改进蚁群算法

摘要： 传统蚁群算法在生成信息素浓度时,由于算法生成的路径可能存在冗余成分,信息素浓度可能无法正确反应路径各节点的优劣,蚂蚁无法根据信息素浓度来迅速找出最优路径,导致算法寻优缓慢.基于传统蚁群算法思想,提出了一种新改进蚁群算法,即通过引入终距指数这一概念,取代信息素浓度的标记功能,蚂蚁可以依赖该指数进行决策选择优良节点.以20×20的栅格环境地图对改进蚁群算法进行案例仿真,实验结果表明,传统蚁群算法及其他改进蚁群算法分别需要43代及34代才能收敛到最优值,而利用改进蚁群算法仅需要进化3代即可收敛到最优解;为了进一步验证改进蚁群算法的优越性,在对更为复杂的30×30栅格模型仿真,利用传统蚁群算法与其他改进蚁群算法的收敛代数分别为52代与28代,而利用新改进蚁群算法的收敛代数仅为4代;另外,为了进一步验证改进算法的稳定性,对30×30环境模型进行连续运行30次仿真,所需平均收敛代数仅为4.97代.

摘要： 文章通过研究目前危险天气对航路航线的影响,在分析最优航线选取的基础上,细化航路航线的选取方向,定义空域元胞尺寸和速度位置演化的规则,构造危险天气元胞自动机模型,在此基础上,利用改进蚁群算法进行最优路径规划。提出了基于空域元胞位置演化规则的动态局部航路规划方法。在建模环境下的仿真结果表明,基于此元胞自动机演化规则的方法,能够完成在动态环境下的最优路径选取的任务,并且在路径的长度上有较为明显的改善,快速高效的规划并选取出一条路径,并随环境的变化相应的改变,具有一定的稳定性和很强的适应能力。

摘要： 针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题,提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法,实现在动态环境中的全局最优路径实时规划。对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数A增大相邻栅格启发信息差异、选择最优路径时考虑转弯次数的影响等改进策略;改进动态窗口法的距离评价子函数和初始航向角;提取改进蚁群算法规划的全局最优路径的转折点作为子目标点来引导动态窗口法沿着全局最优路径方向进行实时动态路径规划。经过不同环境下的仿真实验结果表明,提出的全局动态路径规划算法可以通过实时动态路径规划实现有效躲避动态障碍物的同时规划全局最优路径。

摘要： 针对社交网络好友推荐算法的精确度问题,提出了一种基于改进蚁群算法的社交网络好友推荐算法,通过综合考虑用户属性和交互信息,计算用户间的相似度,来进行链路预测,建立社交网络二维图。在此基础上,采用改进蚁群算法,相似性值高的用户被推荐的可能性增大。仿真实验表明,该算法准确率和召回率性能较好。

摘要： 多层穿梭车自动存取系统集存储和拣选功能于一体,利用高层货架实现货物密集存储,穿梭车、提升机等多设备并行作业。多层穿梭车自动存取系统作业效率较高,但是设备调度方案与配置参数等因素均会影响系统性能。通过剖析多层穿梭车自动存取系统的工作流程和设备服务时间,研究穿梭车和提升机并行工作的约束规则,建立了以出库时间最小为优化目标的混合整数规划模型。在模型求解方面上,分别使用禁忌搜索算法、遗传算法改进了蚁群算法,并提出一种Gurobi与启发式算法结合的求解新思路,经过实验验证,求解精度和求解效率有较大提升。最后,通过计算不同的任务规模实例分析了3种改进算法的求解性能,建立了一套出库任务规模与精确求解的适配方案,减少了系统订单作业时间,提高了系统作业效率。

摘要： 合理使用高铁站到发线对车站的工作效率至关重要,为编制高效的到发线运用方案,建立以固定使用到发线和均衡运用到发线为目标的0-1整数规划模型,采用改进蚁群算法来求解模型。为了验证模型和算法的可行性,以定西北站实际数据为例验证9∶00~12∶00车站到发线运用优化方案是否满足行车安全和高效作业要求。算例表明,模型和算法可以有效编制满足条件的优化方案,能够为客运站的智能化作业提供参考。

摘要： 针对典型蚁群算法在处理大型公共建筑消防隐患感知及智能疏散决策问题时存在的多源异构数据同步感知缺失、处理非线性约束失效等若干先天弊端,提出一种基于改进蚁群算法的消防隐患感知及智能疏散决策模型。引入深度径向基神经网络作为消防隐患感知优化载体,采集训练数据预测误差并映射至经典蚁群算法,建立消防隐患感知与最优疏散路径的逻辑对应关系,深度径向基神经网络捕获最优疏散路径并对网络初始参数进行赋值。对该模型进行效能仿真验证与工程化应用效能分析,结果表明提出的系统可以在较短的时间内处理大型公共建筑消防隐患感知及智能疏散决策问题,在消防隐患感知全面精确性、疏散路径决策生成最优性、建筑动态拓扑切换适应性等方面具有明显优势。

