基于蚁群算法的三维空间机器人路径规划

将蚁群算法应用于三维空间机器人路径规划问题.首先将机器人所在位置(原点)与目的点之间的空间划分成立体网格,同时定义原点与目的点之间的有效路径.蚁群从原点出发,独立地选择有效路径,最终到达目的点,从而求出从原点到目的点之间的最优路径.实验结果表明,该算法不仅有效,而且具有较快的速度.     

A*算法与蚁群算法相结合的无人艇巡逻路径规划

针对无人艇海上巡逻路径规划问题,提出了一种A~*算法与蚁群算法相结合进行最短巡逻路径优化的方法.在传统A~*算法的八角度搜索基础上,设计了一种多角度A~*算法以获得更短的两点之间可行路径,并以A~*算法搜索结果构建任意两个巡逻点之间的最短路径网络.结合最短路径网络建立多点巡逻路径规划问题的目标函数,利用蚁群算法进行求解以获得全局最优的巡逻路径.针对巡逻路径转折角较大的问题,提出了一种平滑算法以获得更符合实际航行需求的平滑路径.仿真结果表明:该方法有效地去除了冗余节点,缩短了路径长度,提高了路径平滑度,规划出了一条更优的无人艇巡逻路径.     

基于蚁群算法的最短路径搜索方法研究

最短路径问题是在给定的网络图中寻找出一条从起始点到目标点之间的最短路径。蚁群算法是一种用于求解优化问题的新型模拟进化算法,该算法在许多相当困难的优化问题的求解中体现了极强的寻优能力和较好的性质。提出了一种利用蚁群算法来解决网络最短路径问题的新方法,并用Matlab语言编程进行算法的实现和仿真。结果表明,蚁群算法在寻求网络最短路方面的应用是可行的。     

基于MMDS的近似测地距离快速求解算法

通过运用度量多维尺度分析(Metric multidimensional scaling,MMDS)技术,将低维曲面上的测地距离计算转化为高维空间中的欧氏距离计算问题,提出一种快速求解三角网格上任意两点间近似测地距离的算法。首先对给定三角网格模型进行简化,得到原网格模型的简化版本。在原始网格模型上求取简化网格中所有顶点对的测地距离,并根据得到的测地距离将简化网格嵌入到高维空间中。运用最小二乘方法将原网格中其他顶点也嵌入到该高维空间。最后,在高维空间中计算顶点之间的欧氏距离来近似表示原网格上任意两点间的测地距离。实验表明,该文算法运行稳定,能够快速计算出不同网格模型上不同顶点间的近似测地距离。     

基于交互式蚁群算法的停车路径方法

为便捷有效地引导驾驶员在停车场内寻找车位,设计一种面向新型建筑智能化平台的停车路径规划方法。利用交互式蚁群算法选择最佳车位并且在算法迭代过程中交互各个智能计算节点内的最佳路径以及最佳种群信息,使得各个智能计算节点能够快速准确地找到最佳路径。试验结果表明,利用该方法搜寻最短路径的可靠性较传统蚁群算法提高了4.5%,较遗传算法提高了16%,验证了交互式蚁群算法在停车场中运用的有效性和可靠性。     

一种维持动态网络中最短路径的方法

本论文提出解决动态网络中多源-目的点对最短路径路动态问题的有效方案。针对动态网络中的边权被改变后,需要扫描所有的边重新计算所有点对之间最短路径,我们提出采用相应的数据结构,使每次边权改变后,只需重新计算含该边的源-目的点对间最短路径,即最低限度的扫描动态图中的边,提高维持所有点对之间最短路径算法的时间性能。     

采用蚁群算法的移动摄像头探访规划

规划了摄像头的移动路径,快速轮询所需要监控区域的热点,从而提高监控的有效性和安全性.定义一个最短轮询监控点的问题,证明该问题是NP-难的.设计了基于"视距蚂蚁"的蚁群算法,通过大量模拟实验证明:设计的算法是有效的,可以在近似最短距离的路径轮询到所有监控点.     

多面体面上任意两点间最短路径算法

提出计算多面体面上任意两点之间最短路径的算法:近似算法、最短路径或近似最短路径算法.近似算法的思想是采用将折线不断嵌入三角形串上的方法,而另2个算法则是通过特定法线寻找三角形串,而且将这些三角形旋转到同一平面上,从而得到最短路径.前者的时间复杂性为O(n),而后者的时间复杂性分别是O(n2)及低于O(2nn2).     

