基于改进蚁群算法的移动机器人路径规划

针对蚁群算法在移动机器人路径规划中存在的稳定性不足、收敛速度慢、前瞻性差,易过早陷入局部最优等问题,优化改进了传统的蚁群算法。通过改进转移概率来优化转移规则,让蚂蚁可以精准地搜索到下一个最佳栅格位置;采用基于无限步长原理的新启发式信息来扩展视野,提高可见性精度;另外,改进算法还采用了新的信息素更新规则以加快收敛速度,扩大搜索空间。仿真结果表明,该改进算法在路径搜索效率和收敛速度方面明显优于传统蚁群算法。     

基于混合遗传蚁群算法的多目标FJSP问题研究北大核心

针对多目标柔性作业车间调度问题求解过程中未综合考虑解集多样性与求解效率的问题,提出了一种混合遗传蚁群算法来求解。首先,通过改进的NSGA-Ⅱ(non-dominated sorting genetic algorithmⅡ)获取问题的较优解,以此来确定蚁群算法的初始信息素分布;其次,根据提出的自适应伪随机比例规则和改进的信息素更新规则来优化蚂蚁的遍历过程;最后,通过邻域搜索,扩大蚂蚁的搜索空间,从而提高解集的多样性。通过Kacem和BRdata算例进行实验验证,证明混合遗传蚁群算法具有更高的求解效率和更好解集多样性。     

基于状态转移规则改进蚁群算法的机器人路径规划

针对传统蚁群算法在全局路径规划中存在的收敛速度慢、局部最优解、算法优化能力低、种群多样性与收敛速度相互矛盾4种主要问题进行改进，提出了基于动态更新状态转移规则的蚁群算法。通过人工势场法改进启发函数，提高算法的优化能力；利用伪随机状态策略改进状态转移规则，提高了算法的收敛速度；引入动态信息素更新方式，解决局部最优问题，协调种群多样性与收敛速度的矛盾。利用剪枝法对改进后的路径规划算法进行优化。通过分步仿真、对比仿真的方法证明算法改进过程的合理性，提高了蚁群算法在路径规划中的性能。仿真结果表明，改进后算法的路径长度缩短44.08%,运算时间缩短45.13%,在解决4种问题的同时，有效提升了机器人全局路径的平滑性和安全性。     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

基于改进蚁群算法的移动机器人路径规划

在考虑传统蚁群算法搜索路径时存在找到收敛速度慢、拐点多且不能动态避障等问题，提出一种基于拉普拉斯分布与动态窗口融合的蚁群算法来解决机器人路径规划。首先，在启发信息中加入当前节点、下一节点以及目标节点信息，并加入动态调节因子，使得启发信息在前期引导性强，信息素在迭代后期引导性强；其次，在蚁群算法信息素更新中引入拉普拉斯分布调节信息素的挥发，加快收敛速度；对蚁群算法得到的路径进行双向冗余节点删除，提高路径平滑度，最后，将改进的蚁群算法与改进动态窗口算法融合，使机器人安全到达终点。仿真表明，在相同地图环境中，蚁群算法与基本蚁群算法相比较路径长度相比减少了26.3%,路径拐点减少了77.7%,更适用于复杂环境。     

基于混合蚁群算法的AGV路径规划

针对传统蚁群算法在求解自动导引运输车(Automated Guided Vehicle,AGV)路径规划时存在搜索效率低且易陷入局部最优的问题,提出了一种运用于AGV路径规划的混合蚁群算法.首先,利用可视图法建立研究问题的环境模型,在此基础上利用A?算法规划出一条较优路径作为初始路径;其次,对蚁群算法信息素更新方式以及...     

求解串并联系统备件配置问题的蚂蚁算法

通过对串并联系统配置成本问题的分析提出了基于蚂蚁算法求解该问题的方法。蚂蚁算法作为一种生物进化算法但它与其他进化算法一样存在易陷入局部最小的缺点。在基本蚂蚁算法的基础上,通过修改它的信息素局域和全局更新规则,引入自适应的信息素挥发系数来提高收敛速度和算法的全局最优解搜索能力。实验结果表明,改进的蚂蚁算法具有很好的全局搜索能力,使全局收敛性及收敛速度两方面均得到提高。     

基于改进蚁群算法的机械臂焊接路径规划北大核心

针对传统蚁群算法在求解机械臂焊接路径过程中容易陷入局部最优,导致机械臂移动路径长、效率低等问题,提出一种改进蚁群算法。将焊点布局图进行转换并引入粒子群算法,通过编码的方法进行全局焊点路径寻优,引入全局最优路径片段及局部最优路径片段,改变信息素的更新方式。确定机械臂可视化范围并通过视觉反馈系统反馈障碍坐标,利用三维蚁群算法求解不同焊点间的路径,避免障碍发生。仿真结果表明,改进前算法及改进后算法规划路径长度分别为16379.5 mm和16298.6 mm,相比于改进前算法,改进后算法的路径长度缩短了0.47%,迭代次数减少了11.7%,同时改进算法可以在软件中应用且具有稳定性。     

自适应蚁群算法在Job Shop调度问题中的研究

研究了Job Shop调度问题,分析了蚁群算法(ACA)与最大最小蚁群系统(MMAS)算法在解决Job Shop调度问题中的不足,提出了一种解决Job Shop调度问题的自适应蚁群算法(SACA)。此算法根据蚂蚁群体寻找路径的阶段性,使用了参数在各阶段自适应变化的策略和关键工序块邻域搜索策略,加快了蚁群算法的收敛速度,避免了早熟现象和陷入局部最优调度解,提高了蚁群算法的灵活性和鲁棒性。通过仿真实验验证了自适应蚁群算法在解决Job Shop调度问题中的性能优于蚁群算法和MMAS算法。     

