蚁群算法在城市交通导航系统的应用

本文基于蚁群算法模拟城市交通导航系统,对于解决城市交通拥堵问题给出了一些帮助。根据城市交通结构图,结合蚁群算法,有效解决了城市行驶车辆最优路径问题,并建立了智能导航系统。该导航系统利用蚁群算法不仅可以找到车辆行驶的较短路径,还可以帮助车辆选择车流量少的路线。模拟结果表明,该系统可以在较短的时间内,给用户指定最优路径,具有较好的导航效果。     

一种基于改进蚁群算法的山地三维路径规划算法

当前社会,很多用户需要在复杂的没有公路的山地地形,快速、准确的规划出三维路径,在避过障碍的同时达到某项指标最优。目前常用的路径规划算法,大多数只能规划二维平面路径;而一般的三维规划算法,大多运算算法复杂、需要很大的存储空间,同时无法在宏观全局角度来进行路径规划。文章在已有三维山地地图的基础上,采用一种改进的蚁群算法来解决上述问题。软件仿真结果显示,基于改进蚁群算法的山地三维路径规划算法在路径最优值计算和规划时间上都能够较好的满足需求。     

一种基于改进蚁群算法的山地三维路径规划算法

当前社会,很多用户需要在复杂的没有公路的山地地形,快速、准确的规划出三维路径,在避过障碍的同时达到某项指标最优。目前常用的路径规划算法,大多数只能规划二维平面路径;而一般的三维规划算法,大多运算算法复杂、需要很大的存储空间,同时无法在宏观全局角度来进行路径规划。文章在已有三维山地地图的基础上,采用一种改进的蚁群算法来解决上述问题。软件仿真结果显示,基于改进蚁群算法的山地三维路径规划算法在路径最优值计算和规划时间上都能够较好的满足需求。     

基于基因表达式编程的混合蚁群算法

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。针对此问题,本文提出了一种先用基因表达式编程生成信息素分布,再利用蚁群算法求优化解的新的混合算法。并通过求解复杂TSP问题的仿真数据实验验证了这种基于基因表达式编程的混合蚁群算法的高效性。     

基于改进蚁群算法的室内疏散路径优化

针对传统蚁群算法在解决室内疏散问题时存在收敛速度慢、容易陷入局部最优的缺陷问题,将火场的动态参数引入到蚁群算法中,对其路径选择策略、启发函数和信息素更新策略进行改进,为整个疏散群体求解更优的疏散路径。运用改进的蚁群算法对室内人员的疏散路径进行动态规划,考虑了路径的实时拥挤度,避免了疏散人员局部实现路径优化的瓶颈效应。将分析结果与基本蚁群算法的规划结果进行比较验证,研究结果显示,优化算法缩短了疏散时间和规划路径,提高了疏散效率和搜索速度。     

一种用于火灾疏散路径动态规划的算法

针对火灾发生时现有的疏散路径不能根据火情实时更改,可能会将逃生人员引向着火现场从而引起更大危险的问题,提出了一种用于火灾疏散路径动态规划的新型改进蚁群算法(Novel Improved Ant Colony Algorithm,NIACA)。首先通过A*算法提高初始信息素浓度,接着提出受火灾因素影响的当量距离改进启发函数,然后改进信息素更新规则来加快蚂蚁最优路径搜索速度,最后对路径进行平滑策略处理。实验结果表明,与原始蚁群算法相比,本文算法降低了算法前期盲目性,动态搜索能力强,能避免算法陷入局部最优,在火灾发生时能够快速准确地规划疏散路径,将逃生人员快速安全疏散到远离火场的安全出口。     

基于蚁群算法的复合形法及其在边坡稳定分析中的应用

首先将基于排序的路径选择方法引入基本蚁群算法 ,并用之于连续变量的优化问题和边坡的最小安全系数搜索 ,结果发现对于设计变量较少的数值优化问题和简单边坡的最小安全系数搜索问题 ,该蚁群算法可以找到全局最优解或比较接近全局最优解。但对于复杂边坡的最小安全系数搜索问题 ,该蚁群算法很容易陷入局部最优。另外复合形法对于不同的初始复合形也会得到不同的最小安全系数 ,利用本文提出的基于最小海明距离的替换准则将蚁群算法得到的局部最优解替换掉初始复形中的一个顶点 ,则复合形法容易找到全局最优 ,成为一种全局搜索能力很强的优化算法。     

基于改进蚁群算法的冰鲜水产品配送路径优化方法研究

为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。     

基于改进蚁群算法的冰鲜水产品配送路径优化方法研究

为研究冰鲜水产品最优配送路径的优化方法,在传统蚁群算法基础上提出一种改进的蚁群算法,先后分别采用局部最优和全局最优两种方式对传统蚁群算法的信息素更新方式加以扩大至最优解寻觅范围,并对启发因子的函数定义范围加以扩展至初始节点,利用2-opt算法进行局部优化。实例仿真结果表明,在相同配送条件下,改进后的蚁群算法与避圈法、传统蚁群算法相比较,其配送时间分别缩短31.64%和8.15%,其配送路径长度分别缩短21.89%和16.94%。研究表明,改进的蚁群算法可用于冰鲜水产品最优配送路径的计算,该方法可在实际应用中有效提高冰鲜水产品的物流运输效率。     

改进的蚁群算法

蚁群算法依靠其良好的正反馈机制,在对称旅行商问题上取得了成功,使得算法引起了广泛的关注。其通过信息素的聚集来达到局部搜索,但随着搜索的进行某条路径上的信息素越来越多,将会造成搜索停止,陷入停滞。本文通过将信息素的高低进行限制以及遗传算法的加入增强了全局搜索功能,同时增加了最优路径临域内的搜索,使得搜索加快,便于最优路径的寻找。最终,通过十杆件进行验证,证明算法能在较短时间内取得较好的效果。