基于混沌蚁群算法的应急物流路径优化算法

以医疗器械应急物流配送为研究对象,以配送时间最短为研究目标,建立了医疗器械应急物流配送路径优化的数学模型,并将混沌蚁群算法用于模型求解,给出了求解步骤。经计算机仿真表明,与基本蚁群算法相比,混沌蚁群算法优化质量明显改善,有效缩短了应急配送时间,提高了医疗器械应急物流的配送效率。     

数字化城市交通向导仿真的蚁群优化算法

以求解旅行商问题的蚁群算法为基础,充分考虑交通向导最佳路径的具体要求,对算法的选择机制、更新机制以及协调机制作进一步改进,引入自适应的转移策略,并融入节约法,以克服基本蚁群算法计算时间长、易出现停滞等缺陷。以湖北荆门地区车辆选择路径为研究对象,采用蚁群优化算法建立了车辆最佳路径的模型,并对其进行了仿真分析。仿真实验结果表明,优化算法比基本蚁群算法的路径更优,寻路时间更短。     

基于改进蚁群算法的无人机三维航路规划

针对蚁群算法存在收敛速度慢,容易陷入局部最优而导致三维航路规划过程中出现规划时间过长、航路没有达到最优等问题,通过对蚁群算法进行改进,提出了一种天牛须融合改进蚁群的无人机航路规划优化算法,算法通过对蚁群算法的启发函数优化并进行蚁群择优排序,然后融合天牛须算法进行航路规划;将优化算法应用于无人机的三维航路规划中,使规划算法的运行速度更快,无人机的最优航路更短。同时用改进算法与天牛须、蚁群算法的收敛时间、最优路径长度进行对比。仿真实验结果表明,改进算法与另外两种算法相比,在算法收敛度、运行速度方面有明显的提升。     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

基于蚁群算法的多路径QoS路由算法研究

针对现代网络通信量不断地增大以及蚁群算法在解决路由问题时存在的一些不足提出了基于改进蚁群算法的路由优化算法。该算法将蚁群系统的特点和流量工程的思想相结合对基本的蚁群算法进行了3方面的改进：将路由器的缓冲队列的利用率加入下一结点选择的标准;采用链路的利用率做为全局更新信息素;选择多条路径来进行数据传输。仿真实验结果表明该算法可以实现网络负载均衡,降低拥塞发生的可能性,提高了网络资源的利用率。     

基于改进烟花?蚁群算法的海流环境下水下无人潜航器的避障路径规划

针对有海流和障碍物影响的环境中的水下无人潜航器(Unmanned Underwater Vehicle, UUV）的二维自主路径规划问题，应用改进烟花-蚁群混合算法进行了求解。首先，建立了含有随机分布障碍物的二维Lamb涡流海流环境模型，将圆形障碍物等效为方形栅格。其次，综合考虑能量消耗代价、航行时间代价、航行距离代价等优化目标，建立了路径规划数学模型。最后，应用改进烟花-蚁群混合算法对该非线性优化问题进行了求解，并进行了仿真实验。实验结果表明，该算法能够快速寻找到全局最优解，为水下无人潜航器的自主路径规划提供了一个新途径。     

基于人工势场法优化的蚁群无人机航路规划

针对复杂环境下无人机航路规划问题,提出一种势场法优化的蚁群航路规划算法。为了改善蚁群初始路径搜索过程中的盲目性,将人工势场法的规划结果作为先验知识,对蚁群初始到达的栅格进行邻域信息素的初始化,进而运用改进的蚁群算法完成航路搜索任务。仿真结果表明,新算法具有收敛速度快,规划路径短以及环境自适应的优点。     

集合划分问题的蚁群算法

集合划分问题是一个典型的NP完全问题,建立了集合划分问题的优化数学模型,采用蚁群算法解决了此问题.对蚁群算法参数的合理选取进行了实验分析,给出了算法参数选取的基本原则.与贪心法作了比较,结果表明该方法比较有效.     

