蚁群算法

摘要： 针对传统的蚁群算法在解决移动机器人路径规划问题时存在收敛性差、搜索速度慢、过于依赖参数选择等问题,提出一种自适应萤火虫算法改进蚁群算法的混合算法.首先,在蚁群算法基础上引入萤火虫算法,对蚁群算法的核心参数进行优化;其次,针对两种算法混合后时间开销大的问题,引入精英策略和承接式相结合的信息素更新方式,并对萤火虫算法的步长因子进行自适应设计,以提高整个混合算法的求解效率和求解精度;最后,在不同的栅格环境下进行路径规划仿真实验.结果表明,混合智能算法较传统蚁群算法综合效果有明显提升.

摘要： 针对路径规划中的最优路径问题,利用参考文献中提到的两种改进蚁群算法进行融合得到了一种新的改进蚁群优化算法,通过MATLAB将得到的方法和基本蚁群算法在20×20的栅格环境下进行了测试,得出的结果是两种算法在相同的栅格环境中寻找的最优路径完全相同,但是在收敛曲线的迭代次数上,改进蚁群算法需要的迭代次数较基本蚁群算法很少.由此得出的结论是改进蚁群算法具有较高的求解效率.

摘要： 建立以总成本最少同时满足时效性要求的物流配送中心选址问题的数学模型,并提出一种带变异的自适应精英改进蚁群算法对选址问题进行求解.本算法中的信息素挥发参数随迭代进行自适应调整,同时引入精英机制对群体当前解的信息素更新来进行有差别处理.此外,本算法移植了遗传算法的变异机制.当本算法陷入停顿时,对当前最优解施加扰动,将有效帮助本算法摆脱局部最优的束缚.验证结果表明,本算法对于实际中比较复杂的物流配送中心选址问题的求解结果较为理想,比基本蚁群算法在效率和寻优能力上有了进一步的提升.

摘要： 针对网络路由选路优化问题,有效保证网络服务质量的基本条件下,将自适应蚁群算法用于解决路由协议优化问题,通过设立多个影响因素(跳数、时延、带宽等)来实现对网络中最优路径的选择,以实现求解最优路由。仿真实验表明,本文所提算法比传统蚁群算法能够更好地适应动态变化的网络,提高了收敛速度。

摘要： 针对近海防御战中威胁目标规模小、速度快、灵活性强的特点,为提高无人水面艇编队御敌的作战效能,及动态适应战场态势的复杂变化,提出近海威胁目标威胁度评估模型和无人艇调度分配方案。建立威胁度影响要素框架,设计各影响要素的效用函数,通过熵权法和TOPSIS算法得出威胁目标的威胁度,并对蚁群算法中的信息蒸发系数进行改进,基于威胁度使用改进的蚁群算法对威胁目标进行动态兵力分配。仿真结果表明:经过改进的蚁群算法在解决近海防御兵力分配问题时具有较好的动态实效性,提高了算法的全局搜索能力,在保证了一定收敛速度的同时避免了陷入局部最优。

摘要： 共享单车的出现解决了出行“最后一公里”问题,为居民出行带来极大的便利,但是目前存在共享单车投放点设计不合理、投放数量供不应求或过度浪费等情况,造成资源浪费。文章以现有的共享单车选址点和初始投放数量为基础,以共享单车系统中的服务半径为指导,将服务半径分为区域内和跨区域两种,分别从两方面确定共享单车的投放量,建立选址点评分模型,通过评分模型确定选址点,通过优化的蚁群算法对选址点进行求解。

摘要： 针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。

摘要： 蚁群算法初始信息素的等值分布导致其在移动机器人路径规划中存在收敛性差、收敛速度慢等不足,为此,文章提出一种初始信息素不均匀分布策略的蚁群算法。初始信息素不均匀分布策略的核心思想是基于双向搜索,根据起点与终点附近首个障碍物信息构建初始信息素增强区域,以此降低算法初期搜索的盲目性,进而提升算法收敛性能。仿真实验结果表明,该改进蚁群算法搜索成功率高、收敛速度快,可提升前期搜索路径质量。

