基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

一种改进的蚁群算法在垃圾运输问题中的应用

针对基本蚁群算法收敛速度慢、易陷于局部最优解等缺陷,将量子算法中的态矢量和量子旋转门引入到蚁群算法中,并分别表示和更新信息素,提出一种改进的蚁群算法--量子蚁群算法(QACA),使算法具有更好的种群多样性和全局寻优能力.结合垃圾运输问题,从数值计算上探索了改进的蚁群算法的优化能力,并与遗传算法和基本蚁群算法进行了对比,测试结果表明,改进算法获得的结果比遗传算法和基本蚁群算法更优,表明该算法是求解垃圾运输问题的一种有效算法.     

基于分布均匀度的自适应蚁群算法最优PID控制

蚁群算法是一种启发式算法,在解决组合优化类问题方面具有突出的适用特征,但由于蚁群算法按一种固定不变的模式更新信息量,确定每次路径的选择概率,故存在早熟停滞现象,且收敛速度较慢.为了克服这些缺陷,提出了一种基于分布均匀度的自适应蚁群算法优化PID控制的方法,该方法克服了蚁群算法的不足,较好地实现了PID控制参数Kp、Ti、Td的优化,系统单位阶跃响应超调量σ和调整时间ts获得改善,并具有广泛的应用前景.     

城市物资配送路径寻优的算法比较

本文围绕物资运送至城市到达站后选择何种路线对配送点进行配送的问题展开讨论。首先,在平面直角坐标系中,确定配送点的位置坐标,然后通过建立最短巡回径路模型,设计遗传算法与蚁群算法分别对数值实例进行求解,得到最短巡回径路,最后比较这两种算法对寻求最短巡回径路问题的求解质量与收敛速度。     

基于蚁群优化算法的QoS多播路由算法改进及实证

多QoS约束的组播路由技术是当前实现分布式网络多媒体的关键技术,蚁群算法是解决多QoS约束组播路由问题的一种启发式算法,但大多算法仍属于集中式算法.该文提出了一种基于蚁群优化的分布式QoS多播路由算法,并结合多播路由问题的特点对算法进行了改进.通过仿真实验讨论了该方法的性能,并与传统的蚁群算法对比,证实了其的有效性.     

解决作业车间调度问题的改进蚁群优化算法

针对作业车间调度问题,提出一种改进的蚁群优化算法.首先设计禁忌表以产生活动调度,然后对传统的蚁群优化算法进行简化,并提出一种新型优先规则作为启发式信息.为增强算法的收敛性和提高求解质量,引入基于作业车间调度问题邻域结构的局部搜索.实验表明该文算法有效.     

基于GPS浮动车的路径优化方法研究

由于城市路径具有大规模路网等特点,传统的路径优化算法难以解决具有实际情况的城市交通路网问题.考虑城市实际道路路网信息,结合动态GPS浮动车数据,将实际道路长度和道路拟合成虚拟路径,提出了一种基于粒子群蚁群算法的混合算法.研究表明,混合算法在时间和精度上优于蚁群算法和粒子群算法,在提高高效性和准确性上具有较好的效果,为城市道路优化和城市出行提供可靠依据.     

一种求解货物配送问题的改进算法

针对货物配送问题,建立问题的数学模型,提出一种基于禁忌搜索的蚁群算法.并结合超市配送问题,对算法进行测试,测试结果表明,该算法具有收敛速度快、不易陷入局部最优、求解精度高的特点,能够有效地解决超市配送问题.     

渐变式路径优化在GIS中的应用

为了解决传统算法收敛速度慢、搜索区域盲目等问题,提出了一种新的算法——渐变式路径优化算法.该算法是结合D ijkstra算法和遗传算法的优点,采用启发式搜索和自适应禁忌等策略进行优化而形成的一种混合算法.对新算法和传统算法进行了比较,同时将该算法应用于G IS路径规划中,对新算法中的关健参数σ、β因子进行了测试.仿真结果表明该算法极大地加快了搜索速度,提高了搜索效率,取得了良好的效果.     

基于密度峰值剪枝后的最短路径聚类算法

聚类是通过数据标签或者属性,将一系列经验数据按照相似性或者相近性进行归类.基于密度属性展开的聚类算法,主要聚焦在聚类中心的确定和剩余点如何分配的问题上展开讨论.针对基于密度峰值的可训练最短路径算法,通过密度峰值确定聚类中心,提出使用截断阈值、对路径图进行剪枝的算法改进.然后基于最短路径法对剩余点进行全局分配.实验结果证明,在保持聚类精度的同时,有效地提升了算法执行效率.     