改进引导因子的精英蚁群算法航迹规划研究

针对基本蚁群算法在无人机自主航迹规划过程中容易陷入局部最优解的不足,采用对引导因子进行改进的精英蚁群算法来研究二维空间环境下无人机的全局航迹规划问题。首先选择栅格法对空间进行划分,建立静态障碍物地图并构建启发因子;其次,通过加入改进引导因子的精英蚁群算法寻找到达目标点距离最短的航迹;最后通过仿真实验对比改进引导因子的精英蚁群算法与基本蚁群算法和最大最小蚁群算法搜索的航迹优劣。     

改进蚁群算法的柔性作业车间调度问题研究北大核心

为提高传统蚁群算法求解柔性作业车间调度问题的效率,提出了一种改进蚁群算法。首先,均匀分布蚂蚁的初始位置;其次,多种方法结合进行机器选择,并按照改进的工序选择方式选择下一步即将遍历的工序;最后,采用带精英策略的蚁群算法结合最大最小蚂蚁系统的信息素更新方式,既赋予较优路径以额外的信息素,同时又对路径上的信息素进行限定、从而避免算法“早熟”,进而提高解的质量。通过三个柔性作业车间调度实例进行仿真分析和与其他算法的对比,结果表明改进蚁群算法在求解柔性作业车间调度问题具有较好的优化效果和求解效率。     

一种应用于激光焊接轨迹规划的改进蚁群算法

传统的焊接轨迹需通过手工示教获得，示教存在柔性差、效率低、轨迹复杂等缺点. 对工业生产中的典型焊接图元进行建模，提出了一种改进蚁群算法:使用混合型信息素更新策略，提高了收敛速度并能够避免陷入局部最优，从而在较短时间内获得最佳焊接路径. 结果表明，通过仿真和实际加工验证了算法的有效性,并成功运用在激光焊接系统中.     

基于改进多步长蚁群算法的机器人路径规划

针对移动机器人路径规划时蚁群算法稳定性不足且易陷入局部极值的问题,提出一种改进多步长蚁群算法,改进了基本蚁群算法中只能单步位移且方向固定的移动模式,从而减少路径的转向次数且缩短路径长度。针对移动机器人实际工作时可能遇到的环境坡度大的情形,在启发函数中加入高度因素,提升算法环境适应能力。采用自适应挥发机制,加快算法收敛速度及效率。结果表明：在具有变化高度的环境中,与基本蚁群算法相比,改进多步长蚁群算法规划出的路径更平缓且距离更短,更适合移动机器人工作情景。     

基于改进蚁群算法的果园移动机器人路径规划研究

蚁群算法作为一种模仿蚂蚁觅食行为的仿生算法,常常被人们优先用于路径规划。但是,普通蚁群算法计算量大,容易出现局部最优化。为了提高最短路径搜索速度,建立了新的基于方向夹角的启发因子,使得蚂蚁优先选择夹角小的节点作为下一移动节点;同时采用了较复杂的对角线距离的倒数作为新的启发式因子,该距离公式无需进行平方根运算,求解简单,再一次提高了搜索效率。实验表明:在同等最短路径的情况下,与原蚁群算法相比,最短路径的搜索效率提升了3倍。满足在复杂果园环境下移动机器人的实时路径规划需求。     

基于蚁群算法的混合品种装配线平衡问题研究

混合品种装配线平衡问题是一种典型的NP-Hard组合优化问题,文章采用蚁群算法,在给定工作节拍的条件下,以最小化工作站数为优化目标,采用启发式方法构造分配方案的生成策略,并且采用局部更新的信息素更新规则,达到提高装配线平衡率的目的.通过组合优先顺序图,将混合品种装配线平衡问题转变成单一品种装配线平衡问题进行求解.最后,通过实例验证了该算法的有效性.装配线平衡后,保持了生产线的柔性,同时提高了设备和人员的利用率.     

基于PSO-ACO融合算法的物流车辆路径优化与控制研究

传统蚁群算法在解决物流配送路径问题时容易出现“早熟”问题,使路径寻找速度和优化结果受到影响。为更合理进行车辆路径调度管理,提出一种粒子群-蚁群相融合的物流配送路径规划算法,该算法充分利用粒子群较强的全局搜索能力和搜索速度快的特点,将得到的次优解转化为蚁群算法中的初始信息素的增量,最后利用蚁群算法的正反馈机制求解问题的精确解。研究结果表明:与单一算法相比,融合算法能快速有效地确定物流配送路径,具有较快的寻优速度和收敛精度,更合理的控制物流配送成本。     

基于改进蚁群算法的电液比例系统PID参数优化

VACA是变尺度算法融入蚁群优化算法中而形成的一种混合算法。针对电液比例系统PID控制参数整定问题,提出了基于改进蚁群算法的PID参数优化方案,并给出了具体的实现步骤:建立臂架电液控制系统的数学模型,利用Simulink工具箱建立了电液比例控制系统的VACA-PID的仿真模型,进行了仿真和验证。结果表明:VACA-PID控制器具有良好的静、动态性能,完全能达到电液比例控制系统的要求。