求解动态最优路径的混合优化算法

对动态网络环境下动态需求的最优路径搜索问题进行了研究,首次提出了一个能同时利用演化算法的全局优化能力和蚁群算法的局部探索能力的混合智能优化算法Evo-Ant,并将其应用于DVRP.为了验证算法的有效性,给出了DVRP的混合整数规划模型,建立了DVRP的动态性能测试类,并进行了大量的仿真实验和比较.结果表明,Evo-Ant算法能够根据实时接收到的信息对当前规划路径进行及时调整,具有明显改善的性能优势.     

基于改进蚁群算法的公交疏散策略研究

针对无预警灾难发生后的大规模人群疏散问题,提出了应急救援的公交疏散策略,通过对动态的疏散路网和疏散者的时间加载离散化处理,采用时空网络和数值分析的方法以疏散总时间最短,伤亡人数最少建立公交疏散的非线性混合整数规划模型,并将整个公交疏散过程与改进的蚁群算法相结合,通过信息素全局更新对疏散模型进行求解,最后以一个简单的公交疏散网络作为算例来求解最优疏散路径。结果表明,通过多次计算不仅验证了改进蚁群算法的有效性,同时求解疏散路径的速度和质量也得到提高。     

蚁群算法在消防疏散平台上的应用

为保证火灾现场人员能够快速安全疏散,在利用火灾探测系统得到火源位置信息的基础上,利用数据库技术对建筑节点、通道的静态和动态属性进行存储,并结合在建筑物空间结构模型的基础上,利用已改进的蚁群算法,找出人员疏散的最优路径,并将其通过智能指示灯动态显示方向,室外工作人员依据可视化界面显示的可行路径进行实时、快速调度,将该层平面图、疏散路径信息发送给事故现场人员。实验结果表明,该方法可使被困人员快速找到安全出口,有效减少人员和财产损失。     

基于视野域的快速动态路径规划

针对目前蚁群算法在路径规划策略中存在的易陷入凹陷、迭代时间长、转角多、避碰时等待时间长等缺点，提出了一种基于视野域的动态快速路径规划的蚁群算法。首先，采用栅格填充法对建立的栅格图中复杂形状障碍物存在的过多凹陷进行填充；其次，采用改进的负反馈的蚁群算法来减少蚁群在无法找到有效终点方向的后续搜索；再次，模拟给蚂蚁加上视觉以便在特定区域搜索而减少过多的转折点，从而更快速地找出最优路径。同时，在行走过程中若存在障碍物动态变化，则结合动态窗口算法重新规划局部的最优路径。实验表明采用该规划算法可使路径长度减少11%，转角和行走时间减少45.4%和32.3%。所以该智能算法能够为机器在动态环境的自主规划与导航中提供一种可行的解决方法。     

基于混合蛙跳算法的移动机器人路径规划

针对移动机器人路径规划中算法搜索能力不强且易陷入停滞的问题,文中提出了一种基于混合蛙跳算法的移动机器人路径规划方法。首先利用蚁群算法在栅格地图中生成一定数量的路径,然后引入混合蛙跳算法,子群内进行Memetic进化,最坏青蛙根据与子群最优青蛙或全局最优青蛙的路径交点栅格进行路径更新,并对最终生成的最优路径进行优化处理,以消除不必要的拐点,保证机器人路径运行的安全性。二维环境下的仿真实验表明,提出的混合蛙跳算法能在有效避开障碍物的同时快速地规划出一条通往目标点的优化路径,且效果令人满意。     

基于混合算法的数控加工路径规划优化

对数控加工中的孔群加工路径规划优化方法进行研究。将孔群的加工路径规划问题与典型旅行商问题进行类比,建立刀具空行程最短的数学模型和适应度函数。针对常规混合算法不能够将两种算法进行融合,只是单纯叠加,无法在最佳时机进行算法转化,使得算法混合优势不够明显等问题,该文对混合算法进行改进。使用遗传算法得到若干优化解,并将其变成初始信息素从而改成初始信息素偏低问题。使用动态转移代替静态转移法将遗传算法切换到蚁群算法。算法后期,信息素更新方法使用动态挥发系数法,对交叉变异概率使用信息素和适应度进行动态调节,交叉变异位置使用信息素和启发信息决定。以一种机械零件的孔群加工为例,对研究的混合算法的加工路径规划优化方法进行实例分析,结果表明相比常规混合算法,该文研究的混合算法具有更高的求解精度和优化效果。     

