改进的基于关系数据库技术的公交查询算法

为满足公众对出行路径的多样性需求,针对目前公交查询算法的不足,提出改进的基于关系数据库技术的公交查询算法.该算法依据"最优路径的子路径都是最优路径"理论,通过换乘次数小的最优路径逐步求取换乘次数大的最优路径,并利用关系数据库技术进行最优路径集合的生成和优化,从而实现大规模公交网络的多目标路径搜索.以北京公汽网络作为算例,分别以最短出行时间、最小换乘次数、最少出行费用为评价标准编制程序搜索最优路径,结果表明最短出行时间算法的多目标搜索结果最优,查询速度快,具有推广价值.     

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.     

路径动态诱导策略研究

路径动态诱导中最优路径是一关键技术,文章通过对道路网特点的分析,提出了基于改进的Dijkstra算法、限制区域算法及数字地图技术下求解最优路径的策略。     

一种求解次优路径的算法

根据动态规则的原理，利用最优路径的中间轨迹结果，给出一种快速优选次优路径的算法，并将求解最优和次优路径的算法归纳完整．本算法已在IPM－PC机上编程调试通过．     

路径动态诱导策略研究

路径动态诱导中最优路径是一关键技术，文章通过对道路网特点的分析，提出了基于改进的Dijkstra算法、限制区域算法及数字地图技术下求解最优路径的策略。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。     

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.     

基于改进蚁群算法的移动机器人三维路径规划

三维路径规划是移动机器人研究领域的核心内容之一.传统的蚁群算法应用于三维路径规划时,存在收敛速度慢,容易陷入局部最优解等问题.针对这些问题,论文对路径节点的选取方法、信息素的更新方法、启发函数的设计进行了改进,从而避免了算法陷入局部最优解,加快了算法的收敛速度.仿真实验表明改进算法在不同复杂程度的环境中都可以得到最优路径,且路径规划结果较好,这表明了算法有良好的寻优能力.     

基于最优路径的异构学术网络重要文献探测方法

基于同构学术网络〖CD2〗引文网络最优路径研究, 提出一种异构网络最优路径算法及两种路径重要性的评价指标, 解决了现有同构网络最优路径算法不能应用于真实学术网络研究的问题. 以微软学术迁移学习领域数据为数据集, 从异构学术网络最优路径探测迁移学习领域重要文献与引文网络主路径探测迁移学习领域重要文献的相似性及迁移学习领域发展历程两方面验证了基于最优路径的异构网络重要文献探测方法的正确性. 实验结果表明, 该算法和指标更符合真实学术网络.     

两种改进的最优路径规划算法

在对经典Dijkstra算法和A*算法分析的基础上对它们分别进行了改进.在经典Dijkstra算法中,针对当前不相连节点间路径长度为无穷大这一特点,首先对两个节点是否相连进行判断;若发现两个节点并不相连时,则舍去相应计算,从而减小计算量.针对A*算法在实际应用中搜索效率低的缺点,将经典A*算法搜索出的原始最优路径中的节点依次进行封堵后,再按照经典A*算法搜索出相应的新最优路径,最后再将原始最优路径与这些新最优路径进行对比,以便确定最终的最优路径.仿真研究表明:改进的Dijkstra算法可以减少大量的无关节点计算,提高运算的效率;改进的A*算法则可以提高搜索到最优路径的成功率.     

基于自学习可见图的机器人路径规划

针对未知环境下的机器人路径规划问题 ,提出了一种基于自学习可见图与局部最优的路径规划算法 .在这种算法中 ,采用自学习可见图来表示环境 ,并在路径规划的过程中逐步建立自学习可见图 .在避障上设计一个局部最优算法并提出了一种局部路径规划算法 .实验表明 :该方法规划速度快 ,并且能规划出局部最优的路径 ,满足未知环境下机器人路径规划的要求 .     

多约束最优路径算法比较研究

针对多弧权网络路径寻优及其效率问题,提出了4种多约束最优路径算法,并对其进行了比较研究.基于经典Dijkstra算法,提出了多约束最优路径问题的D_MCOP算法;引入启发式搜索思想,设计了A*_MCOP算法和迭代加深搜索的IDA*_MCOP算法;为克服IDA* _MCOP算法每次迭代都要回到起始节点重新搜索的缺陷,提出了一种多约束边沿搜索算法——Fringe_MCOP算法.实例研究表明:三种启发式搜索算法扩展的节点数、边数以及算法的执行时间都远小于D_MCOP算法,而且Fringe_MCOP算法在三种启发式算法中性能最优;当给定的约束条件与最优路径的权值向量越接近时,算法的执行效率越高,当网络规模较大时,这一趋势更加明显;当约束条件过于严格而得不到满足约束条件的路径时,A*_MCOP和Fringe_MCOP的算法速度比IDA*_MCOP的算法速度更快,D_MCOP的算法速度最慢.     

