基于蚁群算法的井下救援路径优化方法

针对火灾背景下煤矿应急救援路径的优化问题,提出了一种基于蚁群算法的井下救援路径优化方法;建立了井下救援路径选择影响因素的层次结构模型,各影响因素按重要程度由高到低排列为CO浓度、瓦斯浓度、风量风速、巷道行走难度和人员综合素质;利用各影响因素的量化值更新蚁群算法信息素,寻找并保存最优路径。仿真结果表明,采用基于蚁群算法的井下救援路径优化方法能够选出最优路径,同时最优解具有较好的收敛性。     

基于蚁群算法的离散救援问题出救点选址研究

为解决应急物流中的出救点选址问题,建立了相应数学模型,引入蚁群算法解决问题。多数应急物流可以归为点对点的支援问题,出救点的设置应该在保证出救有效的条件下使出救点最少、救援时间最短,属于双层规划问题。双层规划问题是NP难题,可以应用蚁群算法解决。出救点选址问题在蚁群算法中可以视为蚁群的聚类,通过对信息素衰减及相邻蚂蚁的吸引作为启发因子,可以得到蚁群的聚类效果。实验结果表明,基于蚁群算法的选址问题解决方案能获得理想的选址效果,收敛速度较快。     

基于改进蚁群算法的城市内涝救援路径优化

城市内涝灾害发生时,科学调配救援资源能够有效提升城市应急救援的效率,最大限度降低灾害损失。针对城市线路受到地形、路况、内涝积水等因素影响的情况,引入连通系数和畅通系数,从而更好反映城市线路及灾情实际。鉴于蚁群算法收敛速度慢、容易陷入局部最优的缺点,通过随机选择受灾点、引入信息素更新策略改进了蚁群算法,并应用其对内涝救援路径优化模型进行求解。实证分析表明改进蚁群算法对城市内涝救援路径优化具有较好的求解效果。     

煤炭勘探及救援机器人最优路径规划研究

为了解决三维环境中的煤炭勘探及救援机器人路径规划问题,提出了一种基于改进蚁群算法的煤炭勘探及救援机器人最优路径规划方法。利用栅格法创建了三维空间环境模型,建立了煤炭勘探及救援机器人的路径规划目标函数;通过引入新的启发函数因子、节点随机选择机制、局部更新和全局更新相结合的策略分别对算法的节点转移概率设计、节点选择策略和信息素更新策略进行了优化改进。Matlab仿真结果表明,在三维空间环境模型中,传统蚁群算法和改进蚁群算法均能为煤炭勘探及救援机器人搜索出一条最优路径;在不同任务要求下,改进蚁群算法能有效缩短搜索路径长度和降低路径搜索时间,且具有较强的决策能力和较好的收敛性能。     

基于改进蚁群算法的钻井救援车辆路径规划

为了解决救援车辆路途时间过长导致钻井事故应急救援不及时的问题, 提出一种基于改进蚁群算法的钻井救援车辆路径规划方法. 首先针对基本蚁群算法易陷入局部最优, 且在求解转移概率时仅依据信息素含量和路径长度, 未考虑实际路网中影响道路通行的外界因素等不足, 通过引入路径权重因子和改进路径选择策略, 对基本蚁群算法进行了改进; 然后利用改进的蚁群算法, 以用时最少为目标建立了救援车辆路径规划模型; 最后进行了救援车路径规划仿真实验和实际应用测试, 结果表明本文提出的方法可以合理规划出一条全局最优的救援路径, 能有效地解决钻井救援车辆路径规划问题.     

改进蚁群算法在旅游路线规划中的应用研究

在研究了基本蚁群算法后提出了偶遇算法,提高了蚁群算法蚂蚁一次周游的质量。针对旅游路线规划的问题,改进了路径的求法,使蚁群算法可以实现动态规划,从而实现旅游景区的负载均衡。提出一种基于改进蚁群算法的旅游路线规划问题求解的有效方法。实验结果表明该方法具有较好的有效性和实用性。     

基于蚁群算法的智能交通最优路径探究

对于汽车智能交通的最佳路线问题,业界学者提出了蚁群概念和算法,其具有实时规划的效能。基于此,笔者提出了改进蚁群算法,借助智能交通模型比较传统算法和改进算法的性能。通过试验发现,改进蚁群优化算法能够有效解决路径问题。     

城市交通网络中救援车辆路径优化研究

道路中断、可靠性差等路径选择问题从根本上影响了救援工作的效率,针对这一现状,设计了基于MATLAB的应急救援车辆最优路径模型.依托城市交通路网的数据,通过层次分析法确定影响应急救援的因素,利用MATLAB蚁群算法结合ArcGIS平台构建城市路网要素,定位应急设施及求解应急救援车辆路径优化结果.通过实例分析改变要素信息时...     