基于改进A-star与DWA相融合的移动机器人动态路径规划算法

A-star算法常用于移动机器人的全局路径规划,但在复杂场景中A-star算法存在耗时长、搜索节点过多、路径不平滑、不能避开环境中未知的障碍物等问题。针对于此,本文提出一种融合路径规划算法。首先,在A-star算法的基础上引入环境中的障碍物信息和搜索节点到起始位置的距离信息动态调节启发函数的权重,减少搜索节点数,提升A-star算法的性能;然后,利用自适应分段步长的高阶贝塞尔曲线对路径进行优化,减少转折点提升路径的平滑性;最后,将改进A-star算法规划的全局路径作为引导,将路径节点作为DWA算法的中间目标,实现全局路径规划和局部规划的融合,使移动机器人在找到全局最优路径的同时,能够避开环境中的未知障碍物,实现移动机器人的动态路径规划。仿真结果验证了该算法的有效性。     

基于果蝇优化算法的月球车全局路径规划

基于月球车全局路径规划的任务要求,采用果蝇优化算法应用于全局路径的规划。针对果蝇优化算法在路径规划中容易形成局部最优的问题,对算法进行了修改,将果蝇与原点的距离直接带入味道浓度判定函数,从而不易陷入局部最优,提高了算法的稳定性,并可使果蝇群体向已知食物源飞行。通过仿真表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局路径。     

基于改进蚁群算法的大型建筑物疏散路径设计

针对在建筑物发生火灾等险情时,传统疏散路径方案中人员疏散路径固定、疏散时间较长、疏散效果较差等问题,文中结合大型建筑物的疏散背景与条件,同时考虑了人员在疏散过程中心里因素的影响,提出了一种用于描述大型建筑物中疏散路径的数学模型。在该数学模型的基础上,引入了新的收敛条件,并使用新的启发式函数设计了一种改进蚁群算法。通过数学推导,证明了该算法具有良好的收敛性,并在实际中应用良好。对所提出的算法进行了计算机仿真,仿真结果表明,使用该改进蚁群算法生成的疏散路径,在时间和效果上均优于现有的疏散路径设计方案。     

基于改进蚁群算法的移动机器人动态路径规划方法

 本文提出了基于改进蚁群算法的移动机器人动态路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,提出了根据目标点自适应调整启发函数,提高算法的收敛速度;借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优.其次为了优化改进蚁群算法的性能,提出用粒子群算法对改进蚁群算法的重要参数进行优化选择.最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验,实验结果证明了该方法的可行性和有效性.     

考虑多种危险气象的分层航迹动态规划策略

针对雷暴天气下伴随着多种危险气象同时存在的动态改航规划需求,提出了一种考虑多种危险气象的分层航迹动态规划策略。首先,根据雷达回波图对改航空域进行分层规划;然后,基于改航起点和改航终点利用稀疏A*算法结合改航约束条件对分层空域进行全局航迹规划,并利用关键点选取策略确定关键航迹点;最后,根据关键航迹点对全局航迹进行分段,并利用动态窗口法逐段进行实时航迹动态规划。实验结果表明所提方法具备良好的实时航迹动态规划性能,并且优于动态稀疏A*算法、动态窗口法和现行策略,而且所提方法还可以提供在规避危险气象过程中关于航空器的航速和航向的变化情况供飞行员参考。      

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

应急搜索UAV集群协同任务规划策略

目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题.对此,该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略.以UAV监测区域范围为基础,通过建立搜索区域的空间模型,进一步运用O-FCMA进行区域几何划分,并采...     

