共查询到20条相似文献,搜索用时 31 毫秒
1.
《科技通报》2016,(6)
基于智能仿生计算的蚁群优化算法在路径规划问题中具有较好的应用前景,通过蚁群算法优化,实现机器人路径规划和应急救援的路径规划等。传统的基于蚁群算法的路径规划在信息素转换中容易导致信息丢失,产生局部收敛,提出一种基于信息素多目标Pareto支配的蚁群优化算法实现路径规划,利用信息素多目标Pareto集合序列的均匀遍历特性和逻辑差分变尺度特征,进行变尺度搜索,根据蚁群优化算法一次次地更新搜索空间,结合负反馈机制,通过蚂蚁的信息素转化进行路径分析,采用Pareto支配集记录下最优的食物源,蚁群在寻找食物过程中,避免了局部寻优和局部收敛,仿真结果表明,采用该算法进行蚁群优化后的路径规划避障效果较好,以较快的收敛速度和较少的迭代次数找到最优路径,收敛性好。 相似文献
2.
3.
4.
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。 相似文献
5.
针对传统的蚁群算法设计机器人避障路径规划,自适应能力差,全局优化能力和搜索速度不好的问题,在传统算法的基础上,提出一种采用奖惩规则格栅建模的机器人避障规划算法。提出构建模型主体的行为规则和避障规则,通过在栅格环境中设置量子遗传进化的多个有效的行为规则,设计了信息素更新的奖惩规则,修改其路径上的信息素,改变量子本身携带的信息素,得到优化避障最小距离。最终获得了复杂环境下的最优路径。仿真实验表明采用该算法进行机器人避障路径规划,在未知复杂环境下能够快速地规划出安全的优化路径,机器人避障路径规划具有很好的自适应性,相比传统的蚁群算法,其全局优化能力和搜索速度都得到了显著提高。 相似文献
6.
在基本蚁群算法的基础上引入分段函数及柔性伸缩机制,对蚁群算法中转移概率的调节因子的取值以及信息素全局刷新方式加以改进,提高了蚁群算法搜索全局最优解的能力以及收敛到最优解的速度。将改进后的算法应用于配电网规划问题,通过具体的算例验证表明,在相同的情况下,新方法比基本蚁群算法在搜索全局最优解和收敛速度方面有所提高,说明了新方法的可行性与有效性。 相似文献
7.
针对目前路径规划算法不能覆盖车辆所有不确定的状态而导致安全性低的问题,提出了以后向可达集为约束的自主车辆最优路径规划算法。即后向可达集的变化范围作为势场蚁群算法的约束条件,在多车辆道路交通环境下,利用后向可达集不同安全区域信息素浓度不同,且越靠近危险区域信息素浓度越低的特点,给出了自主车辆最优路径建模方法,并且从理论上保证了该算法安全性的置信水平。仿真表明,该方法不仅提高了传统势场蚁群算法的安全性,同时也可以推算自主车辆轨迹跟踪的过程中安全状态的可达范围,预测自主车辆未来一段时间间隔内安全状态。 相似文献
8.
9.
随着现代化科学技术的飞速发展,高科技技术也得到了越来越广泛地应用.路径规划技术作为机器人研究和人工智能研究中一个非常重要的研究领域,对于提高机器人功能和技术层次等方面都有巨大的作用.路径规划能够有效地帮助移动机器人实现导航技术的成功运用,同时也能够较好地评判移动机器人的智能化程度.本文主要阐述了移动机器人技术中基本蚁群算法在路径规划中的应用,同时改进并优化了该种蚁群算法,通过“三步走”的方式,帮助α、β与Q实现最佳组合确定的模式,以此来显著提高机器人的稳定性以及寻优能力. 相似文献
10.
11.
《科技通报》2015,(12)
实行虚拟机最优分配方案的准确挖掘能够提高云计算的服务质量(Qo S)。利用传统算法进行虚拟机最优分配方案挖掘的过程中,由于受到大量冗余数据的影响,造成挖掘效率降低。为此,提出一种基于蚁群算法的面向多通道Qo S需求的虚拟机分簇挖掘方法。根据虚拟机特征的相似度对虚拟机进行分簇,利用蚁群算法进行虚拟机最优分配方案的挖掘,在此过程中,充分考虑了多用户对云计算中虚拟机资源服务质量(Qo S)的要求,避免出现同类型虚拟机被分配到同一物理机上的情况,同时,对蚁群算法中信息素的更新进行了优化。实验结果表明,利用改进算法进行虚拟机最优分配方案挖掘,能够有效提高挖掘效率,并降低系统负载均衡度。 相似文献
12.
蚁群算法是一种新型高效的启发式优化算法,在解决优化组合问题特别是TSP求解问题上具有很高效率.本文在分析了蚁群算法的基本原理和工作机制的基础上,从信息素的更新改进实现对节点重复率的控制,并通过仿真实验实现相关参数的最优选择.实验证明,改进算法可以有效地减少蚂蚁行走的盲目性,提高了蚁群算法在迭代过程中更新TSP最优解的能力. 相似文献
13.
为提高大规模自然灾害救援效率,防止次生灾害的巨大威胁,并实现在不断变化的灾区环境中进行最优化运输调度,设计了一种救援调度算法。首先对灾区运输中路径变化、物资堆积、天气影响等特性进行分析,并分析了蚁群算法以及在灾区物资运输的不足,针对存在的问题,设计更新因子根据实时信息叠加算法,弥补单纯依靠信息素量无法进行动态调度的不足,实现信息素实时更新以及更新因子调整的最优化路径调度。最后进行模拟实验,算法可实现静态以及动态信息下最优路径的调度,验证了算法的可行性。 相似文献
14.
15.
16.
针对基本蚁群算法的缺点,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法.通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地进免陷入局部优化,使得算法在收效速度和执行效率上得到提高. 相似文献
17.
18.
19.
伊力哈木·亚尔买买提 《科技通报》2013,(9)
针对传统蚁群算法在维吾尔文字图像分割时容易产生缺陷和干扰的缺点,提出了一种改进的蚁群算法。该算法首先利用区域蚁群通过聚类中心对图像进行初步搜索和分割;然后再引入边界蚁群通过不同的路径选择信息素和策略更新手法来对图像进行边界补偿搜索;最后利用两种蚁群分别采用不同的路径选择信息素和筻略更新,共同实现对维吾尔文字图像精确分割的目标。实验结果表明,该算法准确分割出维吾尔文字区域,提高了其识别精度。 相似文献
20.
《科技通报》2017,(2)
由于水灾等自然灾害具有很多的不确定性因素,使得洪水区域救灾物资运输路径多样。传统的最优路径选择方法主要根据原始的路径进行选择,忽略了洪水对周围环境的破坏原始路径不能用的情况,导致路径选择不准确的问题。提出建立蒙特卡洛仿真模型进行仿真分析,达到为灾区配送物资寻找最短运输距离的目的。利用蒙特卡洛模拟法建立灾区与物流配送站间的关联仿真模型,获得变量近似模拟;利用蚁群算法找出从起始点到目标点之间的最优路径,通过对蚂蚁觅食进行仿生模拟,在共同合作下利用信息素变化特性变换运动方向,信息素浓度集中的路径即为灾区物资物流运输的最优路径。实验证明,通过蒙特卡洛仿真模拟分析物流运输的最优路径,能够较好地完成灾后物资配送过程,保障了人们的生活需求。 相似文献