考虑空间众包工作者服务质量的任务分配策略及其萤火虫群优化算法求解

针对空间众包中的任务分配问题,考虑空间众包工作者的服务质量对分配结果的影响,从而提出了一种加入了工作者服务质量评价的任务分配策略。首先,在每个时空环境下,加入工作者的评价要素以建立充分考虑工作者服务质量和距离成本的多目标模型;其次,通过改进离散型萤火虫群优化算法的初始化及编码策略、位置移动策略、邻域搜索策略使算法收敛速度加快、全局寻优能力提高;最后,利用改进后的算法来求解模型。在模拟和真实数据集上的实验结果表明,该算法在不同规模数据集上较其他群智能算法可提高2%~25%的任务分配总得分。该算法考虑了工作者的服务质量后,可有效提高任务分配效率和最终总得分。     

考虑工人路径的多智能体强化学习空间众包任务分配方法

针对工人和任务进行匹配是空间众包研究的核心问题之一,但已有的方法通常会忽略工人路径对任务分配结果产生的影响.传统的任务分配方法存在计算速度慢、适用范围小和协作效果不突出等问题.对此,从空间众包平台的角度出发研究面向路网的空间众包任务分配问题,以任务完成时间最短为目标,提出考虑工人路径规划的基于多智能体强化学习的QMIX-A*算法,缩短任务的平均完成时间,进而提高用户的满意度.大量的数值仿真研究验证了QMIX-A*的有效性和稳定性,为空间众包服务平台的任务分配与路径优化策略的选择提供决策支持.     

考虑时序约束的多智能体协同任务分配

研究多智能体系统的多目标多任务分配问题, 考虑任务之间的时序关系, 建立分布式任务分配模型. 扩展了一致性包算法(CBBA), 按优先级将目标任务归入不同层级, 各智能体在构建任务包和任务路径时, 只将分配过高阶段任务的目标添加至相应的任务包和任务路径中, 从而保证目标任务时序约束的同时, 保持了CBBA算法的特性. 与多任务分配问题经典算法的比对实验表明, 所提出的改进算法求解结果稳定可靠, 运行时间优于经典算法.

     

基于四阶贝塞尔曲线和改进狮群优化算法求解路径规划问题

首先,针对基础狮群算法中存在搜索效率低、多样性不足等问题,提出使用Sin混沌种群初始化操作提高算法初始解的质量,并引入调节因子,提高算法的多样性。其次,针对路径规划的问题,引入方向约束性函数,增加算法的搜索精度和收敛速度,同时提出双种群的狮群结构,通过差异化种群的相互协作提高算法的搜索能力,并运用四阶贝塞尔曲线,进行路径平滑处理。最后,经测试实验仿真,论证了改进狮群算法,相比基础狮群算法、灰狼算法、粒子群算法和遗传算法,在性能上有着显著提高。路径规划实验中,改进狮群算法规划出的路径较对比算法平均减少了5.67%,相比改进前的算法,运行时间减少了8.82%。     

多任务处理协同进化粒子群算法

粒子群算法及其改进算法专注于单任务的求解.随着电子商务的发展,在线服务器在某一时刻需要同时处理来自多个用户的服务请求,即多任务处理.区别于以往的并行计算机,文中充分挖掘粒子群算法的“隐并行性”,并引入协同进化机制,在同一搜索空间根据任务个数设置不同的子种群,各子种群以一定的概率相互传递有效信息,最后提出基于多任务处理协同进化粒子群算法(CPSOM),并将CPSOM应用于多任务连续型函数优化问题、多任务离散型属性选择问题以及多任务约束工程优化问题.仿真实验表明,在CPSOM多任务环境中,不同任务之间确实存在有效信息的传递,不同任务之间的相互协作不仅可以提高解的质量,而且可以加快各优化问题的收敛速度.     