基于组合优化理论设计单钻头打孔机生产效能模型

对孔型加工及走刀方式进行分析,基于离散空间的组合优化理论建立了求解最短路径与刀具转换的动态优化模型,并利用Matlab软件结合蚁群算法研究了该类问题的常用求解算法．从而设计出单钻头作业的在最短行进时间和最少作业成本前提下的最优作业线路,即刀具转换方案．     

雷达威胁环境下的多无人机协同航迹规划

针对雷达威胁环境下的多无人机协同航迹规划问题,提出一种基于Voronoi图与蚁群算法结合的智能规划方法. 根据雷达威胁分布建立赋权Voronoi 图,将连续可飞空域离散化为网格点. 通过选取适当的参数放宽蚁群算法的最优性,将每架无人机寻优得到的多组解作为多条备选航迹,建立以协同时间为约束的协同函数,根据协同时间最优决策方法选出每架无人机的最终飞行航迹,进行航迹平滑处理后得到实际可飞航迹. 仿真结果表明,所提出的智能航迹规划方法具有时间协同和整体最优等优点.     

基于蚁群算法的地震物资车辆调度研究

为了将便于解决复杂优化问题的蚁群算法与地震灾害发生后的救援物资配送优化问题结合起来,建立了优化的地震救援物资车辆调度数学模型。首先确立了运输时间最短和配送物资满意度最大的双目标模型,其次进行单目标模型转换,再运用蚁群算法求解,最后通过Matlab进行模拟运算,验证了车辆调度模型的可行性和有效性。     

链路状态机制的域间选路协议设计

为提高域间选路协议的扩展性能、收敛性能和路由质量,设计了一种基于链路状态机制的域间选路协议。首先对自治系统级网络的状态进行建模,结合域间连接的链路状态信息,利用最短路算法进行域间路由计算。讨论了路由模型及选路策略的实施机制,分析了协议的性能并和BGP进行了对比。分析和仿真表明,基于链路状态机制的域间选路协议能够减小域间路由表的大小,加快收敛速度并提高路由质量。     

区块链链下支付通道网络的可选择多路径支付方案

链下支付通道网络存在用户节点无法根据实际需求选择转账方式、单次路由中仅使用单一路径发起交易导致的容错率低等问题。为此，提出一种基于链下支付通道网络的可选择多路径支付方案，可以为用户节点提供基于实际需求的距离最短优先、手续费最低优先以及距离和手续费综合度量3种转发选择；同时基于链下支付通道网络改进了开放最短路径优先协议，并根据节点所选的不同优先级构建多条路径以并行转发支付，相对于已有的方案显著提升了单次路由下转账支付的成功率；最后还设计了接收方节点确认转账成功后可主动释放其他路径的功能，以适当提高支付性能。     

基于蚁群优化算法和人工势场的无人机航迹规划

针对复杂环境下的无人机航迹规划问题,建立栅格化环境模型,提出了结合蚁群算法与人工势场的航迹规划方法. 在航迹搜索过程中,蚂蚁不仅受到信息素和启发信息作用,还受到势场力的影响. 根据节点位置的势场力分布,提出了确定性选择和概率性选择相结合的状态转移规则,并设计环境感知因子,动态调整确定性选择的比例. 将节点的势场方向、节点与目标间的距离构造蚂蚁的综合启发信息,以充分利用对已知环境的认知,指引蚂蚁搜索. 仿真结果表明所提方法能有效得到无人机的最优航迹,优化效果优于单一的蚁群算法和人工势场法,具有更好的收敛速度和优化精度.     

基于非精确信息的QoS组播路由遗传算法

提出了一种新的启发式遗传算法以求解基于非精确状态信息的QoS组播路由选择问题.该算法以基于非精确状态信息的单播QoS路由算法PC-ISI (premise-controlled,inaccurate state information)为基础,将基于非精确状态信息的QoS组播路由问题与遗传算法有机结合,通过初始群体的筛选、自适应罚函数的运用以及启发式交叉和变异等一系列策略,能有效地提高算法的搜索能力和收敛速度.仿真实验也说明该算法性能良好.     

蚁群算法求解函数优化的算法设计

为了求解一般的函数优化,文章在对标准蚁群算法的基础上,引入遗传算法的编码方式,并对蚁群算法的信息素更新进行改进.通过对几个经典测试函数的求解,证明了算法的有效性.