摘要： 针对国家对环境保护的重视和偏远地区电商配送经常遇到道路坍塌、断交以及空域禁飞等区域限制的难题,考虑客户对于时间和货损的满意度以及固定成本、运输成本、燃油成本和碳排放成本,以配送总成本最小和客户满意度最大为目标,建立考虑区域限制的货车和无人机联合配送多目标优化模型。通过引入人工蜂群算法的分级思想和信息素浓度限制对蚁群算法进行改进,并用改进蚁群算法对模型进行求解。使用MATLAB软件进行仿真,将仿真结果与货车单独配送模式进行对比。结果表明,在偏远地区电商配送过程中,货车和无人机联合配送模式能够有效降低配送成本,减少碳排放,提高客户满意度。

摘要： 针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。

摘要： 为了提高柑橘采摘效率,对柑橘采摘的最优路径进行研究.将柑橘采摘的路径规划抽象为旅行商问题的解集,建立柑橘果实点3维模型.在蚁群算法的基础上,引入随时间改变的自适应信息素浓度更新机制,提出改进的蚁群算法.仿真实验结果表明:改进蚁群算法的路径长度比蚁群算法的路径长度短;改进算法采用蚁周模型进行路径规划时有较高的效率.

摘要： 提出了基于改进蚁群算法的应急监测移动机器人全局路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,利用环境的全局信息建立目标吸引函数,对蚂蚁在野外环境下的路径搜索进行引导,提高其选择离目标点更邻近节点的概率,减小蚂蚁对非最短路径的选择概率.其次,借鉴狼群分配原则对信息素进行更新,避免算法陷入局部最优.最后实现了基于改进蚁群算法的应急监测移动机器人全局路径规划并完成了仿真实验,实验结果表明该方法可以更快地收敛到最短路径并具有较好的全局性能.

摘要： 以一条发动机装配线为研究对象,对工序作业元素进行重新划分,建立作业元素优先关系.以装配线的生产均衡指数为目标函数,通过改进蚁群算法实现对研究对象的优化方案设计.运用Matlab软件实现算法获得了最优装配顺序及各工位作业分配结果,使生产线获得更好的平衡状态,从而提高生产效率.

摘要： 本文对一维非稳态考虑辐射的相变导热耦合换热模型,应用有限体积法求解了能量方程和辐射传输方程,通过与文献中的解析解对比,证明了本文正问题模型的有限体积法程序的正确性.通过测量两个边界的温度,利用基于概率密度分布的蚁群算法反演了相变介质的衰减系数,并且引入微粒群算法的思想,将其和蚁群算法结合,改进了蚁群算法的性能.通过基准测试函数以及实际问题的检验,证明了改进蚁群算法的在效率上的优越性,最后通过误差分析,得出蚁群算法具有较高的稳定性.

摘要： 分析了全终端网络成本优化问题中的寻优效果和寻优速度问题，结合了泰国学者Kanyapat Watcharasitthiwat在解决网络优化问题的建模思想，利用成本最小化模型实施优化。根据该优化模型的特点，给出了改进蚁群算法(I-ACA)，并利用该优化算法解决了全终端网络成本优化问题。仿真验证结果表明，该优化算法不仅有效，且与文献[5]中的优化方法相比具有寻优效果佳、寻优速度快的特点。尤其针对计算大型复杂全终端网络优化问题具有较好的实用价值。

摘要： 本文提出了一种基于惩罚改进的蚁群最优化算法,并应用于水库群的梯级调度优化研究中.本算法以蚁群蜂群算法中群体协作的反馈机制、随机搜索的性态多样性思想、优良的全局搜索能力、并行计算性及较强的鲁棒性为基础,进行问题空间的全局寻优;同时针对梯级调度优化中常见的多维变量约束条件,借鉴模拟退火算法思想,在目标函数中构造了惩罚因子,使得带约束问题转化为了纯粹的优化问题.经实例验证,本算法具有普遍的梯级调度优化解决能力,并与传统的遗传算法及人工粒子群算法相比,具有更好的精度、收敛速度和寻优能力.

摘要： 基于蚁群算法的三维路径规划大多存在规划速度慢、准确度不高等问题,提出了一种基于改进启发函数和自适应修正挥发系数的蚁群算法,设计了一种新的启发函数,提高了三维路径规划的准确度;提出自适应调整挥发系数,避免搜索陷入局部最优,同时加快了算法收敛速度.最后进行了仿真实验,结果证明了该方法的可行性和有效性.

