蚁群算法数据点排序技术研究

逆向工程中对测量点云通过截面截取,生成截面数据点云,对截面数据点进行排序构建截面线从而生成曲面实体。截面数据点的正确排序在构建截面线的过程中非常重要,基于旅行商优化原理,运用蚁群算法研究了数据点的排序技术,通过建立适合蚁群算法的数学模型,设置合理的优化参数,给出了运用蚁群算法实现优化排序的过程,最后用实例验证了该方法的正确性。     

基于改进蚁群算法的机器人焊接路径规划

针对基本蚁群算法在机器人焊接路径规划时,在搜索的过程中容易出现搜索时间过长、效率低、容易陷入局部最优等问题,文中针对基本蚁群算法,引入了Adadelta算法,通过基本蚁群算法和Adadelta算法结合,来改变蚂蚁搜索过程中选择下一焊点的概率,增加了随机性. 通过Adadelta算法参数的更新,改善了蚂蚁信息素的更新,并改进了信息素挥发系数ρ,采用自适应的方式来更新信息素. 对改进算法运用MATLAB进行仿真,结果分析得知,文中的改进蚁群算法比基本蚁群算法搜索能力更强,算法效率更高,比基本蚁群算法提前20代左右收敛,有效解决基本蚁群算法的局部最优、收敛速度慢等问题,使搜索结果更优.     

基于蚁群算法的多机器人协作研究

基于多机器人协作的动态优化联盟机制及蚁群算法的并行工作策略和自组织原理,将蚁群算法应用于多机器任务协作。仿真试验表明该方法的可行性,能够有效地提高多机器协调系统完成任务的效率。     

基于改进蚁群算法的多机器人任务分配

研究了多机器人系统的任务分配方法,多机器人多任务分配是一个NP问题.针对多机器人系统在动态环境下自主任务分配问题,综合考虑任务约束及机器人的执行任务能力,采用了一种改进的蚁群算法,解决多机器人系统全局最优任务分配问题.通过对基本蚁群算法和改进的算法的仿真,验证了改进的算法实现了全局近似最优的任务分配.     

基于改进蚁群算法的加热炉温度控制研究

加热炉温度控制系统具有非线性、时变性、滞后性等缺陷,导致系统控制过程中响应速度慢、抗干扰能力差,传统的控制方法无法对其进行精确控制。将免疫算法引入蚁群算法中,根据免疫算法中的亲和力原理,增加蚁群的多样性,并对蚁群的初始信息素规则进行改进。利用改进的蚁群算法来调节PID神经网络（PIDNN）的权值,提出一种新型PIDNN控制方法,并采用计算机仿真软件对其进行实验。仿真实验结果表明,与传统的PIDNN控制方法相比,当采用改进蚁群算法的PIDNN控制器对加热炉进行控制时,系统达到稳态所需时间缩短了约34%;当加入扰动后,系统恢复到稳态所需时间减少了约26%,振动幅度明显降低,加热炉控制系统的抗干扰能力增强。     

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。     

基于改进蚁群算法的电液伺服系统跟踪控制

针对经典蚁群算法只能用于解决特定组合优化问题的缺点,提出了改进的蚁群方法。该算法首先对时间和控制变量实施离散化,以一组整数编码的蚁群路径表示可行控制策略,进而应用蚁群寻优操作搜得离散问题的最优控制策略。它能逐步收缩搜索域并迭代以消减离散化带来的偏差,不断改善寻优结果,增强算法的稳健性。最后将改进的蚁群算法应用于电液伺服系统的跟踪控制,仿真实验的结果显示此方法是可行的、有效的。     

基于蚁群算法的模具装配序列规划

基于装配体基本信息,建立干涉矩阵、联接矩阵表达零件间联系。根据干涉矩阵实时判断当前操作是否影响后续零件装配以确保几何可行性,建立被连接件优先原则保证被连接件装配优先于紧固件,以高稳定性及较少的重定向次数作为优化目标函数,采用蚁群算法生成优化装配序列。最后用模具装配序列规划实例验证了该方法的可行性。     

基于改进蚁群算法的移动机器人路径规划

针对动态未知环境下机器人路径规划中存在的不足,提出一种全局规划和局部规划相结合的混合型规划方法。全局规划中,针对基本蚁群算法易陷入局部最优以及易陷入U型或V型障碍物的缺陷,提出采用夭折策略对基本蚁群算法进行改进,并采用改进的蚁群算法离线规划出一条粗略的全局优化路径,将该"粗"路径分解为局部规划各个阶段的子目标。局部规划中,机器人实时探测局部环境信息,应用滚动优化原理,不断修正运动路线,使机器人在每一时刻的滚动窗口内都避开障碍物向子目标点运动,把整体的寻优分解为各个滚动窗口内的局部寻优,克服了全局规划不能追踪动态信息的缺点。仿真结果表明,该方法可行且具有良好的稳定性。     

