基于权值的Dijkstra停车路径规划算法的优化与实现

基于用户自由选择车位,以停车时间最短为准则,结合权值的计算方法及停车场的内部结构特点,对Dijkstra算法进行改进,设计并实现符合实际的最优停车路径规划算法,并对武汉某公园的大型停车场进行应用验证.结果表明,相对于传统算法,改进后的Dijkstra算法降低时间的复杂度,减少节点的搜索量,提高搜索效率,在停车场引导系统中有一定的实际应用价值.     

改进动态蚁群算法在低压电力线载波通信动态路由中的应用研究

从提高通信可靠性的角度出发,探讨了低压电力线载波动态路由问题,采用一种新的改进动态路由算法。该方法从局部更新规则和全局更新规则两方面对基本蚁群算法进行改进,引入了局部最差路径和全局最差路径概念,提高了动态路由搜索的准确度和效率。仿真和实验结果表明该方法在节点个数较多时,随着迭代次数的增加寻找最佳路径时较稳定。     

智能停车场Web车位引导系统的设计与实现

为了提高停车场的信息化和智能化水平,给车主提供更高效、舒适的停车体验,针对现有车位引导系统的本地性限制,提出一种Web车位引导系统．该系统利用停车场车位上安装的传感节点实时探测车位信息,通过无线传输至管理主机并存入数据库实现车位信息的获取．通过ASP．net将实时的车位信息从数据库中提取并以Flash动画的形式在前台显示．用户可通过Web访问随时随地获取停车场内车位的布局、空位数量及进出路线等信息进行直观读取．从而更好的实现智能停车场的车位引导．     

基于ARM嵌入式系统的空闲车位检测方法

针对室外停车场,给出一种摄像头检测空车位的方案。基于最大后验概率的意义,将车位状态组合问题转变为最短网络路径的求解,给出了求解该网络最短路径的快速算法。通过内嵌ARM11系统的智能摄像头进行图像拍摄和车位检测算法的快速运算,实时检测车位状态,然后,把检测结果传送到服务器。基于C/S网络模型,用户可以从计算机终端和液晶屏观察和查询车位信息。实验表明,该系统可以方便地用于准确检测空闲车位,同时,实现停车场的信息管理。     

优化的蚁群算法在无线传感器网络中的应用

蚁群算法是一种新型的用于求解组合优化或函数优化问题的启发式算法,其基本思想是借用生物界的蚂蚁群体觅食机理,将每个蚂蚁看作一个智能体,作为智能群体的蚁群,其觅食过程显现出高度的并行性、正反馈性和鲁棒性,以此为基础的蚁群算法也具有这样一些特点。蚁群算法在路径选择方面的优势正好应用于无线传感器网络中源节点到目标节点的最优路径的建立。     

利用蚁群优化的非均匀分簇无线传感器网络路由算法

针对无线传感器网络路由非均匀分簇中随机簇首选举路由的可靠性和实时性问题,提出一种新的无线传感器网络路由算法.该算法的核心是:通过蚁群优化来改变非均匀分簇算法的周期性簇首选举方式,即只在第一轮执行簇首选举和路径搜索,其他轮次采用簇内调整和路由更新;通过引入路由可靠性和实时性指标达到自组织、自适应和动态优化来建立和维护路由.簇首选举采用竞选,所有节点参与竞选,并且将节点剩余能量和节点到汇聚点的距离作为评价标准,以保证簇内能量效率最高的节点成为新簇首.路径搜索采用蚁群算法进行,即搜索网络中所有的簇首和汇聚点,以寻找从各个簇首到汇聚点代价最小的多跳路由.仿真结果表明,所提算法在能耗和链路可靠性方面比非均匀分簇算法的性能更好,即在较长的时间内具有更多的存活节点,网络丢包率小.     

图像边缘检测中的改进算法

针对传统的蚁群边缘检测算法存在耗时长和易受噪声影响的缺点,提出了一种改进的蚁群边缘检测算法.该算法对蚂蚁路径选择中的启发式信息值的计算方法进行改进,使其计算基于邻域中节点的梯度,能更好地引导蚂蚁向边缘节点进行移动.通过仿真实验表明:该算法与传统的蚁群算法相比,能够减少耗时、抑制噪声及准确快速地检测出图像边缘.     

