基于遗传算法的最短路径探索

最短路径问题是图论中的典型问题,在生产和生活中具有广泛的实例。它介绍了最短路径的遗传算法的表示与实现、适应函数、交叉和变异操作等问题,对遗传算法求解最短路径问题作了有益的尝试,详细分析了求解最佳路径的遗传算法的构成要素,着重探讨遗传算法求解最短路径问题的可行性,最后通过两个实例求出了两幅图的最短路径。     

基于改进遗传算法的机器人路径规划

文中提出一种基于改进遗传算法的移动机器人路径规划方法,将复杂的二维编码问题简化为一维编码问题,优化改进标准遗传算法的选择算子和交叉算子,引入路径规划特定的遗传算子(修正算子),最后以移动机器人行走路径最短作为适应度函数进行遗传优化.此算法克服了标准遗传算法的早熟收敛、运算结果稳定性差等问题,提高遗传算法的进化效率.仿真实验结果验证了该算法在移动机器人路径规划中的可行性和有效性,以及规划结果的稳健性.     

基于云计算的混合并行遗传算法求解最短路径

为提高最短路径求解问题的效率,提出一种基于云计算的细粒度混合并行遗传算法求解最短路径的方法。方法采用云计算中H adoop的Map Reduce并行编程模型,提高编码效率,同时将细粒度并行遗传算法和禁忌搜索算法结合,提高了寻优算法的计算速度和局部寻优能力,进而提高最短路径的求解效率。仿真结果表明,该方法在计算速度和性能上优于经典遗传算法和并行遗传算法,是一种有效的最短路径求解方法。     

最短路径问题及其解法研究

最短路径问题是在给定的网络图中寻找出一务从起始点到目标点之间的最短路径。该文分别从动态规划、Dijkstra、A＊算法、遗传算法这四种算法设计方法入手,概述了各种设计方法的原理,提出了求解最短路径的算法思想,并对算法进行分析．提出了改进方法。     

停车场泊车路径寻优问题研究

停车场最短泊车路径问题是最短路径问题中的一类特殊问题,本文根据遗传算法和图论的基本知识,结合停车场实际情况。建立了停车场的数学模型,对经典的选择、交叉、变异算子作了謦进。将算法应用于最短泊车路径求解中,结果证实是合理而有效的。     

基于遗传算法的动态网络中最短路径问题算法

提出了一种以随机Dijkstra最短路径算法为基础,运用遗传算法来求解动态路径诱导系统 中最短路径问题(ShortestPathproblemonDynamicRouteGuidanceSystem,SPDRGS)的算法。通过运用 该随机Dijkstra算法解决了将遗传算法应用与最短路径问题中初始种群的产生问题。考虑到目前动态 路径诱导系统(DynamicRouteGuidanceSystem,DRGS)对路径诱导算法的时间复杂度和网络约束条件 的要求,此算法不仅能够较快地求出较优的路径而且对网络没有任何的约束条件,同时对离散和连续的 动态网络模型有效,因此符合DRGS的要求。     

基于GA的网络最短路径多目标优化算法研究

针对现有基于遗传算法(GA)优化的网络最短路径算法存在优化目标单一、遗传编码质量低、搜索策略间平衡性差、适应度分配效率与灵活性较低等问题,建立一种多目标优化最短路径自适应GA模型,提出了优先级编码和优先级索引交叉算子,引入了遗传算子参数的模糊控制机制和基于自适应加权的适应度分配方法.实验结果表明,该算法的准确性和稳定性高、复杂度合理,实现了对网络设计优化中多目标最短路径问题的高质量求解.     

一种用于最优路径规划的改进遗传算法

设计了一种专门适用于路径规划的改进遗传算法．该算法根据最短路径问题的具体要求，将传统遗传算法中的编码、交叉、变异等操作均重新进行了定义，并且在进化过程中还能够自适应调节交叉和变异概率．仿真研究表明：改进的遗传算法具有较快的搜索速度和较高的搜索成功率，为实际车载导航系统中最优路径规划问题的解决提供了一种新方法．     

基于遗传算法的动态RWA问题的研究

针对WDM光传送网中的动态路由选择和波长分配(RWA)问题,提出了一种基于遗传算法的动态RWA方法。将遗传算法与相对容量影响(RCI)波长分配算法相结合,以实现对RWA算法的改进。仿真结果表明,与现有最短路径算法[1]相比,该算法能有效提高网络资源利用率,促进波长资源的合理分配。     

基于遗传算法的TSP问题优化求解

旅行商问题（TSP）是典型的NP完全问题,本文运用遗传算法求解TSP问题,提出了该算法在解决这一问题中的一些处理方法,使用该算法能够较快地求出一批最短路径,可根据需要设置叠代代数,求得理想最优解。     