航空紧急配送中的随机LRP模型及算法

针对震后紧急响应阶段路网中断和救援物资需求不确定性,建立航空物流中的随机定位—路线安排问题（LRP）模型,据此进行震后应急救援过程中救灾物资集散点和应急配送中心的定位以及救援物资空运路线安排的联合决策。根据该模型的特点,提出了一种改进的遗传算法,采用特定实值编码、罚函数法和物资需求量分割策略处理模型中的约束条件。算例分析结果表明,该模型和算法可以有效解决震后应急物流系统中的应急设施定位—分配和路线安排问题。     

基于蚁群算法的危险品物流线路优化应用研究

近年来,随着石油工业、化学工业、核能源工业等产业的快速发展,作为能源、原材料和消费品使用的危险品的流通量越来越大,流通范围越来越广。因此,危险品物流的需求量也越来越大,它作为一种特殊的专业物流,正得到较快的发展。在物流诸多环节中,配送占有重要的地位。该文主要从危险品的角度出发,针对物流配送问题中配送路线的选择进行分析研究,考虑实际中可能出现的约束条件：时间约束、节点约束和对象约束,建立与实际配送相符合的数学模型．将定性问题转化为定量问题。蚁群算法具有正反馈、并行计算、较强的鲁棒性等诸多特点,在很多领域有着广泛的应用。利用蚁群算法对危险品物流配送优化问题进行求解．是本文的重点研究问题之一。通过对蚁群算法中各参数的实际意义以及参数改进方面进行的研究,对蚁群算法的参数选择方面进行了改进．使其更能适应实际的需要,在此基础上提出了一种基于蚁群算法的满足约束条件的危险品物流配送路线优化问题的解决方案。     

改进的蚁群算法在动态路径诱导中的应用研究

针对基本蚁群算法收敛速度慢和易陷入局部最优的缺点,在对信息素和启发信息进行标准化以消除量纲和取值范围影响的基础上,提出带方向的信息素更新和混沌选择策略来改进蚁群算法。将路网节点间的相对位置信息引入信息素更新,以加快搜索速度;使用混沌扰动改进选择策略,以避免出现早熟停滞现象。并将其用于城市交通动态路径诱导的研究中,以重庆市渝中半岛的路网为实例计算以最短行程时间为目标的最优路径,结果表明该算法是有效、可行的,比基本蚁群算法具有更好的全局搜索能力。     

基于蚁群算法的m–团队定向问题求解

介绍了m–团队定向问题的特性及目标，提出了基于蚁群算法的问题求解算法。在该算法中同种群不同个体之间采用访问禁忌表方式交换信息、相互协作共同完成路径优化，不同种群间通过“信息素”控制每个种群中个体的行为。计算结果表明了算法和模型的有 效性。     

基于改进蚁群算法的车辆路径仿真研究

针对基本蚁群算法收敛速度慢、易陷于局部最优等缺陷,提出了一种改进蚁群算法.通过车辆的满载率调整搜索路径上的启发信息强度变化,对有效路径采取信息素的局部更新和全局更新策略,并对子可行解进行3-opt优化,在实现局部最优的基础上保证可行解的全局最优.通过对22城市车辆路径实例的仿真,仿真结果表明,改进型算法性能更优,同基本蚁群相比该算法的收敛速度提高近50%,效果显著,该算法能在更短时间内求得大规模车辆路径问题满意最优解,说明其具有较好的收敛速度和稳定性.     

遗传-蚁群算法在智能交通中的应用

随着私家车的增多,城市交通问题越来越严重。为了解决这个问题,人们将计算机技术运用于城市智能交通系统(intelligent transportation systems,ITS)中。行车路径规划是城市智能交通体系中重要的一个环节。目前,有不少路径优化算法被提出用于解决行车路径规划问题,但各有不足。因此,提出了一种混合遗传蚁群算法(GACHA)。从基本蚁群算法入手,结合遗传和蚁群算法的各自优点,将两种算法的寻优过程循环多次结合。在蚁群算法的一次迭代循环后,将蚁群算法产生的较优解代替遗传算法中的部分个体,用以加快遗传算法的迭代速度。同时,将遗传算法算出的解设为较优路径来更新蚁群算法中的信息素分配,实现参数调整。多次相互指导能有效解决蚁群算法前期效率低和遗传算法后期冗余迭代的问题。实验结果表明,遗传-蚁群混合算法可以有效地避免陷入局部最优解,提高计算效率。它具有良好的优化和收敛性,能够准确地找到满足路网综合要求的最优路径。     

基于量子蚁群算法的建筑消防疏散路径规划

摘要：针对现在大空间建筑消防应急疏散问题,在火灾发生时,为撤离人群提供一条从危险区域到安全地带的最短安全路线。对疏散路径优化进行了研究,提出一种融合量子进化算法的改进蚁群算法用于消防疏散路径规划,用量子比特表示信息素,量子旋转门反馈控制信息素更新,即能体现量子并行计算的高效性,又能拥有蚁群算法较好的寻优能力。通过三个基准函数优化仿真与传统量子进化算法进行对比,证明算法较优的性能。再通过路径优化的仿真实验与经典蚁群算法进行比较,结果表明,算法能够有效避免陷入局部最优和拥有更快的收敛速度,在疏散路径规划中更为有效。     

面向大型场馆疏散的改进多蚁群算法

针对大型场馆应急疏散的路径优化问题,提出了一种基于遗传算法交叉变异算子的多蚁群算法.该算法通过引入多蚁群信息素组的概念,将遗传算法交叉和变异的思想应用到信息素更新模型中,解决了传统蚁群算法易陷入局部最优的问题.最后,将此模型应用在武汉体育馆及其周边路网集成环境中.实验结果表明,该算法能够为大型场馆中大规模人群提供一个有效可行的疏散方案.