基于改进遗传蚁群算法的无人机航路规划

研究无人机航路,要在有限的时间内规划出最优路径.因此航路规划问题本质是多约束条件下函数求极值的优化问题,为了避免局部最优、减少计算时间是目前航路规划的关键技术.针对常用的规划算法存在收敛速度慢且易陷入局部最优这-问题,提出了一种改进的遗传蚁群算法.遗传算法阶段给出了一种小变异和引入新种群算子,维持了较优种群的多样性,蚁...     

基于改进蚁群算法的无人机三维航迹规划研究

蚁群算法求解无人机航迹规划问题具有较大优势,针对传统蚁群算法易陷入局部最优、收敛速度较慢的缺点,论文从非均匀初始化信息素,增加目标点距离和相邻航迹转角的启发信息,在概率选择状态转移策略的基础上融入确定性选择策略以及引入动态调整信息素总量的自适应信息素更新机制等四个方面改进传统蚁群算法。通过仿真实验,验证改进算法可兼顾全局搜索能力和较快的收敛速度,提高了无人机的航迹规划性能。     

基于混合多种群自适应蚁群算法的无人机航路规划

针对基本蚁群算法在航路规划中易于过早陷入局部最优解,对蚁群算法进行了改进;提出了具有多种群的蚁群算法,并将导引因子引入到状态转移策略中,减少蚂蚁局部搜索的盲目性,确保蚂蚁最终完成航路搜索;当算法陷入局部收敛时,通过交换各种群的信息素,并对每个种群的挥发系数进行自适应调整,从而扩大了搜索空间,提高了搜索全局性;最后在代价函数简化后的栅格图中对改进算法进行了仿真;仿真结果表明,该方法可以有效防止算法陷入局部最优,是一种有效的航路规划方法.     

基于改进ACO算法的无人作战飞机航路规划设计

为了使无人作战飞机能在敌方防区内以最小的发现概率和航路代价到达目标点,提出一种基于改进蚁群算法对UCAV进行航路规划的方法;首先,根据燃油代价和威胁代价设计了目标函数,并根据敌方防区威胁源生成VORONOI图,然后通过对信息素初始化方式、蚂蚁转移规则以及信息素更新规则进行改进以优化传统的ACO算法,最后定义了使用改进ACO算法对UCAV进行航路规划的具体算法;仿真实验证明文中方法能实现UCAV航路规划,且与经典ACO算法相比,文中方法具有较快的收敛速度和较强的全局寻优能力。     

基于改进蚁群算法的无人飞行器航迹规划

无人飞行器航迹规划是现代战争中实施远程精确打击,提高飞行器实际作战效能的关键技术。蚁群算法作为一种启发式仿生优化算法,能够有效应用于航迹规划中。针对基本蚁群算法在应用中容易过早陷入局部最优解这一缺点,提出自适应动态双种群蚁群算法的改进策略,通过信息素的震荡变化和挥发系数的自适应调整,扩大搜索空间,提高算法搜索的全局性。并将改进后的算法应用于无人飞行器航迹规划,通过实验仿真,证明了此改进算法在航迹规划应用中的可行性和有效性。     

利用三次样条改进蚁群算法的无人机航路规划

针对无人机在二维平面自动飞行中转弯角度过大、路径规划困难的问题,研究了蚁群算法在复杂环境下航路规划中的应用,利用链接图简洁的特点建立空间模型,对无人机的飞行环境和航迹代价进行了描述,并结合三次样条插值函数与蚁群算法,提出了改进蚁群算法,对无人机飞行路径进行优化,并给出算法软件流程。利用MATLAB进行了仿真实验,得出了最优的航路,算法具有较好的稳定性和鲁棒性,对轨迹中不可飞的尖角进行了平滑处理,使得航路为曲线轨迹,满足无人机工作的性能要求,减少无人机在飞行中的代价损耗,验证了该优化算法在无人机航路规划中的可行性。     