摘要： 模拟电路故障诊断是大规模集成电路课题中的重要问题,其不完善的故障模型和容错等问题使模拟电路故障诊断变得复杂.神经网络的学习记忆、信息综合和归纳能力为故障诊断问题提供了一种新的解决方法,反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型,但算法存在求解精度低、搜索速度慢、易于陷入局部最优值.改进蚁群算法是在蚁群算法的基础上重新设计状态转移规则和信息素更新规则,它具有正反馈、较强的鲁棒性、并行计算等特点.针对常规BP神经网络中的问题,设计了一种改进的神经网络,利用改进蚁群算法优化神经网络连接权初值,并采用改进蚁群算法对神经网络进行训练.通过仿真结果表明,改进后的神经网络提高了收敛速度和诊断的准确率.

摘要： 物流配送过程中配送车辆遭遇干扰事件产生延迟后，如何快速形成使系统扰动最小的应对方案，是目前学术界和企业界面临的难点问题。针对这一问题，运用干扰管理思想，对系统扰动进行辨识，明晰对初始方案进行调整的条件;分析干扰事件产生的影响，确定物流配送系统扰动程度的度量指标，并在此基础上提出系统扰动程度的度量方法;进而构建物流配送受扰延迟问题的干扰管理模型，并给出求解该模型的改进蚁群算法;最后通过具体实例，验证了上述方法的有效性。

摘要： 车辆路径问题(VRP)是一个NP难题,蚁群算法是求解诸如车辆路径安排问题等组合优化问题的有效工具。在了解VRP问题及蚁群算法的基础上,分析了蚁群算法在VRP中的应用,针对蚁群系统(ACS)的不足之处,借鉴MMAS思想,引入动态负反馈机制及适当增大能见度机制对蚁群算法进行改进优化,结合节约函数求解VRP问题。仿真结果表明,本文提出的算法无论是在最优值还是在收敛速度上都优于基本蚁群算法,实用性强,能较好的解决VRP问题。

摘要： 针对现代物流市场货物配送、回收和二次配货一体化管理的实际需求，在对传统蚁群算法进行分析研究的基础上，本文基于对客户节点禁忌表给出的新规则和对回程的弱多车场车辆路径问题提出的期望度评定因子，采用带回程捡收货物路径与所回收货物的二次配送路径相结合的问题解方案，提出了一种基于回程的弱多车场车辆路径算法，实验表明该算法具有良好的求解效果。

摘要： 本发明涉及汽车轮毂轴承合套系统，公开了基于蚁群算法的汽车轮毂轴承内外圈合套系统及用于该系统的蚁群算法，基于蚁群算法的汽车轮毂轴承内外圈合套系统其包括管理控制模块、分选机料库装置和合套装配装置；管理控制模块主要采用微处理器控制和管理；分选机料库装置采用蚁群算法对轴承内圈、轴承外圈进行分选，从而分选出最优的轴承内圈和轴承外圈，对于分选出的轴承内圈、轴承外圈实现轮毂轴承内圈与外圈匹配数量达到最大值，且最终游隙也为最佳游隙值。合套装配装置通过管理控制模块统一进行管理与控制，同时进行轴承内圈合套和轴承外圈合套，提高了内圈合套和滚动体合套的速度。通过本发明的设计大大提高了汽车轮毂轴承选配的运行效率，减少轴承装配的时间与成本，提高了轴承精度，降低因精度导致的损失。

摘要： 本发明公开了一种基于蚁群算法优化RBF‑BP神经网络用于预测光伏阵列最大功率，通过结合BP神经网络和RBF神经网络的优点，运用最大最小蚁群算法优化改进RBF‑BP神经网络训练前的权值和阈值。本发明通过优化后的神经网络来预测光伏阵列最大功率点。

摘要： 本发明公开了一种基于改进蚁群算法和启发式算法的集装箱货物摆放方法，具有如下步骤：初始待装载化货物信息和集装箱空间信息；初始化蚁群、初始化每一只蚂蚁的货物装载链信息以及初始化信息素信息；当前的蚂蚁根据当前蚁群算法的迭代次数和最大迭代次数，生成选货概率，使用轮盘赌的方式选择启发式选货方式或蚁群选货方式；若选择启发式：考虑当前的空间的左方和后方所装载的货物和当前待装载空间，从待装载的货物中选择适合的货物进行递归装载；若选择蚁群，查询信息素矩阵，根据轮盘赌的方式选择装载货物；对选出的货物，用回溯的方式，选出当前货物的最佳摆放姿态。

摘要： 基于蚁群算法和改进型遗传算法的仓储物流AGV路径规划算法，它涉及蚁群算法、遗传算法，解决了传统方法计算耗时、易早熟收敛、易陷入局部最优的缺陷。本发明的步骤为：一、对场地建立网格化划分与编码；二、用基于障碍物信息的改进蚁群算法生成用于遗传进化的初始AGV路径；三、用基于三阶段遗传算法迭代选择AGV最优路径；四、对具有重合点的不同AGV路径进行末端交叉；五、对AGV路径进行有利变异；六、重新计算AGV路径适应度，判定迭代是否终止，对终止后的AGV路径进行轨迹圆滑处理。本发明的基本思想是将改进的蚁群算法和改进的遗传算法相结合，加快迭代收敛速度，得到运行效率更高的AGV路径，工程适用性强。

