蚁群算法在移动机器人路径规划中的应用综述

路径规划是移动机器人领域的一个研究热点,蚁群算法在移动机器人的路径规划得到广泛应用。介绍了常见的几种蚁群算法,从蚁群算法结构、参数选取及优化、信息素优化等方面对已有的蚁群算法方法进行了分类综述,同时对多蚁群优化算法、融合蚁群算法在移动机器人路径规划的应用进行了分类比较与分析。从蚁群算法的理论研究、算法融合、多蚁群算法研究等方面对蚁群算法在移动机器人路径规划中的未来研究内容和研究热点进行展望。     

蚁群算法在物流配送中的应用研究

本文通过单个蚁群算法和多个蚁群算法来分析它们在求解车辆路径问题上的区别。首先介绍了关于物流配送的车辆路径问题、带有时间窗的车辆路径问题以及蚁群算法的相关知识,然后分析蚁群算法在求解VRP问题的过程,最后通过模拟实验分析单个蚁群算法和多个蚁群算法在求解不同顾客数目的车辆路径问题的区别。得出多个蚁群算法相比较与单个蚁群算法在求解大型问题更具有优势性。     

模糊需求车辆路径问题及其启发式算法

对模糊需求信息条件下的车辆路径问题进行策略分析，提出解决此类问题的改进蚁群算法。采用多蚁群协作，修改信息素更新规则，根据收敛要求动态调整主要参数等对蚁群算法进行改进，应用该方法解决机会约束策略和可能性策略下的模糊需求车辆路径问题。实验结果证明了改进算法对优化模糊需求车辆问题非常有效。     

改进蚁群算法的无线传感器网络路径优化

研究无线传感器网络路径优化问题,针对无线传感器网络(WSN)路径优化问题,在分析了遗传算法和蚁群算法各自优缺点的基础上,通过把蚁群算法作为WSN路径优化的主框架,采用遗传算的选择、交叉和变异算子提高蚁群算法搜索速度,提出一种改进蚁群算法的WSN路径优化方法。仿真结果表明,改进蚁群算法有效地克服了基本蚁群算法的缺陷,提高了WSN路径优化效率和成功率,减少了能理消耗,有效延长了网络生存时间。     

基于蚁群算法的自由飞行空间机器人路径规划

本文采用蚁群算法实现了自由飞行空间机器人的避障路径规划．蚁群算法是基于群 体的一种仿生算法，为求解复杂的组合优化方法问题提供了一种新思路．本文对蚁群算法进 行了适当的修改，使之适用于自由飞行空间机器人的路径规划，然后用计算机进行了仿真， 取得了较好的结果．     

等级反馈蚁群算法求解成品油二次配送问题

针对成品油二次配送路径优化问题，提出了一种可变成本与动态载荷相关的评价指标。考虑蚁群算法求解路径优化问题的高效性，设计了一种等级反馈蚁群（HFAC）算法。采用局部距离等级策略代替基本蚁群算法的随机选取；利用较优（较差）个体对其所在路线进行正（负）反馈调整信息素浓度；对最优路线的子路线进行末端优化调整。通过15组不同类型算例进行仿真实验表明，HFAC算法在成品油二次配送路径优化中优于基本蚁群算法。     

双种群改进蚁群算法

基本蚁群优化（Basic Ant Colony Optimization，BACO）算法在进化中容易出现停滞，其根源是蚁群算法中信息的正反馈．在大量蚂蚁选择相同路径后，该路径上的信息素浓度远高于其他路径，算法很难再搜索到邻域空间中的其他优良解．对此，提出一种双种群改进蚁群（Dual Population Ant Colony Optimization，DPACO）算法．借鉴遗传算法中个体多样性特点，将蚁群算法中的蚂蚁分成两个群体分别独立进行进化，并定期进行信息交换．这一方法缓解了因信息素浓度失衡而造成的局部收敛，有效改进算法的搜索性能，实验结果表明该算法有效可行．     

