不好以及收敛缓慢的情况。实验结果表明,改进的算法效率更高,收敛的速度较之前更快,分配结果更趋合理。     

多集散点车辆路径问题及其蚁群算法研究

为使多集散点车辆路径问题结果全局最优,以订单为基准建立货运车辆路径问题模型.以订单为基准建立蚁群算法的二维禁忌数组,确定相邻两个集散点相同时的蚂蚁状态转移规则,使蚁群在满足车辆约束条件下,按禁忌表对所有订单搜索.此模型和算法实现了所有车辆对所有订单进行路径搜索,易于全局最优.实例求解结果表明模型及算法的有效性.     

亚丁湾护航中直升机识别海盗目标路径优化模型及算法

针对舰载直升机执行伴随护航任务时查证可疑船只的路径优化问题,对直升机在选择巡逻查证路径时所面临的各种复杂情况进行了分析。文中结合可疑船只与编队的相对运动特点以及海面可疑船只威胁程度评估指标,以保障被护航编队受到的累计威胁值最小为目标,构建了直升机查证可疑船只时的路径优化模型。为提高蚁群算法的求解效率,文中将混沌映射扰动引入到信息素的全局更新过程中,从而有效降低算法陷入局部最优的概率。另外,文中对蚁群算法中状态转移规则和信息素更新等核心环节进行了优化设计,提高了算法对最优路径的搜索能力。最后,以我国海军亚丁湾护航任务为背景进行实例分析,并将其结果与遗传算法和禁忌搜索算法进行对比,验证了所建模型和算法的合理性和有效性。     

一种改进的粗粒度并行蚁群算法

蚁群算法是一种模拟进化算法,具有很强的全局搜索能力。提出了一种基于粗粒度模型的并行蚁群算法,该算法采用了一个新的信息素更新策略———Ant-proportion,这种新的更新策略是综合考虑全局和局部信息,依据蚂蚁在搜索过程中所得到的路径的优劣程度和路径中各路段对其贡献的大小来分配信息素增量;另一方面,该算法采用的粗粒度模型充分利用了蚁群算法内在的并行性,使得算法具有更快的收敛速度和更好的优化质量。最后,选用了CHN144问题对该算法进行了检验,算法求得的最优路径优于已知的最优结果。