一种基于免疫遗传的多路搜索蚁群动态路径诱导算法

在交通路径诱导过程中,为了优化出行者的路径选择,提出一种用免疫遗传算法与蚁群系统算法相互融合的算法,主要利用了蚁群系统算法的动态性、正反馈性和分布式计算的优点;同时兼容了免疫遗传算法的全局搜索能力以及容易和其他算法相结合等特点.蚁群系统算法的动态性能够满足交通道路动态变化的各种因素,但是蚁群系统算法固有的缺点是容易陷入局部最优和进化速度缓慢,为了改善蚁群系统算法陷入局部最优的缺点,采用免疫遗传算法的全局搜索的思想来对蚁群系统算法进行改进,避免了蚁群系统算法陷入局部最优的缺点.为了提高算法的进化速度,本文提出了基于多路搜索的蚁群系统算法,能够更好地加快收敛速度,满足交通动态变化的需要,并且满足出行者的需要.在算法的研究过程中,进行了两部分实验对算法进行了论证,在eil51问题中,算法与其它算法相比证明可以得到更优的解;在MapX环境下模拟现实交通状况,运用算法寻找最佳路径,证明了本文提出的算法能够在实际的道路状况中找到满足出行者需求的道路.     

一种基于改进蚁群算法的港内寻跺应用

如何寻找最优路径是港区内交通诱导系统研究解决的核心问题。本文就如何寻找最优路径引入了基于群体仿生理念的改进的自适应蚁群算法,通过对信息浓度更新规则加以改进来加快收敛,不但能够降低蚁群算法的时间复杂度,还能克服寻找最优路径的难题,为进入港区的外来车辆顺利到达目的地提供了技术保障。     

面向行车诱导的最优路径算法研究

路径诱导系统是交通信息系统的重要组成部分,其综合应用车载定位系统、数据库技术、信息处理技术、现代通讯技术以及网络通信技术等先进技术来获取丰富的交通信息并通过对信息的整合,以达到诱导驾驶员行为,为驾驶员提供最优行驶路径的目的。在路径诱导系统中,最优路径问题是其研究的核心和关键。本文在研究传统的Dijkstra算法的基础上引入一种新的最优路径搜索思想即直线优化法对其进行改进。直线法优化Dijkstra算法在搜索过程中一直趋向于目标节点,能够减少算法中遍历的节点个数,从而提高搜索速度。最后,对传统Dijkstra算法和直线法优化Dijkstra算法进行了对比仿真分析。仿真表明,改进的算法既优化了最优路径搜索的过程,又大大地缩短了其运行时间。     

交通最优路径选择算法的对比与仿真

交通网络中最优路径的选择尤为重要,各国学者在这方面做了大量的研究和改进.传统的最优路径算法以Dijkstra算法为代表,但均存在复杂度过高、不能很好地体现动态性的缺点.提出一种基于蚁群算法的最优路径选择问题的新方法.建立综合路径耗费公式及相关的收敛条件,采用数据集进行仿真,并与传统的最优路径算法Dijkstra算法、A*算法进行了对比,结果表明,采用蚁群算法进行最优路径选择在交通路径结点数量多、路径复杂的情况下具有比传统最优路径算法更好的性能优势.     

基于改进蚁群算法的物流配送路径求解

蚁群算法是受自然界中蚁群觅食行为启发而提出的一种智能优化算法,通过介绍蚁群搜索食物过程中基于信息素的最短路径的搜索策略.以及蚁群算法在VRP问题中的应用,给出了用于求解物流配送路径问题的蚁群算法.并针对蚁群算法在求解过程容易陷入局部最优的情况,提出了算法改进的措施.     

基于蚁群算法的最优路径选择问题的研究

交通网络中最优路径的选择尤为重要,各国学者在这方面做了大量的研究和改进.提出了一种基于蚁群算法的最优路径选择问题的新方法.在最优路径的选择过程中采用蚁群算法并对其进行建模,能够发挥算法并行性、正反馈、协作性等特点,使各蚂蚁个体之间相互协作,在较短的时间内发现较优解.研究及模拟实验结果表明,蚁群算法是一种鲁棒性较强的新型模拟仿生算法,具有较好的发展前景.     

基于蚁群算法的通信线路最佳抢修路径问题的研究

通信线路最佳抢修路径问题,其实质就是交通路网中的最优路径问题。该文在研究蚁群算法的原理和基本模型的基础上,提出用一种改进的蚁群算法来解决最优路径问题。实验表明,该方法能在较短时间内发现最优解,对研究通信线路最佳抢修路径问题具有较大的实际意义。     

基于蚂蚁算法的PGIS中动态路径诱导技术研究

停车诱导系统（PGIS）将计算机、信息与多媒体等技术应用于交通管理领域,是智能交通的重要组成部分。首先分析了PGIS中一项关键技术——动态路径诱导的特点和实时诱导技术要求,根据该要求,介绍了一种生物界仿真算法——蚂蚁算法的特点及其应用在最优路径搜索中的基本方法。仿真实验表明该方法搜索效率较高,可用于动态路径诱导技术中。     

一种改进蚁群算法求解最短路径的应用

蚁群算法是一种新型的启发式模拟进化算法,为求解各种复杂的组合问题提供了一种新的思路.虽然蚂蚁个体没有智能,但群体蚂蚁可以通过信息素(pheromone)进行互相交流进而协调工作.自从Marco Dorigo根据蚂蚁觅食的过程,首次提出了蚁群算法并且应用于求解最短路径问题以来,针对蚁群算法的研究一直都没有停止.通过对信息素更新策略、局部搜索算法、随机选择概率三个方面的改进,提高算法的全局最优搜索能力和收敛性.实验结果表明,改进算法有较好的性能.     

新的融合算法在机器人路径规划中的应用

机器人路径规划一直是机器人学领域的一个非常重要的研究课题。提出了一种基于蚁群粒子群算法融合的机器人全局路径规划算法,该方法有效地结合了蚁群算法和粒子群算法的优点,利用粒子群算法的快速简洁等特点得到蚁群算法初始信息素分布;然后利用蚁群算法的并行性、正反馈性、求解精度高等优点,求得全局最优解。仿真实验结果证明了该方法的有效性和可行性。