基于蚁群算法的数控板材加工路径规划

为缩短数控板材加工中的走刀时间,对传统的数控板材加工路径作出改进,提出基于蚁群算法的数控板材加工路径规划并做出了仿真.由仿真结果表明,本文提出的算法性能较好,能够大大缩短加工总路程.最后对蚁群算法应用在数控板材路径规划的前景进行了展望.     

混合蚁群算法在有容量约束车辆调度中的研究

蚁群算法在解决旅行商等著名问题时得到了富有成效的应用,但当解决大规模问题时,其收敛速度较慢且耗时较长。同样,郭涛算法解决复杂优化问题时取得了良好效果,但会产生大量无为的冗余迭代,求解效率低。文章汲取蚁群算法和郭涛算法的优点,提出混合蚁群算法,以带有容量约束的车辆路径问题,建立了混合蚁群算法数学模型,得到时间效率和求解效率都比较好的一种新的启发式方法。     

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...     

无人自主飞行机器人自主降落飞行控制研究

为了控制无人驾驶的直升机自主降落在目标物体上,提出并实现了一种自主直升机实时的、基于视觉的着陆算法。该视觉算法可实现精确的目标探测和识别,使直升机根据视觉感知不断地更新降落目标的参数,利用机载的基于行为的控制器导航到降落点。飞行试验数据表明：目标探测、识别和控制算法精确可靠,鲁棒性好。     

蚁群算法在铸造生产配料优化中的应用

以铸造配料成本最低为目标函数,建立了铸造优化配料数学模型.运用蚁群算法和Matlab语言,以ZG35Cr24Ni7SiN的炉料配比为例,对该数学模型进行了仿真优化计算,计算结果表明:在保证化学成分在控制要求成分的条件下,其吨钢成本比原手工配料方法节约550元,实现了铸造配料的优化配比,而且计算速度快于经典的线性规划数学方法,从而表明了蚁群算法应用于铸造生产配料是可行的.     

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.     

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。     

基于改进蚁群算法的Zigbee网络路由优化研究

针对Zigbee技术构建的无线传感器网络(WSN)在数据传输过程中,经典的ZBR混合路由算法存在网络整体能耗不均、数据传输时延大的缺点,提出一种基于节点剩余能量管理的ACO-ZBR改进路由算法。引入能量因子,设置传感器节点剩余能量阈值,对蚁群算法进行改进,进一步优化蚂蚁下一跳节点选择概率;加入角度因子和距离因子规划蚂蚁运动方向,缩短了网络中节点传输路径。仿真结果表明,这种改进算法在降低节点能耗延长节点续航能力和缩短数据传输时延方面有优势,在一定程度上改良了网络质量且延长了网络寿命。     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。     

基于改进蚁群算法的打磨机器人路径规划北大核心

针对打磨机器人在复杂空间中路径规划时存在收敛速度慢、容易陷入局部最优等问题,提出一种基于改进蚁群算法的打磨机器人路径规划方法。建立打磨机器人D-H连杆模型,进行正逆运动学分析以及计算验证;提出一种改进的信息素更新方法,将新的自适应计算方法应用于状态转移规则,并通过引入阻尼系数ξ改进启发式信息函数;在MATLAB中进行模拟仿真实验,得到改进蚁群算法最佳参数组合。结果表明:相对于基本蚁群算法,所提出的改进蚁群算法从起点到终点的最短路径长度平均减少14.3%,迭代次数平均减少55.3%;结合打磨机器人刀具位置等特点,可以获得路径长度最短且平滑的运动曲线。所提方法可有效解决打磨机器人三维路径规划问题。     

人因特性驱动蚁群算法的操作界面布局优化

以优化复杂机械设备人机界面,提高操作效率、降低操作人员能耗为目的,结合人因工程分析软件Simens Jack(以下简称为Jack)可视域与可达域分析,构建机械设备操纵界面布局优化函数。根据操纵器在空间中位置关系,引入约束条件,对操纵器布局位置进行限定。应用蚁群算法正反馈机制与启发式搜索方法,对目标函数进行求解,将迭代结果映射为操纵器布局排列。通过以上方法对某隧道救援钻机操作台进行改进,将优化后的人机界面与原操作界面在Jack软件中进行对比仿真,验证方法的可行性。