摘要： 针对蚁群算法计算时间长、收敛速度慢和容易陷入局部最优解等缺点,文中提出一种改进的蚁群算法。首先提出一种方向性信息素,以减少非必要方向的搜索概率,加快算法的收敛速度并避免陷入局部最优解;其次提出一种针对方向性信息素的蒸发函数,使方向性信息素前期挥发速度更慢,以缩短前期蚁群算法找到可行路径的时间,而后期则加快方向性信息素的挥发,避免陷入局部最优解及干扰最短路径。仿真结果表明,相比原始蚁群算法和已有的改进蚁群算法,文中算法在路径长度、搜索时间和迭代次数上都得到明显的提升。通过进行机器人试验得出,改进的蚁群算法可以应用在机器人的全局规划中,且相比原始蚁群算法,该算法路径长度缩短4.27%,运行时间减少4.53%。

摘要： 基于无人机(unmanned aerial vehicle,UAV)协作通信已成为满足下一代蜂窝用户需求的有效技术,但是UAV的有限能量供给限制UAV的应用。因此提出基于蚁群算法的UAV协助分发数据(ant colony algorithm-based unmanned aerial vehicle assist data distribution,ACUD)算法,该算法将设备划分两类,第一类设备直接从UAV接收数据;第二类设备通过第一类设备转发接收数据。先将最小化设备和UAV的能量消耗问题构建成一个优化问题,再利用蚁群算法求解该优化问题,获取最优的数据传输路径,进而降低总的能量消耗。性能分析表明,提出的ACUD算法的性能逼近于穷举搜索算法。

摘要： 以快递配送路径优化问题展开,基于目前海内外对蚁群算法研究的各个领域配送路径优化模型现状的根本上,创立符合实际的路径优化模型,并按照蚁群算法流程在满足特定条件下得出最优解.最后把蚁群算法应用于解决某市顺丰快递路径优化的实际问题.在研究快递配送路径优化理论的根本上,提出路径优化方案.

摘要： 遗传算法能快速全局搜索但迭代冗余;蚁群算法有快速收敛能力但算法初期搜索速度慢.本文结合遗传算法的快速全局搜索能力和蚁群算法的全局收敛能力,提出了一种基于遗传蚁群混合算法的图像边缘检测研究算法,可在提高图像边缘检测质量的同时大大缩短检测时间.本算法可广泛应用于车牌识别、车道偏离预警、行人识别、道路交通标志识别等汽车智能产品.

摘要： 为了促进群桥水域船舶通航安全的提高,针对桥群水域船舶路径规划问题,本文首先基于长江武汉段桥群布局,通过分析,列出桥墩中心及各顶点的二维坐标公式,建立了适用性较强的能够反映武汉段桥群水域通航环境特征的桥墩紊流区模型;其次,通过文献查阅,对比其他路径规划的方法,本文采用Dijkstra算法和蚁群算法相结合的方法对长江武汉群桥水域进行路径规划.根据MAKLINK原理建立船舶路径规划的二维空间模型,通过MATLAB软件,利用Dijkstra算法搜索出船舶初始路径;最后,由于是MAKLINK无向网络图中从起点到终点的最短路径,并不一定是最短路径,所以结合蚁群算法具有优良的并行分布式计算机制及易结合其他算法等优点,对Dijkstra算法规划的初始路径进行优化.结果显示:蚁群算法的优化路径适应度值更小,路径转折点数量更少.本文在桥墩紊流区建模的方法可在具有相应桥群特征的其他水域得以应用,研究结果可作为桥群水域船舶动态路径规划研究基础.

摘要： 为提高地铁应急疏散效率,在基本蚁群算法的基础上对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径.以西安某地铁站为例,在突发事件情况下,站内人员的数量、密度、事件发生位置等基本参数不变,分别运用基本蚁群算法和改进蚁群算法对其进行验证.研究证实,在解决地铁站乘客疏散路径问题方面,改进蚁群算法较基本蚁群算法不论是在乘客整体疏散效率还是疏散成功率上都有很大提升.