改进蚁群算法在多目标下路径长度的研究

为解决蚁群算法规划时易陷入局部最优问题,提出一种适合多目标下全局路径规划的改进蚁群算法。将粒子群算法所得到的最优结果路径作为蚁群算法的初始信息素增强值,利用平均距离与当前距离比值和最优与最差路径正负反馈相结合来调节信息素更新策略,根据不同阶段中信息素挥发系数的影响将其动态划分来求解最优遍历顺序,得到最短路径长度。att48实例结果显示,相较于传统算法,改进算法在路径长度上缩短了6.76%,鲁棒性能提高了4.87%,证明了改进蚁群算法的有效性。     

基于遗传算法的动态路径诱导

动态路径诱导（DRGS）是智能运输系统研究的一个重要方面，旨在通过向驾驶员提供基于实时交通信息的最佳行驶路径在来达到诱导出行行为，减少车辆在道路上的逗留时间，进而实现改善城市交通和避免交通拥挤、阻塞的目的。路径牵引算法是DGRS中的重要研究内容，它能计算出给定起讫对之间的的最优或准最优路径，路径牵引算法要考虑一全局准最优和实时性问题，而遗传算法具有全局寻优和潜在的并行性特点，将遗传算法应用于动态路径诱导系统中求解最佳路径，设计了特定的有序选择、交叉和遗传算子，并通过实例验证了算法的有效性。     

基于带宽受限模糊权重的蚁群优化算法及其应用

针对基于流量控制的优化路径很难得到最优解和计算复杂度过大等问题,该文提出带宽受限条件下基于随机网络拓扑的模糊蚁群优化动态流量分配方案.该方案根据网络流量的模糊控制划分路径权重,将路径权重融入信息素中;采用蚁群全局搜索和信息素控制在多条路径中动态选择最优路径.仿真结果证明了该算法的有效性,该法显著加快了传统路由算法网络流量的探索收敛速度.     

基于Voronoi图的无人机航路改进规划

针对传统B样条插值法在无人机航线优化路径中的不足,基于Voronoi图提出一种新的快速优化航路算法.首先根据最短路径算法在Voronoi图中生成初始路径,然后在路程时长和权重大小最优的情形下,采用该优化算法对路径中构成不可飞夹角的各节点进行更新和替换,生成一条最优路径.该算法解决了因初始路径不合理导致无人机不可飞的情形,同时保证了航路中威胁代价和燃油代价的最优.实验结果表明,该算法满足航路规划的有效性和合理性.     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析.结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程.     

基于距离测算的企业物流配送最优路径规划模型研究

针对当前企业物流配送总成本过高、配送距离过长等问题,提出基于距离测算的企业物流配送最优路径规划模型.测算企业物流配送时的车辆行驶时间距离与空间距离,将两者归一化处理实现配送距离测算;借助鲸鱼优化算法,通过包围猎物的形似搜索最优配送路径;为避免陷入局部最优解,融合莱维飞行与鲸鱼优化算法,选择最优配送路径;结合距离测算值与改进后的鲸鱼优化算法,构建企业物流配送最优路径规划模型.通过该模型选择捕猎路径最短的鲸鱼,将该鲸鱼的位置作为最佳鲸鱼位置并输出,实现企业物流配送最优路径规划.该模型可在城市内有大量需求点情况下,规划出最优路径,且规划后的路径能够有效减少配送距离、降低时间消耗.     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

移动机器人复杂环境路径规划

针对移动机器人在复杂环境下路径规划问题,提出一种改进蚁群算法.该算法设计启发式状态转移函数,引入起点和终点对状态转移的引导作用;设计路径优化方法,从八个方向优化每次迭代生成的最优路径,避免规划路径陷入凹形区域,减小其长度;建立路径评估模型,考虑到环境的复杂性,通过加入惩罚因子,使路径评价标准从路径长度转为路径代价,将影...