基于蚁群算法的TSP的仿真与研究

对于旅行商问题的研究始于19世纪,从20世纪中叶开始随着计算机技术的发展而不断发展。蚁群算法是一种新型的优化算法,于20世纪90年代提出,最早成功应用于解决旅行商问题。研究表明,蚁群算法有着极强的鲁棒性发现较好解的能力。通过编程实现了用蚁群算法解决旅行商问题,通过仿真实验研究了各参数对算法的影响。     

基于APF导向的蚁群航路规划算法参数优化研究

针对基于APF导向的蚁群航路规划算法中的参数优化问题,提出了算法中的参数优化规则。分析了APFGA算法中参数m、α、β、γ、和ρ等的选取原则,通过合理选择参数,使蚁群的搜索有效地避免陷入局部最优,加快了算法的速度,提高了蚁群的搜索效率。实验结果给出了参数选择依据,通过合理设置算法参数可以有效地改善蚁群算法的性能,有利于APFGA算法在航路规划等方面的应用和推广。     

基于遗传算法的军事物流运输计划

针对军事物流运输中车辆装载和车辆路径的组合问题进行研究,建立车辆装载和车辆路径组合问题的目标优化模型。通过改进遗传算法对模型求解,得到了较为满意的结果,可以在满足多车型多品种货物配送约束的条件下,实现运输车辆最少、车辆满载率高、车辆运输路径最短的目标。     

蚁群算法的改进设计及在航迹规划中的应用

将蚁群算法与人工势场算法相结合，提出了一种新的寻优算法。在算法的设计过程中，首先引入人工势场法进行蚁群算法初始信息素的分配，避免了在迭代初始阶段，信息素太少与启发信息不成比例而使得蚂蚁集中在启发信息最强的路径上，从而陷入局部最优的问题。其次，通过引入势场引导函数改进蚁群算法的状态转移函数，避免了在三维空间中蚂蚁搜索容易忽视节点周围障碍物因素，从而陷入盲目选择导致搜索时间过长的问题。将优化算法应用于无人机三维航迹规划问题的求解，并通过仿真验证了有效性。     

无人机车辆组合物流配送路径规划探讨

近年来无人机在各个领域的应用逐渐兴起,尤其是在物流运输领域发展迅速。在物流运输领域的应用主要是与车辆进行组合运输,国内外的学者针对无人机和车辆组合运输的路径规划问题进行了许多研究。主要论述了目前车辆和无人机组合运行的4种模式,包括车辆支持无人机运行模式、无人机支持车辆运行模式、无人机与车辆独立的运行模式、无人机和车辆同步的运行模式。探究了目前无人机和车辆组合路径规划问题考虑的因素,包括无人机电池电量、运送包裹数量和时间窗等。对有无人机参与的车辆路径规划问题的目标优化进行了总结,目前的研究主要分为3类,包括考虑最短配送时间、最小总成本和多目标规划。这些研究对未来无人机配送问题的研究具有重要的指导意义。     

基于蚁群算法的固体火箭发动机总体参数优化

为建立一种支持连续域、离散域混合变量的优化算法以用于固体火箭发动机总体参数优化,改进了基本蚁群算法,融入"网格划分"、"哑元化"和"变尺度局部搜索"三种策略,以改进算法的寻优性能和使用范围,其中局部搜索算法仍采用蚁群算法。使用了几个较具欺骗性的经典测试函数对改进蚁群算法进行了测试,计算结果表明改进蚁群算法找到全局最优值的概率较大。应用改进蚁群算法对固体火箭发动机总体设计中的两个重要总体参数——燃烧室工作压强和喷管面积比,进行了优化求解,获得了满意结果。诸算例的优化结果表明,该改进蚁群算法具有支持混合变量,全局寻优性能稳定和搜索精度高的优点,对工程优化设计问题具有较好的寻优性能和更强的适用性。     

基于改进蚁群算法的飞机低空突防航路规划

采用蚁群算法实现了飞机低空突防的航路规划，为航路规划问题提供了新的解决思路。并对原始蚁群算法进行了改进，提出了保留最优解、自适应选择策略和自适应信息素调整准则，有效地提高了算法的收敛速度和解的性能。最后用计算机进行了仿真，取得了较好的结果。