Floyd最短路径算法在火灾救援中的应用

火灾救援是城市消防工作的一个重要方面,火灾发生后,如何确定一条最佳路径是一个值得研究的内容。本文运用运筹学图论相关知识,针对消防灭火救援实践,结合城市交通附权图,建立了基于Floyd算法的火灾救援最佳路径计算模型,为消防管理部门在火灾救援工作中提供科学决策。     

人工免疫算法在足球机器人路径规划中的应用

提出了一种人工免疫算法———基于思维进化的人工免疫算法,此算法在人工免疫的基础上吸取了思维进化算法中的优点,提出了趋同半径和异化半径的概念,能够实现算法中抗体的局部和全局求解,使得人工免疫系统和思维进化算法有机地结合起来。同时将算法应用到足球机器人的路径规划中,构建了机器人的数学模型和亲和力函数,并且给出了具体的实现步骤,取得了合理的实验结果,对算法中的一些关键操作也进行了简要的说明。     

基于人工免疫的N最短路径检索算法

求解N最短路径检索问题的传统算法通常比较复杂,计算量较大,针对这个问题提出了一种基于人工免疫的求解算法。借鉴免疫系统的抗体多样性机制、克隆选择、高频变异、免疫记忆以及蚁群算法的信息反馈等原理,通过抗体种群的免疫进化实现对N最短路径检索问题的求解。在多个测试图上与传统Yen方法和基于Dijkstra的方法进行了对比实验,结果表明该算法能以较高的成功率正确地求得全局最优路径集,对图的尺寸和结构以及待求路径数量较不敏感,而且具有很好的时间性能。     

三维最短路径算法在山间修路问题中的应用

针对交通工程中山间修路问题,建立了三维最短路径模型,并将三维最短路径问题转化为图论最短路径问题,提出了一种三维最短路径算法.结果表明,三维最短路径算法可有效地解决山间修路中出现的问题.     

基于改进蚁群算法的移动机器人火灾救援路径规划方法

为了解决在火灾救援中考虑多因素的移动机器人最优路径规划问题,提出一种基于改进蚁群算法的救援路径规划方法.通过改进全局信息素更新策略,考虑影响移动机器人到达待救援点时间的路径长度、转弯次数、坡度大小等主要因素,并根据多因素综合指标来分配各路径上的信息素量,指引蚂蚁走向最优路径.通过仿真算例并与同类方法对比,结果表明,该方...     

煤矿救援机器人全局路径规划

全局路径规划是煤矿救援机器人自主导航的关键技术之一,其任务是按照某一最优指标寻找一条从起始点到目标点的安全避碰路径。文中针对矿难发生后,井下部分巷道的局部环境不确定的特点,提出以矿难前的已知GIS系统为基础,结合改进蚁群算法获取环境不确定情况下的优化路径,从而获得全局最优路径的策略;依据安全性、路径最短原则设计了适应值评价函数,依此作为路径评价和信息素更新的依据;为避免停滞现象,采用确定性选择和随机选择相结合的路径选择策略。实验结果验证了算法的正确性和有效性。     

蚂蚁算法在公交查询最短路径求法中的应用

公交乘客出行路径选择是公交乘客信息系统的关键技术 ,提出以换乘次数最少为首要目标、出行距离最短为第二目标的算法 ,本算法是基于广度优先搜索并结合蚂蚁算法提出公交路线最短路径选择的新算法     

求解最短路径问题的DNA动态规划算法

最短路径问题是一个组合优化问题,许多交通运输、工程、管理等实际问题可转化为最短路径问题进行求解。文中利用DNA计算的并行计算模式,给出一个求解最短路径问题的DNA动态规划算法,该算法最多需要7n-11个生物操作。     