摘要： 核电站控制区内人员行进路径优化对核电站集体剂量优化有重要意义.基于核电站辐射分区图创建了核电站控制区内人员行进路线图.在此基础上基于蚁群算法建立了核电站控制区内路径优化算法,并采用典型CPR1000堆型核电站内典型区域进行了测试.测试结果表明,建立的算法可实现控制区内任意两房间之间人员行进的剂量最优路径的求解.

摘要： 随着现阶段物联网发展得越来越快,车载通信作为车辆智能化的前沿技术,在诸如医疗保健、资产管理和环境监测等应用场景中,智能环境的应用变得越来越重要,传统的蚁群算法在时延及能量消耗方面无法满足车联网的要求.通过研究蚁群算法和模拟退火算法,以平均能量消耗和端到端时延作为参考,虚拟化资源特征进行资源分配和任务调度,确保服务质量(QoS,quality of service).通过模拟退火算法优化了蚁群算法,将模拟退火算法的初始温度和迭代温度值加入蚁群算法生成最优解,更新信息素的规则,提高了虚拟资源环境下任务调度的效率.仿真结果表明,平均能量消耗下降了0.04J左右,端到端时延最大下降100ms左右.

摘要： 随着互联网的普及,在线购物已经成为主要的消费方式.特别是"双11"、"黑色星期五"等购物节高峰期,配送速度慢、配送人员不足会导致物流网络的拥挤.因此,本文基于蚁群算法和遗传算法为快递企业设计了一套科学的应急配送线路方案.本方案以某时间段内的所有收货地址作为节点、派发地点作为超边,把配送员在派发地点配送部分收货地址的货件的过程抽象成超图,基于超图最小子超图理论,选出用最少的派发地点配送所有的收货地址.然后,建立车辆路径问题数学模型.并运用优化算法计算出每个配送员到达派发站点的先后顺序,得出了在满足配送需求的同时,线路总路径最短的设计方案.本文为物流企业提供了应急战略决策,同时也为智能配送机器人线路设计提供了一个新的研究方案.

摘要： 本文归纳了时间窗、构建目标函数及约束条件、区域控制等传统AGV路径规划方法的研究现状,分析了传统方法存在的不足和智能算法在AGV和机器人路径规划的应用.针对自动化码头存在的路径冲突和道路死锁等问题,提出了蚁群算法、粒子群算法、遗传算法等智能算法在自动化码头AGV路径规划上的可能应用,为自动化码头AGV路径规划研究提出一种新的思路.

摘要： 计算智能是人工智能的重要分支,以数据为基础,主要借鉴连接主义和行为主义的思想,基于生物进化和细胞网络等机制,具有分布、并行、白适应、白组织和自学习等特点.首先介绍了计算智能的起源和概念,然后以人工神经网络、遗传算法、蚁群算法为例阐述了其原理和应用,最后介绍了在新技术条件下,计算智能的发展趋势及有待于解决的一些问题.

摘要： 船舶电力推进系统动态试验平台可以较为真实的反应出整个系统运作的动态趋势,从而进行不同的算法控制、系统研究,便于加快科研进度、缩短科研周期.通过分析船舶推进系统组成结构,选用双电机对拖形式来模拟船舶电力推进系统,其中异步电机作为推进电机,永磁同步电机作为负载电机,分别对其进行建模与矢量控制仿真,同时在风浪流扰动下,提出了基于蚁群算法的PID自适应控制器以满足船舶不同工况及海1况下稳定的航行状态.最后构建船舶电力推进系统动态实验平台,其软件由Matlab、dSPACE以及Controldesk组成,硬件由dSPACE、ModSTACK变频器模块以及南洋电机厂对拖机组组成,通过对异步电机进行转速控制来验证平台的可行性.