多集散点单车路径优化研究

为使多集散点车辆路径优化结果全局最优，详细化表示货运关系，建立多集散点单车路径优化模型，并以订单为基准建立蚁群算法的二维禁忌表，确定状态转移规则；在满足车辆约束条件下，以最短路径完成所有订单货运的单车路径搜索。车辆路径全局优化是由于模型货运关系明细化及算法中车对所需运送订单的全局访问。实例求解结果表明，改进的优化模型及蚁群算法可以有效获得多集散点单车路径。     

基于惯性蚁群算法的机器人路径规划

栅格环境下蚁群算法规划出的移动机器人路径存在运行慢、路径弯多、转折次数多、局部最优等问题。为获得较优路径,提出了惯性蚁群算法。在传统蚁群算法规划的路径上,采用惯性优化原理,对每一个节点进行遍历,当两个节点间的优化路径上无障碍物时,将中间节点删除,换成优化路径。根据优化信息,动态调整信息素挥发系数,提高了算法环境适应能力。仿真结果表明,相比传统蚁群算法,惯性蚁群算法能更快地找到较优路径,能有效优化路径质量。     

改进蚁群算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把蚁群算法引入到机器人路径规划中;普通的蚁群算法存在收敛速度慢、效率低和容易陷入局部最优等缺陷,难以直接应用于机器人路径规划中;提出一种在蚁群算法中改进信息素的更新方式、引入最大最小蚁群系统以及改进状态转移规则的移动机器人路径规划方法,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方法能缩小最优路径的查找范围,降低发现最优路径所需的循环次数,能有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。     

一种综合高效的实时道路导航方案

根据目前道路导航方案以自主车辆型和局部最短路径选择为主的现实,利用GPS技术、分级路由选择算法、移动主机路由选择算法、动态权值修正算法和Dijkstra算法设计了一个综合的道路导航方案.GPS技术实现车辆定位,分级路由选择算法可降低道路的数据复杂性,提高计算机的检索速度,动态权值修正算法可实时修改道路的权值,Dijkstra算法可实现最短路径查找.该方案可实现全国范围内任意两个地点的实时最短路径选择,并能进行实时道路导航.     

一种SRIO网络负载均衡最短路径路由算法

在串行RapidIO传输过程中,路由选路算法是影响传输性能的重要因素之一。针对串行高速输入-输出(SRIO)网络深度优先搜索分配路径非最优问题,提出一种负载均衡最短路径路由算法。通过广度优先搜索对SRIO网络中的节点进行枚举并建立网络拓扑信息,以路由跳数定义路由的成本,根据改进Floyd-WarShall算法计算并保存交换节点间的K最短路径。给出预期负载的概念和链路上的路由路径数量来定义链路的负载,采用负载均衡算法从K最短路径中进行选路,建立SRIO网络最短路径约束的负载均衡路由。实验结果表明,与深度遍历路由算法、最小跳数算法相比,该算法在网络传输平均跳数、链路平均负载和链路负载均衡方面有更好的表现,能够有效提升SRIO路由网络的稳定性。     

基于混沌神经网络的最短路径路由算法

将最短路径问题映射到混沌神经网络，提出了一种带有混沌噪音的神经网络最短路径路由算法。首先设计了与最短路径有关的网络费用和路径表达方法；其次结合混沌神经网络的数学模型建立神经元的运动方程；最后依据网络费用和约束条件构造神经网络的能量函数。分别在具有9个结点和15个结点的网络拓扑结构上进行了实验，单个和多个分组请求均能快速地找到最短路径。结果表明，该文提出的最短路径路由算法用于高速交换网络是有效可行的。     

基于节点多样性的域内路由保护算法

已有的路由保护方案都没有考虑网络中节点的重要程度,然而在实际网络中不同节点在网络中的重要程度是不相同的。针对该问题,提出一种基于节点多样性的域内路由保护算法（intra-domain routing protection algorithm based on node diversity,RPBND）。计算节点构造以目的为根的最短路径树（shortest path tree,SPT）,从而保证RPBND算法和目前互联网部署的路由算法的兼容性;在该最短路径树的基础上构造特定结构的有向无环图（directed acyclic graph,DAG）,从而最大化路由可用性。实验结果表明,RPBND极大地提高了路由可用性,降低了故障造成的网络中断时间,为ISP部署域内路由保护方案提供了充分的依据。     