基于RT2411射频模块的车位预定系统

现代生活中经常出现在拥挤交通中某车主为寻找车位而白白浪费时间,"智能遥感车位预订系统"就能方便解决停车问题。利用车位管理软件把停车场的空车位信息收集起来,并通过射频模块在交通要道把空车位信息发射出去,使车主在距离停车场500米内就能通过车上的车位预订系统预先知道停车场是否有空车位,并预先订好停车位,为车主提供高效地服务,车主不必再为寻找车位而来回周旋;本设计由六个模块构成:车位管理软件、车位预订模块、RT2411射频模块、液晶显示模块、串口通信以及稳压电源组成。     

电网节点编号优化的一种改进蚁群算法

蚁群算法是近几年优化领域中新出现的一种启发式仿生类并行智能进化系统,目前已经在众多组合优化领域中得到广泛应用。不同于传统的节点编号优化方法,采用最大最小蚁群系统改进的蚁群算法能快速地找到多个全局最优解,并且不易陷入局部最优解。将多种蚁群算法的改进融合在一起,取长补短,得到了较满意的效果。根据节点编号本身的特点,通过引入初始节点选择开关算子,同时在迭代过程中不断淘汰劣势蚂蚁,使蚂蚁能更快地找到最优解。     

基于相关度的蚁群优化算法对内热源位置的识别

为了提高寻源导热反问题的求解精度和求解速度,针对导热问题中热源位置对边界温度分布影响的特点,提出了适用于寻源导热反问题的基于相关度的蚁群优化算法.该方法分别针对热源位置的每一个坐标,运用能反映计算测点温度曲线与真实测点温度曲线相似程度的量即相关度的方法来构造其相对应的启发信息值;并对蚁群优化算法中路径选择机制、目标函数的构造进行了改进.以数值计算代替实际试验得到测点温度,并对反问题进行计算机编程试验.计算结果表明,此种启发信息值的标定方法和目标函数的构建方法能够很好地区分出路径的质量,从而提高了蚁群收敛到最好路径的速度.计算效率较不考虑相关度的蚁群算法提高了18%~60%.     

基于超声波的车位探测节点的设计

利用超声波技术“感知”停车场车位的使用情况，通过无线网络把车位信息传送到汇聚节点，管理停车场内所有车位的使用状况。探测节点由超声波传感器、微处理器、无线射频模块、电源组成。微处理器采用8位AVR低功耗单片机ATmegal28L．无线射频模块采用Chipcon公司CC2420芯片。     

基于蚁群算法的移动机器人全局路径规划

移动机器人路径规划是机器人学的一个重要研究领域,蚁群算法是一种模拟蚂蚁群体觅食行为的仿生优化算法。结合机器人路径规划的特点,将确定性选择和蚁群算法的随机性选择相结合进行节点转移,每次循环后只对较优蚂蚁路径进行信息素更新,提高了算法收敛的速度;在寻找路径过程中蚂蚁无后继转移节点时,采用蚂蚁回退策略,增强了算法在复杂障碍物环境中寻找路径的健壮性。仿真试验表明,该算法能在障碍物较复杂的情况下迅速规划出较优的全局路径。     

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。     

基于信息素优化蚁群算法下的停车场系统设计

针对传统停车场管理系统人工成本高、管理难度大的问题,提出了一种基于信息素优化蚁群算法(Ant Colony Algorithm)的停车场系统;该系统以STM32作为主控制器,终端节点负责数据收集,利用NB-IoT实现数据上传,采用手机APP和云平台对终端节点远程监控,采用粒子群算法为蚁群算法提供迭代初期值指导后,增强了...     

一种改进的基于云环境的蚁群优化算法

在研究标准蚁群优化算法的基础上,提出一种旨在改善网络路由的蚁群优化算法以应用于云环境下多元化复杂的网络结构环境.新算法在原有蚁群算法智能寻优的基础上,加入网络节点在网审查机制,实时判断网络节点是否在网,选择最优解路径.仿真实验表明,改进算法能有效地改善因为网络节点在网情况的多变性而造成的部分路径失效的情况,进而缓解网络拥塞.     