基于改进多目标蚁群算法的无人机路径规划

针对无人机SEAD任务的路径规划问题,利用VORONOI图构建初始路径,分析了路径代价计算方法,并使用改进的多目标蚁群算法对路径进行优化选择。针对该特殊应用场景,引入了各路径段与起始点—目标点连线的夹角信息作为新的启发信息,加快了算法的搜索速度,同时改进启发信息的计算公式,适当缩小各可选路径段启发信息量的差异,加强了蚁群算法的全局搜索能力。仿真结果显示,与基本多目标蚁群算法相比,改进后的算法有效提高了路径搜索的效率和质量。     

基于改进蚁群算法的无人机动态航路规划

研究无人机航路规划,针对基本蚁群算法易于陷入局部最优、规划航路耗时长的问题,对基本蚁群算法进行了改进;引入航路点的动态自适应选择策略和信息素挥发因子动态自适应调整准则,有效克服了基本蚁群算法的不足,并对规划出的航路进行了平滑处理,使其更加满足无人机实际飞行需求;通过仿真分别规划出无人机在静态威胁和动态威胁中的航迹,仿真结果表明,与基本蚁群算法和遗传算法相比,改进的蚁群算法在两种飞行环境中均能规划出较优的航路。     

基于改进蚁群算法的直升机航迹规划仿真

提出了基于改进蚁群算法的直升机航迹规划仿真过程,直升机在执行任务的过程中,有效地利用地形以躲避雷达扫描是直升机提高其生存能力的关键手段。利用真实地形的DEM数字高程建立真实地形;根据目标与雷达的交会几何关系,推算出雷达在真实地形中扫描的盲区;并针对传统的蚁群算法缺点,提出一种改进的蚁群算法仿真飞机飞行通过雷达区域,为其选择一条安全的飞行路线,使直升机从起始点到目的点的路径最优,从而达到提高战斗效率的目的。     

基于文化蚁群算法的三维飞行器航路规划

研究飞行器航路规划问题时,由于目标函数复杂,计算量大,采用蚁群算法,存在航路搜索速度慢,容易陷入局部最优从而得不到最优航路的问题,把蚁群算法嵌入到文化算法中,提出了一种文化蚁群算法来解决航路规划问题.计算模型包括蚁群算法的群体空间和利用群体空间最优解的信仰空间.群体空间的群体演化采用蚁群系统,并加入了奖惩机制.信仰空间由群体空间中的最好个体组成,并利用遗传算法的思想进行更新,以指导群体空间的进化.仿真结果表明,提出的算法拥有更快的搜索速度,得到的航路也更好.     

基于仿真和蚁群算法的公交动态交通规划研究

针对越来越复杂的道路交通系统,研究其中的动态交通规划问题。以达到对交通进行合理规划的目的。采用计算机仿真技术构建动态交通规划模型,应用蚁群算法解决基于仿真的动态交通规划优化问题。在所建模型的基础上,通过蚁群算法进行求解。实验结果令人满意。仿真方法可以将普通动态交通规划模型无法反映的随机因素考虑在内,使得动态交通规划的结果更加具有现实中的指导意义。将优化技术嵌入到仿真过程中。在仿真环境下使输出响应不断地得到改进,从而实现道路交通系统性能的优化。数据实例表明,该方法是正确的、可行的、有效的,可以为实际的道路交通规划提供有力地决策支持。     

基于自适应蚁群算法的救援直升机航迹规划

基本蚁群算法在航迹规划的应用中缺乏足够的鲁棒性,存在收敛性能较差的问题,针对基本蚁群算法容易出现局部停滞的现象,提出了一种自适应蚁群算法的救援直升机航迹规划方法,建立了救援距离最短和救援效率最高的数学模型.为了保持搜索的平衡性和收敛性,自适应蚁群算法从信息素挥发系数和信息索强度两个方面动态地调整信息素,并根据救援目标的紧急程度对信息素参数化.仿真结果表明,改进的蚁群算法避免了出现局部最优,有效地提高了搜索收敛速度.     