摘要： 本发明提供了一种基于细菌觅食算法和蚁群算法的选址—配送方法和系统。本发明实施例通过构建的上层目标函数和下层目标函数，以及对应的约束条件，构成了满足配送中心容量约束的选址—配送模型，通过细菌觅食算法求解配送中心选址问题，根据配送中心容量约束和客户需求量合理分配待配送客户；通过蚁群算法根据车辆容量约束以及客户时间窗求解每个配送中心的最优配送方案。考虑到配送中心容量，客户需求量，以及时间窗等条件，最终达到上层目标函数最优，即选址—配送的总成本最低。

摘要： 本发明公开了一种基于蚁群算法与C‑K算法的日负荷曲线聚类方法，通过安装在用户侧的智能电表采集多个用户在不同采样时刻的有功功率，从而提取出每个用户的日负荷曲线；然后，先基于密度冠层Canopy改进的K‑means聚类算法对日负荷曲线进行一次聚类，再基于蚁群聚类算法的二次聚类，最终提取用户典型日负荷曲线，通过两次聚类的方式可以有效的提高用户日负荷聚类效果。

摘要： 本发明公开了一种无线传感网中基于改进的遗传算法和蚁群算法的路由选择策略的研究，包括：设定网络的基本参数，确定能耗模型，结合高斯分布产生遗传算法的初始解；当达到设定的轮数时，计算每个染色体的适应性函数值，使用精英法保留个体，并选择两个染色体作为父本，交叉互换，生成新的子代，进行基因位突变；确定簇头节点，更新全局信息素，当达到蚁群算法的循环次数时，每一个簇头节点使用蚁群算法需找到基站的路径；更新路由表，计算候选节点，使用轮盘赌方法选择下一跳的节点，直到蚂蚁到达基站，完成簇内传输和簇头到基站的传输，得到能耗最小的传输路径。能够增强了在随机网络内的适应性，延长网络寿命，降低节点传输到基站的能耗。

摘要： 本发明请求保护一种基于蚁群算法的资源分配算法，将原来的问题等价为一个求解最佳路径的问题，并使蚂蚁在信息素及启发式信息的指导下寻找最优的路径，那么这个最优的路径就是原问题的解。因为该算法具备正反馈和启发式的优点，所以可以使得算法可以通过相对较少的迭代次数得到一个较好的资源分配方案。仿真表明本发明提出的算法在达到一定的迭代次数后，算法收敛，此时系统的吞吐量达到最大值，且该算法相对于随机层分配算法来说能获得较好的系统吞吐量增益。

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： 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： 本发明提供一种基于蚁群算法与Lin‑Kernighan算法解决旅行商问题的杂交算法，将蚁群算法的优点和Lin‑kernighan算法的优点相结合并搜索到最优路径。蚁群算法和Lin‑kernighan算法的杂交过程如下：首先利用蚁群算法在每迭代一次蚁群算法之后，执行Lin‑kernighan算法得到最短路径，然后将蚁群算法得到的路径和Lin‑kernighan算法得到的路径用于更新信息素，然后重复执行此过程直到满足终止条件，输出最优路径。

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： 本发明提供一种基于蚁群算法和遗传算法融合的配送中心拣货路径规划方法。拣货路径规划方法包括：根据每一次订单拣选，得到待拣选货物的坐标。拣货车以出货台为起始点，依次经过每一个需要停留的货架拣选货物，至出货台起始位置为终点，规划出一条无碰撞、安全到达货品的、便捷的最短路径。从而有效的提高货物拣选的效率。提供一种基于遗传算法和蚁群算法融合的优化算法，先充分利用遗传算法的并行性、高效性、全局搜索性等优越性能作为蚁群算法求解组合优化问题的先验信息，生成信息素分布，然后充分利用蚁群算法的鲁棒性、正反馈性，提高配送中心货物的拣选效率。

摘要： 本发明公开了一种基于蚁群算法与C‑K算法的日负荷曲线聚类方法，通过安装在用户侧的智能电表采集多个用户在不同采样时刻的有功功率，从而提取出每个用户的日负荷曲线；然后，先基于密度冠层Canopy改进的K‑means聚类算法对日负荷曲线进行一次聚类，再基于蚁群聚类算法的二次聚类，最终提取用户典型日负荷曲线，通过两次聚类的方式可以有效的提高用户日负荷聚类效果。