仓储系统拣货路径规划问题的研究

本文针对仓储系统的拣货路径规划问题展开研究。以拣货路径长度和拣货时间为评价指标,分别采用蚁群算法、遗传算法、禁忌搜索算法、模拟退火算法进行对比研究。把仓库内拣货路径规划问题转化为转换为N=M+1的TSP问题。经MATLAB仿真研究,获得最短路径和适应度进化曲线。经实验测试发现了当拣货数量较多即N值偏大时,蚁群算法得到的路径距离相对于遗传算法、模拟退火算法和禁忌搜索算法更加优化,同时蚁群算法得到最优解的迭代次数更少,拣货时间更短。     

基于改进双种群遗传算法的AUV路径规划方法研究

研究了在静态环境条件下AUV全局无碰撞的路径规划方法,提出了一种将顶点图像法与双种群遗传算法相结合的路径规划方法。利用顶点图像法建立环境模型,对候选路径进行二进制编码,然后利用改进的双种群遗传算法进行路径寻优。仿真实验表明,本文采用的改进双种群遗传算法是正确和有效的,具有运算速度快、全局优化能力强等优点。     

遗传算法在水下机器人路径规划中的应用

提出一种分层路径规划算法来解决大范围海洋环境下的智能水下机器人(AUV)的全局路径规划问题。该算法将机器人的工作空间分层分解,并在每一层搜索路径,最终得到一条与障碍物无碰的全局路径。同时为解决算法的全局最优问题,使用遗传算法在每一层搜索路径。实践证明,该方法具有灵活、实用的特点,并能显著的节省内存空间。     

多约束条件下路由选择算法研究

采用遗传算法和蚁群算法相结合的融合算法，继承了遗传算法和蚁群算法的优点，在求精解效率上优于遗传算法，在时间效率上优于蚁群算法，能很好地实现多约束条件的最优路径计算，测试证明融合算法优化性能和时间性能都取得了很好的效果。     

混合遗传算法和蚁群算法在HP模型中的应用

遗传算法和蚁群算法在HP模型中已经有了大量的研究及成果,蚁群算法具有分布式并行全局搜索能力,通过信息素的积累和更新收敛于最优路径上,但初期信息素匮乏,求解速度慢。提出了一种先用遗传算法生成信息素分布,再利用蚁群算法求优化解的新的混合算法。将该算法用于二维HP模型中,计算结果显示该算法在寻优能力和收敛速度上都比单一的遗传算法和蚁群算法有所提高。     

基于蚁群-遗传算法的QoS路由选择

论文提出了一种将蚁群算法与遗传算法融合的新算法。采用蚁群算法进行寻径生成初始群体，利用遗传算法对路径进行优化。仿真结果表明此算法是可行的、有效的。     

简化真实感地形中爬行路径设计的算法研究

该文在概括三维路径设计的基础上给出了爬行路径的定义,并且指出了真实感地形中爬行路径规划与点状图中路径规划的区别。文章首先对问题进行了简化,重点是把地形中地物的形状简化成包围其边界的凸多边形包围盒,提出使用改进的Dijkstra算法解决问题思想,并且提出了构造包围盒顶点间关联矩阵的方法。实验结果表明,该方案总能得到简化问题的解,并从理论上证明了解的最优性,具有较大应用价值。     

基于分流算法的最短路径求解算法

在图论中,一般求最短路径都是通过比较各种可能的路径后而得到的,基本上都是按树的回溯方式求得,算法耗时长。分流算法将路径长度比较转化为等速同时发出的水流的速度比较,用Agent实现水流,让从开始结点出发生成的各水流同时流动,经过最短路径的水流将最先到达最终结点,结果用最短的时间获得最短路径。理论和实践都表明该算法是求最短路径的有效方法。     

基于优化蚁群算法的机器人路径规划

研究机器人导航中的路径规划问题,运用栅格法和图论思想建立环境模型,在该模型中通过蚁群算法进行路径寻优,提出用遗传算法的思想改进已有蚁群算法,即GAA算法。仿真实验结果表明,该算法能有效地提高机器人的路径搜索速度及路径优化、路径平滑等方面的指标。     

一种蚂蚁遗传融合的机器人路径规划新算法

针对栅格法建模的不足,本文研究一种全新的蚂蚁算法与遗传算法融合的机器人路径规划算法.该方法首先用栅格法建立机器人运动空间模型,在此基础上利用蚂蚁算法进行全局搜索得到全局导航路径,然后用遗传算法局部调节全局导航路径上的路径点,得到更优路径.计算机仿真实验表明,即使在复杂的环境下,利用本算法也可以规划出一条全局优化路径,且能安全避障.