基于遗传算法的森林防火航空巡护路径规划

针对防火监测区地形地貌、森林资源分布、火灾发生规律以及执行巡护任务的飞机性能等影响因素,提出一种规划森林防火航空巡护路径的方法及流程,利用遗传算法实现路径规划最优解的求解.对实验区的计算结果表明,该方法得到的最优路径与原路径相比,长度缩短了46.06%,且能实现对监测区域的全覆盖,从而减少巡护费用,提高巡护效率.     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期,在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能量效率问题的有效措施．采集路径的规划问题类似于旅行商问题,无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合,针对移动 sink 数据收集的路径规划问题寻求近似最优解,仿真结果表明: 与其他算法进行性能比较,所提出的优化算法能够有效减少能耗和缩短遍历路径．     

一种AAPF算法及其在多机器人路径规划中的应用

研究了多移动机器人系统中的路径规划问题,提出一种自适应人工势场算法AAPF.通过引入自适应滑动策略,克服了基本APF算法容易陷入局部极值的问题;通过引入自适应退避策略,解决了多机器系统路径规划中的避碰问题.将AAPF算法应用到多机器人系统的路径规划问题中,仿真实验证明了AAPF算法的有效性.     

基于改进人工鱼群算法的复杂地貌无人机三维路径规划

针对无人机在复杂海域地貌中的三维路径规划,在人工鱼群算法的基础上提出了一种改进的适应性人工鱼群算法。首先,利用数学模型建立地貌的三维模型,选取路径最短为性能评价函数,保证路径规划的合理性;其次,考虑到传统的人工鱼群算法前期收敛速度慢,后期需要精确搜索提高算法精度,提出自适应步长和自适应视野范围来更新个体的位置。为了避免算法陷入局部最优,在追尾行为中引入鱼群中的社会经验位置进行更新;最后,利用MATLAB对在3个复杂程度不同的地图中与传统的人工鱼群算法与粒子群算法对比,仿真结果表明改进后的人工鱼群算法在三维路径规划问题求解中具有更好的收敛速度和精度。     

基于混沌人工势场法的机器人路径规划

本文以人工势场法为基础,提出了一种基于混沌人工势场法的机器人路径规划方法,该方法解决了传统人工势场法存在局部最优点问题、在相近障碍物间不能发现路径、在障碍物前震荡、在狭窄通道中摆动等缺陷。仿真试验表明,该方法能有效的实现机器人路径规划。     

穿越恶劣天气区域的无人机航迹规划

研究无人机穿越恶劣天气区域的航迹规划问题. 充分考虑无人机飞行过程中可能遭遇的恶劣天气,并建立数学模型. 以人工势场法为基础引入附加控制力,航迹规划任务通过优化附加控制力实现. 采用任务完成概率这一关于空间的客观物理量刻画势场,从而解除了过去建立势场的苛刻要求. 仿真结果表明所提出的方法能有效完成恶劣天气条件下的无人机航迹规划任务,同时,继承了传统人工势场法的优点,改善其容易陷入局部极值、势场的建立缺乏实际意义的固有缺陷.      

改进Q-Learning 算法在路径规划中的应用

针对Q-Learning 算法在离散状态下存在运行效率低、学习速度慢等问题,提出一种改进的Q-Learning 算法。改进后的算法在原有算法基础上增加了一层学习过程,对环境进行了深度学习。在栅格环境下进行仿真实验,并成功地应用在多障碍物环境下移动机器人路径规划,结果证明了算法的可行性。改进Q-Learning 算法以更快的速度收敛,学习次数明显减少,效率最大可提高20%。同时,该算法框架对解决同类问题具有较强的通用性。     

一种求解交通网络中最短路径问题的人工蜂群算法

用人工蜂群算法解决寻找时间依赖网络中两点之间的最短路径问题,针对时间依赖网络中先入先出网络的特性,改进原算法中的路径选择策略,以优化生成的个体质量.该算法使用的策略为每个个体(即每条路径)添加一张散列表,用于记录搜索路径时遇到的路段,通过查找该表可发现当前个体的更优解.实验结果表明,该改进方法能有效提升算法最终解的质量...