LEO卫星通信网的鲁棒路由算法

针对使用星际链路ISL的LEO卫星系统,许多学者提出基于面向连接结构的路由算法,但这些算法的性能很大程度上依赖于初始路径的建立,健壮性差。该文提出一种基于面向连接结构的增强路由算法,只要源卫星与目的卫星之间存在一条通路,源卫星便可以与目的卫星通信。若源卫星与目的卫星之间存在多条路径,通过该算法一定能在线找到其中的最佳路径。通过仿真实验评价了算法的性能,证明算法比已有的基于面向连接结构的路由算法具有更高的鲁棒性。     

基于拥塞控制的无线传感器网络数据汇集树生成算法

针对无线传感器网络数据汇集应用中, 由于数据流量大, 相邻路径之间容易发生串扰、信道竞争和冲突, 造成拥塞问题, 提出了基于拥塞控制的无线传感器网络数据汇集树生成算法(Data gather tree algorithm based on congestion control, DGT-CC). DGT-CC算法通过层次发现、邻居发现、启发式搜索和流量均衡策略构造一棵最短路径最小拥塞权值树. 理论分析证明DGT-CC算法收敛, 并能够构造一棵最短路径最小拥塞权值树, 仿真实验表明DGT-CC算法在丢包率、网络吞吐量和时延方面都较普通的最短路径树具有更好的性能.     

低代价最短路径树快速算法的时间复杂度研究

低代价最短路径树是一种广泛使用的多播树,它能够在保证传送时延最小的同时尽量降低带宽消耗.快速低代价最短路径树算法FLSPT是在DDSP算法的基础上,通过改进节点的搜索过程,该算法构造的最短路径树与DDSP算法构造的树具有相同的性能,但其时间复杂度低于DDSP,其时间复杂度为O(nlog n e).FLSPT是利用Fibonacci堆来选择图中未计算点的最小值来计算时间复杂度的.通过对FLSPT的程序和Fibonacci堆的分析发现,用O(log(n!) e)来表示FLSPT算法的时间复杂度比文献[6]中分析的O(nlog(n) e)更能体现FLSPT算法高效率.     

基于有序双循环链表的低代价最短路径树快速算法

低代价最短路径树是一种广泛使用的多播树。在FLSPT算法的基础上,通过选择有序双循环链表作为待发展节点序列Q的运算与存储中心,提出了基于有序双循环链表的低代价最短路径树快速算法DKFLSPT。该算法构造的最短路径树与FLSPT算法构造的最短路径树具有相同的性能,利用有序双循环链表的局部性原理来达到改进节点路径最小值的搜索过程。随机网络模型的仿真结果表明,DKFLSPT 算法效率平均可以提高19%。     

Performance analysis of the AntNet algorithm

A number of routing algorithms based on the ant-colony metaphor have been proposed for communication networks. However, there has been little work on the performance analysis of ant-routing algorithms. In this paper, we compare the performance of AntNet, an ant-routing algorithm, with Dijkstra’s shortest path algorithm. Our simulations show that the performance of AntNet is comparable to Dijkstra’s shortest path algorithm. Moreover, under varying traffic loads, AntNet adapts to the changing traffic and performs better than shortest path routing.     

A routing-table-based adaptive and minimal routing scheme on network-on-chip architectures

In this paper, we present a routing algorithm that combines the shortest path routing and adaptive routing schemes for NoCs. In specific, routing follows the shortest path to ensure low latency and low energy consumption. This routing scheme requires routing information be stored in a series of routing tables created at the routers along the routing path from the source to the destination. To reduce the exploration space and timing cost for selecting the routing path, a routing list and routing table for each node are created off-line. Routing table is updated on-line to reflect the dynamic change of the network status to avoid network congestion. To alleviate the high hardware implementation cost associated with the routing tables, a method to help reduce the size of the routing tables is also introduced. Compared to the existing routing algorithms, the experimental results have confirmed that the proposed algorithm has better performance in terms of routing latency and power consumption.