基于一致性哈希算法的分布式数据库索引查询优化方法

为了解决分布式数据库索引查询负载不平衡的问题,基于一致性哈希算法设计了分布式数据库索引查询优化方法.根据分布式数据库服务器节点CPU处理能力、带宽和缓存大小,采用动态反馈机制计算各服务器节点的索引查询负载率,通过一致性哈希负载平衡算法将任务分配给各服务器节点,并实时调整负载.以最小总代价为目标,利用多蚁群算法求得最佳查询路径.实验结果显示,基于一致性哈希算法的优化方法整体曲线趋势较平稳,在用户请求数量为4 000条时,最大负载平衡度为1.5%,全程响应时间小于35 ms.这说明该方法能够有效调整分布式数据库的负载分布,且受数据库规模影响较小,具备强大的查询响应能力.     

无线传感网路径选择机制研究

作者在基于能量消耗分析和蚁群算法的基础理论指导下,针对无线传感网路径选择优化问题,进行了深入的理论、方法与模型的研究工作.主要步骤为:首先根据节点剩余能量确定成员节点当选为簇首节点的概率;其次根据成员节点距离簇首节点最近的原则进行分簇;最后确定簇内汇聚节点aggregator进行数据融合处理,确定信息发送节点,通过多跳路由方式给Sink传输数据,然后借助蚁群算法进行路径优化分析研究,通过仿真实验表明,该方法较常规方法有了很大的改进和效果.     

含分布式电源配电网故障定位交互式二进制蝙蝠算法

针对配电网故障定位二进制粒子群算法定位速度慢且准确度低的缺点,结合群智能平台设计了一种交互式二进制蝙蝠算法(interactive binary bat algorithm,IBBA),部署在群智能计算节点(computing processing node,CPN)上的IBBA通过CPN自组织、自协作方式与邻居节点交互蝙蝠位置等信息,提高了算法搜索速度和全局搜索能力;通过建立适合多电源配电网的编码方式,引入防伪正系数和假定故障数量的评价函数,增强了算法适用性;搭建IEEE14节点配电网模型,模拟配电网在分布式电源接入和信息畸变等多场景下单点、两点故障状态,通过实验验证了IBBA的有效性。与传统二进制蝙蝠算法、二进制粒子群以及交互式二进制粒子群算法相比,IBBA的收敛性能和容错能力更优,定位准确度较二进制粒子群、交互式二进制粒子群算法分别提高6%和10%。     

改进蚁群算法用于移动机器人路径规划时的研究

针对蚁群算法(ACO)用于移动机器人路径规划时存在收敛速度慢、对路径的优化能力不强等缺点,提出了一种改进蚁群算法。算法先利用鸟群算法(BSA)对地图进行快速预搜索,生成蚁群算法所需的原始信息素分布,再利用蚁群算法进行全面的路径规划;同时引入自适应期望函数,增加相邻节点被选择概率的差距,进一步提高了算法有效性。该算法融合了鸟群算法简单、收敛速度快和蚁群算法全局搜索能力强的优点。仿真结果表明,在障碍物数量较多且排布较密集的情况下,与基本蚁群算法、鸟群算法、粒子群算法及粒子群-蚁群融合算法相比,本文算法求出的路径更短更平滑,转弯次数更少,并且在迂回道路和存在大型凹陷障碍物的极端问题中具备更强的搜索能力。     

基于平滑蚁群算法的机器人路径规划

在栅格环境下利用蚁群算法规划出来的移动机器人路径存在转弯次数多,累计转折角大等问题。针对这些问题,提出了平滑蚁群算法。平滑蚁群算法是在蚁群算法规划出来的最优路径的基础上,将当前节点与其它不在同一条直线上的节点依次连线,如果新的连接线不穿越障碍物,则将当前连接线作为新路径代替原来路径,并删除中间节点,否则对当前路径不作任何修改。仿真结果表明,平滑蚁群算法能够在不同栅格规模和障碍物覆盖率不同的情况下,有效降低路径长度,减少转折次数和累计转折角度,并且路经规划结果优于免疫遗传算法和势场蚁群算法的路径规划结果。