摘要： 本发明公开了一种基于改进蚁群算法的火灾逃生疏散仿真算法，通过设置格栅地图和环境参数火源点、人流量密度、烟气扩散信息等环境因素，进一步设定目标函数、约束条件、改进启发函数以及设定综合影响指数函数、温度变化函数、CO浓度变化函数、能见度变化函数，并通过改进信息素含量更新方式，建立符合人群疏散过程下的信息素更新模型，对传统的信息素更新方式进行改进，计算速度加快，同时避免陷入局部最优解。对ρ的设定需要综合考虑收敛速度和算法的全局搜索能力，使ρ值自适应调整。对人员在火灾环境下的疏散有现实的价值。

摘要： 本发明提供了一种基于改进蚁群算法和A*算法的履带车路径规划方法，该方法包括：获取车身周围障碍物位置信息，将规划区域进行网格切分，标记障碍物与可通过区域，构建栅格地图；设置蚁群算法相关参数、迭代次数、履带车的起始点和终点等参数；在优化蚁群算法作用下完成履带车的路径规划，结合履带车转弯时间代价函数，计算各路径的耗时，选择每轮迭代的最佳路径；达到最大迭代次数后得到耗时最短的最佳路径。本发明优化了蚁群算法的初始信息素浓度分布，可以提高初始搜索效率，从而较大的提升路径规划的时间。同时，为了更好地提高路径规划效率，缩短路径规划时间，本发明优化了蚁群算法的启发函数，使更适合于履带车的路径规划。

摘要： 本发明公开了一种应用于智能车路径规划的基于改进蚁群算法与动态窗口法的混合算法，该算法可以实现实时避障，提升路径规划效率，实现智能车的自动反馈控制。本发明提出的算法在已知障碍物的前提下，利用Matlab仿真平台和基于ROS智能车平台在指定起始点和目标点后，完成智能车全局路径规划，同时在栅格地图上设置未知障碍物，规划局部移动目标点，并对局部目标点进行实时追踪，完成智能车的局部实时避障。本发明提出的基于改进蚁群算法与动态窗口法的智能车路径规划，平滑了路径的转弯角度，提升了路径规划效率，实现了智能车的实时避障，具有良好的鲁棒性和准确性。

摘要： 本发明公开了一种基于改进蚁群算法的卫星QoS路由算法,将蚁群算法引入卫星网络中，考虑到传统蚁群算法以节点之间距离作为启发函数，距离越短，对蚂蚁的启发性越高，但卫星网络不同于地面网络，为了能支持卫星网络上业务的多QoS需求，将蚁群算法进行改进，通过优化概率公式，改进启发函数，将链路QoS信息作为蚂蚁选择下一跳节点的重要参考依据，从而实现了业务对多QoS的需求；并结合排序思想来优化链路信息素更新规则。该算法在为不同的业务提供多约束QoS保障的同时，还提高了算法的寻优能力和收敛速度。

摘要： 本发明公开了一种基于改进蚁群算法和启发式算法的集装箱货物摆放方法，具有如下步骤：初始待装载化货物信息和集装箱空间信息；初始化蚁群、初始化每一只蚂蚁的货物装载链信息以及初始化信息素信息；当前的蚂蚁根据当前蚁群算法的迭代次数和最大迭代次数，生成选货概率，使用轮盘赌的方式选择启发式选货方式或蚁群选货方式；若选择启发式：考虑当前的空间的左方和后方所装载的货物和当前待装载空间，从待装载的货物中选择适合的货物进行递归装载；若选择蚁群，查询信息素矩阵，根据轮盘赌的方式选择装载货物；对选出的货物，用回溯的方式，选出当前货物的最佳摆放姿态。

摘要： 本申请提供一种基于改进蚁群算法和改进人工势场法的USV避碰方法，包括以下步骤：构建坐标系，包括全局坐标系和局部坐标系；设计实时避碰规划的优化窗口；采用可视图法构建障碍模型；判断障碍物距离船体的距离选取实时避碰方法：若障碍物距离船体小于设定距离，采用改进人工势场法进行实时避碰，若障碍物距离船体大于设定距离，采用改进蚁群算法进行避碰。本申请提供的一种基于改进蚁群算法和改进人工势场法的USV避碰方法可对未知静态环境下突然出现的障碍物进行紧急避碰，并对下一时刻的路径进行规划，同时避免了传统人工势场法对只能根据距离做出避碰规划的问题，提高了避碰的实时性和有效性。