空间四边形网格曲面上最短路径的图论法求解

目的在空间四边形网格曲面上,寻求连结所有网格结点的最短路径。方法运用图论的相关知识,提出应用最短哈密顿路径法,通过建树的方法来连结网格节点以形成路径。结果在划分好的空间曲面网格上实现了最短路径的求解,进而证明了提出方法的可行性和构建算法的正确性。结论该方法可以更有效地解决空间曲面上最短路径的求解问题。     

蚁群算法在方程求根中的应用

列举了传统方程求根方法的不足，介绍了当前若干人工仿生优化算法在方程求根领域的应用。模拟蚂蚁的群体智能，即选择最短路径觅食，提出了一种基于网格划分的连续域改进蚁群算法，用来求解超越方程和复系数高次代数方程的根。通过仿真计算，算法可以找到两类方程的所有根，对于两类方程的差异性而言，算法较稳定。算法给出的复系数高次代数方程的根的误差分布不太均匀，个别根精度太高或者太低。     

基于改进蚁群算法的古建筑群火灾疏散路径规划

针对古建筑群突发火灾的情况下,为了在保证人员可安全通行的条件下规划出最短疏散路径,提出了一种基于改进蚁群算法的路径搜索模型,对算法的启发函数、回退策略、信息素浓度、信息素挥发系数进行了改进。并以云南大理巍山古城内部实际地形为例建立栅格图模型,通过仿真模拟实验对改进算法的参数组取值进行测试选取,确定参数组取值后,对改进蚁群算法的可行性进行仿真模拟实验,证明改进蚁群算法提高了算法的收敛速度和全局搜索性,降低了算法陷入局部最优解的可能性。     

基于改进蚁群算法的个性化学习路径推荐

目前已有的学习路径推荐领域多为学习资源推荐,而课程知识图谱应用率较低,与蚁群算法的结合普遍缺乏对学习者知识水平的精确建模.因此,提出将知识图谱技术、深度知识追踪模型以及蚁群算法三者相结合,同时分类蚁群改进传统的蚁群算法:首先,抽象出课程知识点图谱作为路径基础,将深度知识追踪应用于不同水平学习者的分类,并与知识点难度权重相结合;然后,采用蚁群算法进行相应的路径规划,将蚁群按照不同的学习者类别进行划分,在保障相对最短学习路径的同时考虑不同学习群体客观知识水平情况,从而得到个性化的高效率学习路径推荐;最后,在ASSISTment数据集上验证了本方法的有效性.     

最短路的蚁群算法收敛性分析

蚁群算法最初出发点是模拟蚂蚁觅食,蚂蚁可以利用局部信息素的变化找到从蚁穴到食物的最短路。对求解最短路问题的蚁群算法的收敛性进行了探索性分析,定理给出了寻找最短路的蚁群算法收敛的充分条件,并通过一个数值例子验证了该结果。     

基于改进蚁群算法与Morphin算法的机器人路径规划方法

 针对动态复杂环境下的机器人路径规划问题,建立栅格地图模型,研究一种改进蚁群算法与Morphin 算法相结合的动态路径规划方法。改进蚁群算法引入拐点参数评价路径优劣,并对路径进行拐角处理以及变更拐角处信息素更新机制,使规划的全局路径更加平滑;Morphin 算法则在机器人行走时,根据全局路径的局部环境实时规划局部路径,使机器人有效地躲避障碍物。仿真试验结果表明,该方法结合全局规划与局部规划的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

移动机器人路径规划的一种改进蚁群算法

提出了一种复杂静态环境下的移动机器人避碰路径规划的改进蚁群算法。基于栅格法的工作空间模型,模拟蚂蚁觅食行为,并针对移动机器人的路径规划的需要,将一些特殊功能赋予常规的蚁群算法。为了避免移动机器人的路径死锁,在路径搜索过程中,当蚂蚁探索到一个死角时,建立了相应的死角表,同时用惩罚函数来更新轨迹强度。仿真研究表明:该算法能明显改善路径规划性能,并且算法简单有效。     

基于网络服务模式的动态路径规划蚁群算法

随着云计算、移动互联网等IT技术的发展,通过网络提供动态路径规划服务能够进一步改善人们的出行质量。网络服务模式下的动态路径规划要求系统能够同时为多用户提供最优路径。在多态蚁群算法基础上,借鉴最大最小蚂蚁系统及自然界优胜劣汰思想,考虑共享侦察蚁群得到的初始道路信息素,提出两阶段蚁群算法。实验结果表明,两阶段蚁群算法不仅在收敛速度上有所提高,且适应网络服务模式下的多用户实时导航需求。     

蚁群优化图着色算法在智能小区中的运用

当智能小区的地图网格中的颜色数太多时，经蚁群算法处理的信息会出现杂乱无章的现象.对蚁群算法进行优化，增添褪色过程并加入参数Max，能减小并控制着色色数，实现四色着色，使得小区里的各种动态数据和信息在地图网格中更加清晰且直观地展现.     

多约束最短路径模型与求解

提供满足驾驶员多个心理期望的路径是导航系统该解决的关键问题,其本质是资源约束最短路径问题,属于NP难问题,无法使用传统的最短路径算法解决.提供了多约束路径规划的数学模型,并使用了蚁群算法对其求解,在算法中针对问题重新设计了信息素更新规则和启发因子.实验证明算法具备良好的寻优能力,能准确找出路网中满足多种属性约束的路径.     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。     

基于混合人工势场-蚁群算法的机器人避障

针对移动机器人避障的路径规划问题,提出一种基于混合人工势场-蚁群算法的方法。在栅格环境中,以人工势场法的规划信息作为蚁群算法寻优的基础,引入势场合力作为蚂蚁搜索路径点的部分启发信息。Mat-lab7.6仿真表明,该方法解决了人工势场法的目标不可达、易陷入极值点等弊端,提高了经典蚁群算法的寻优效果和收敛速率,具有更强的稳定性和环境适应力。