Ant colony optimization based load balancing routing and wavelength assignment for optical satellite networks

An ant colony optimization (ACO) based load balancing routing and wavelength assignment (RWA) algorithm (ALRWA) was put forward for the sake of achieving a fairy load balancing over the entire optical satellite networks. A multi-objective optimization model is established considering the characteristic of global traffic distribution. This not only employs the traffic intensity to modify the light path cost, but also monitors the wavelength utilization of optical inter-satellite links (ISLs). Then an ACO algorithm is utilized to solve this model, leading to finding an optimal light path for every connection request. The optimal light path has the minimum light path cost under satisfying the constraints of wavelength utilization, transmission delay and wavelength-continuity. Simulation results show that ALRWA performs well in blocking probability and realizes efficient load balancing. Meanwhile, the average transmission delay can meet the basic requirement of real-time business transmission.     

基于北斗卫星的野外跟踪定位系统

为了对工作人员在野外通信盲区进行实时追踪定位,本文设计并实现了一种基于北斗卫星的野外追踪定位系统。该系统由手持定位导航终端、北斗卫星通信系统、监控平台与数据库组成,实现了野外工作人员的实时定位、数据通信、路径查询、紧急报警等功能,提高了野外勘查路径的精准度与勘查数据处理的准确性,并最大限度的保证了野外工作人员的生命安全。     

基于蚁群算法的多路径覆盖测试数据生成

为了提高多路径覆盖测试数据的生成效率,研究了一种基于蚁群算法的多路径覆盖测试数据生成方法.首先给出蚁群算法的一种改进方法,该算法以蚂蚁对生成测试数据的重要性作为蚂蚁状态转移和蚂蚁路径变异的依据,以引导更多蚂蚁穿越小概率节点,提高测试数据生成效率.其次,根据改进的蚁群算法分别提出了基于单信息素表和多信息素表的多路径覆盖测试数据生成方法.在基于多信息素表的方法中,每条目标路径的信息素表均被用于其它路径测试数据的求解,而且蚁群算法运行一次即可求解多条目标路径的覆盖测试数据.最后对所提出方法的有效性和复杂度进行了理论分析.实验结果表明,与其它方法相比,基于多信息素表的测试数据生成方法能够有效地生成多路径覆盖测试数据.     

基于蚁群智能和支持向量机的人脸性别分类方法

蚁群优化算法是根据自然界中蚂蚁能够将食物以最短路径搬回蚁巢这一智能行为而提出的一种新颖的进化算法,该算法不仅具有很好的鲁棒性,良好的正反馈特性,而且具有并行分布计算的特点。同时,支持向量机又是一种基于结构风险最小化原理的机器学习技术,具有很强的学习泛化能力,为此,文章提出了基于蚁群优化算法和支持向量机的人脸性别分类的方法。首先,通过KL变换降低人脸性别特征的维数,并根据特征值按照从大到小的顺序进行排列,然后采用10-交叉确认技术,用蚁群优化算法对人脸性别特征面进行选择,以对支持向量机进行学习、训练和测试。实验表明,与其他分类算法相比较,这种方法不仅图像处理简单,实用性强,而且正确识别率特别高。     

Fire Controlling Under Uncertainty in Urban Region Using Smart Vehicular Ad hoc Network

Every year thousands of urban and industrial fires occur, which leads to the destruction of infrastructure, buildings, and loss of lives. One of the reasons behind this is the delayed transmission of information to the fire station and the nearer hospitals for ambulance service as the transmission of information is dependent on observer at the location where the fire is caught and cellular network. This paper proposed an automated routing protocol for the urban vehicular ad-hoc network to send the information from the location where the fire is caught to the nearest fire stations and hospitals with optimum service time. This transmission of information involves Road Side Unit (RSU) at the junction and the vehicles present in the transmission path. Selection of route to transmit faulty vehicle information from the RSU to the required faulty vehicle is based on a parameter called path value. The computation of path value is done by the attributes such as expected End To End (E2E) delay, the shortest distance to destination, the density of vehicle between the junctions, and attenuation. From the current junction, the selection of the next junction is based on minimum path value. The proposed routing protocol considers the performance parameters such as E2E delay, total service time (TST), number of network fragments or network gaps, number of hops, and attenuation for the propagation path for the evaluation of the proposed methodology. The proposed routing algorithm is implemented through OmNet++ and SUMO. Results obtained for the proposed routing protocol is compared with three existing VANET protocols (GSR, A-STAR, and ARP) in terms of End To End delay, number of hops, number of vehicular gaps, and Total Service Time (TST).