基于集成干涉矩阵的蚁群装配序列规划

针对装配序列规划问题,构建了面向装配的蚁群算法。利用有向图进行产品的装配建模,有效地表达了装配零件之间的接触以及优先关系。探讨了装配干涉矩阵的形式和性质,提出了集成干涉矩阵的概念和变换方法,采用集成干涉矩阵以及工具列表矩阵来表达模型的基本装配信息。分析了基于干涉矩阵的可行方向推导过程、装配零件的状态转移概率以及蚁群算法的信息素更新规则。从装配可行方向的改变次数和装配工具的改变次数建立目标优化函数,从而建立面向装配的蚁群算法用于序列的搜索及构造,并给出蚁群算法的伪代码。最后通过实例对算法进行了验证说明。     

基于规划图的蚁群规划算法

图规划是智能规划领域近年来出现的一种重要规划方法,对智能规划的发展起到了很重要的推动作用,图规划算法首先扩展生成规划图,然后通过逐层组合不断回溯的穷举方式进行解提取,这种方式使解提取不仅耗时而且容易陷入局部搜索中.在规划图基础上定义了蚁群智能体,并定义了在规划图上的蚁群搜索方式,提出了蚁群规划算法,使搜索具有较好的全局性和并发性,并具备加速收敛的寻解能力.实验表明,蚁群规划算法在求解一些相对规模较大的规划问题时有更好的优越性.     

动态路径规划中的改进蚁群算法

针对传统蚁群算法收敛速度慢、易陷入局部最优解的缺点,提出了改进距离启发因子以增加目标节点对下一节点的影响,从而提高全局搜索能力,避免陷于局部最优解,提高收敛速度;考虑真实环境的复杂多样性,引入多个路径质量约束来改进信息素更新规则。仿真实验结果显示,改进蚁群算法在动态路径规划中具有良好的效果。     

基于蚁群算法求路径规划问题的新方法及仿真

该文提出了一种基于蚁群算法求解路径规划问题的新方法及其仿真,蚁群算法就是对自然界中蚂蚁的寻食过程进行模拟而得出的一种模拟进化算法。与传统的算法相比,该算法的主要特点是正反馈和并行性,正反馈使得该算法能很快发现较好解,并行性使得该算法易于实现并行计算。虽然蚁群算法在时间复杂度上可能不如传统的算法,但是理论研究表明该方法是一种基于种群的鲁棒性较强的模拟进化算法。最后,利用Java语言对蚁群算法和改进的Dijkstra算法进行了仿真,并进行了比较。     

基于改进蚁群算法的智慧物流调度规划

随着物流业的大力发展,通过发展智慧仓储物流,可以极大降低物流成本,加快产业的发展.本文提出了一种在智慧仓储中的AGV车辆系统避碰路径规划,首先利用带时间窗的栅格方法模拟了AGV的制造车间工作环境,提出一种改进蚁群算法,通过改进概率转换公式和信息素更新规则,最后仿真结果验证了该算法可以解决多个AGV的避障路径规划问题,进而实现智慧仓储物流.     

基于粗粒度模型的蚁群优化并行算法

为了改进蚁群优化算法的收敛速度,研究了一种基于粗粒度模型的并行蚁群优化算法,该算法将搜索任务划分给q个子群,由这些子群并行地完成搜索,可使搜索速度大幅度提高。实验结果表明,用该算法求解TSP问题,收敛速度比最新的改进算法快百倍以上。     

基于蚁群遗传算法的三维飞行器航路规划

关于飞行器航路优化设计问题,航路规划是任务规划系统的一部分,是飞行器自主控制的关键技术.为了能够快速的寻找到最优航路且得到的航路有更少的制动点,在航路问题描述的基础之上,把蚁群算法和遗传算法相结合,提出了一种蚁群遗传算法的三维航路规划方法.设计了具有方差因子的航路评价函数,给出了一种关于面的规划空间的构造方法,并在规划空间中,进行蚁群遗传算法的种群初始化,所采用的遗传算子,给出了算法的流程.仿真结果证明了算法的正确性和有效性.