基于配送收益均衡的多目标绿色车辆路径优化算法

针对电商平台物流中的碳排放成本较大以及配送过程中配送员收益不均衡的情况,为满足平台减少物流成本和人力成本的需求,提高车辆配送效率,降低碳排放量,实现低碳绿色出行,研究带有时间窗、配送收益均衡的多目标绿色车辆路径规划问题,并设计混合智能求解算法.首先,建立基于行驶速度的燃油消耗、基于模糊客户满意度的惩罚成本和配送收益均衡函数,构建以最小化燃油消耗量、惩罚成本和配送收益方差为目标的多目标绿色车辆路径模型;然后,将变邻域搜索算子融入NSGA-II算法,设计求解上述模型的多目标进化优化算法,以提高算法的寻优性能;最后,选择Solomon中的18个测试数据集进行实验,通过与2个模型和3种算法的超体积值和knee点值进行对比,验证所提出模型的可行性和算法的有效性,为降低碳排放量、实现低碳绿色出行提供新方案.     

改进粒子群算法和动态窗口法的动态路径规划

针对粒子群算法收敛速度慢、精度低以及只适用于静态环境等问题，提出改进粒子群-差分进化和动态窗口法的混合算法.首先利用差分进化算法改进粒子群算法寻优机制，对粒子群算法进行优化，构造新的适应度函数，实现对全局的路径规划；然后，根据生成的路径，提取关键中节点作为动态窗口法的局部目标点，采用动态窗口法进行局部路径规划，使起始航向角继承上一次到达局部目标点的航向角，生成从起始点到目标点的最短且平滑的路径.最后，将所提算法应用于不同试验场景进行路径规划仿真试验，并与现有算法进行对比分析，结果表明所提算法可行性强，具有更高的搜索能力.     

基于顺序扩展一致性包算法的多无人机分布式任务分配

以异构多无人机协同执行复杂的耦合多任务为背景,提出一种求解分布式任务分配问题非死锁的顺序扩展一致性包算法.首先,建立考虑任务载荷资源、任务时序、威胁区等约束条件的时序多任务分配模型;其次,对一致性包算法的任务包构建过程和冲突消解规则进行扩展,并设计一种基于有向图深度优先搜索的方法进行任务方案的死锁检测和修正,以实现无冲突和无死锁的任务分配;然后,将关联任务之间的时序约束转化为软时间窗约束,利用顺序分层的策略进行求解;最后,为了提高任务分配结果的可靠性,采用Dubins曲线路径将航路规划耦合到任务分配中.仿真实验表明,所提出的算法能够快速有效地求解异构多无人机分布式耦合多任务分配问题,具备良好的最优性和时效性.     

改进自适应遗传算法在多载AGV调度的应用研究

随着工业4.0的推进,如何进行高效的AGV调度成为研究热点.针对传统AGV调度问题只考单一负载的情况,以及标准遗传算法在求解调度问题中,存在收敛速度慢,容易陷入局部极值等缺点的现象.提出一种改进的自适应遗传算法.该算法引入逆转算子、插入算子以及灾变算子,并对其进行自适应控制,算法的逆转过程有利于进化方向的搜索.模型在AGV调度问题基础上,添加了物料重量、体积双重约束,以最短路径成本为目标函数,建立多载AGV路径规划模型.然后,对数据进行预处理,使用改进的自适应遗传算法进行求解.该算法在MATLAB平台上进行算例验证,与标准遗传算法、自适应遗传算法比较,证明了改进的自适应遗传算法收敛快、求解结果更接近最优解.     

基于文化算法的家庭服务机器人任务规划

通过对家庭服务机器人任务规划问题进行形式化描述,给出了问题的求解模型,提出了一种改进的文化算法,通过算法中信念空间和种群空间的相互联系和相互促进实现求解。算法采用独特的编码方式,其种群空间采用遗传算法作为进化手段,采用较为独特的信念提取方式构造算法的信念空间并促使其进化。将该算法用于家庭服务机器人大赛的仿真平台上,证明其有效性。