动态不确定环境下多目标路径规划方法

提出一种在动态不确定环境下求解多目标问题时快速调整移动路径的方法.首先提出采用逆向多目标启发式搜索进行全局规划,求解问题的最优路径集合;然后提出动态多目标路径规划方法,先根据当前观测进行全局规划,在移动过程中探测到不一致的环境信息时,通过对先前搜索中部分信息的重用,在全局规划的基础上进行增量重规划,调整当前状态与目标状...     

基于蚁群算法的高原地区车辆运输路径优化问题

以高原地区救援物资运输为背景,从提升部队精细化保障能力落脚点出发,针对当前高原地区后勤运输存在的不足,利用优化蚁群算法对高原地区后勤保障中的运输线路选择问题进行深入研究。建立高原地区救援物资运输按时供给函数模型（VRPTW）,并通过运输案例验证模型和算法的可行性和有效性。最后运用项目管理软件（Project 2013）对运输方案的日程安排和资源分配进行统筹和管理,实现运输时间最短和运输效益最高的双重目标。     

一种动态不确定环境中机器人路径规划方法

针对动态不确定环境下的机器人路径规划问题,将部分可观察马尔可夫决策过程（POMDP）与人工势场法（APF）的优点相结合,提出一种新的机器人路径规划方法。该方法充分考虑了实际环境中信息的部分可观测性,并且利用APF无需大量计算的优点指导POMDP算法的奖赏值设定,以提高POMDP算法的决策效率。仿真实验表明,所提出的算法拥有较高的搜索效率,能够快速地到达目标点。     

车辆运输路径规划问题研究

为了更好地解决武警车辆运输路径规划问题,提高部队行动的迅速性,在考虑武警车辆运输实际需求的基础上,文中建立了开放式车辆路径模型,增加了诸多约束条件.例如车辆容量限制、时间窗限制等等.同时,论述了节约算法的基本原理,并采用设计改进的节约算法对开放式车辆路径问题进行了求解.通过实际案例的验证,采用改进的节约算法能够得到较满意的解,既能够满足时间限制,又能够节约运输里程和费用.结果表明,此种算法简明、易于理解,且可操作性强.     

不确定需求下快递配送网络鲁棒优化

“双十一”期间,分拨中心“爆仓”现象表明：确定需求下的车辆路径不适合解决需求激增的配送问题。以需求确定模型为基础,构建基于情景集的鲁棒优化研究模型,并根据变化的快件数量,重新分配客户服务时间;通过计算每条路径的旅行时间,在满足时间窗的基础上,实现对自有车辆的最大利用。改进蚁群算法利用Matlab求解,分析发现：优先考虑运输时效所产生的成本与成本最优值存在较小差距,但总旅行时间优势明显;公司规模与业务量和总成本之间存在相关性,业务量增加并不会引起利润快速增长。     

不确定环境下的和谐生产方式

与周围同行的生产能力单元混合使用,结成一张具有灵活适应性的能力单元网应对客户需求的不确定性。高虹经纬纺织公司内部围绕信息系统建设的三种截然不同的意见却基于一个共同的背景——环境的不确定性增强。第一种意见,在销售渠道上做投入,将广大销售商纳入信息系统。大家共享信息,便于销售商与公司销售部     

不确定海洋环境下AUV环境感知方法研究

针对AUV在高度不确定海洋环境中执行任务的过程中需要实时准确地感知出当前环境、系统状态和任务执行中不确定事件对任务成功的影响,并为AUV任务重规划提供触发条件的问题,提出了一个具有不确定事件检测、不确定事件识别和不确定环境本体模型的环境感知框架,实现了基于本体推理和模糊逻辑结合的不确定事件检测方法和基于贝叶斯网络的不确定事件识别方法,并利用不确定事件检测和不确定事件识别结果更新具有概率扩展的不确定环境本体模型,提高本体在不确定知识的表示和推理方面的能力.结合AUV在不确定海洋环境中执行导航任务的应用背景,对AUV环境感知进行仿真实验并分析了实验结果,验证了不确定海洋环境下AUV环境感知方法的有效性.     

基于秃鹰优化算法的多循环物流选址-运输路径优化问题研究

文章基于秃鹰优化算法对多循环物流选址-运输优化问题进行研究,首先阐述秃鹰优化算法的基本内容和多循环物流选址-运输路径优化的方式,明确本次研究主要内容的同时,为本次研究提供理论支撑;其次介绍基于秃鹰优化算法的多循环物流选址-运输路径优化问题求解,细化本次研究主要内容;再次按照上述内容,提出相关的实验设计与结果分析,利用实验数据和图像,提高本次研究的可实施性和实践价值。最终通过研究,体现出前沿的科学技术对于推动社会各领域的发展和进步具有非常重要的作用,尤其在基础社会行业中的应用,前沿科学技术是不可替代的。     

物流配送车辆路径问题的优化研究

物流中的车辆路径问题(VRP)是目前组合优化领域的研究热点问题,VRP为NP-hard问题。本文在对VRP分析的基础上,建立数学模型,提出了一种适合求解该问题的蚁群遗传融合优化算法。提出的优化算法首先采用蚁群算法在局部阶段产生最好解,然后利用遗传算法的优良基因在全局阶段对优化解进一步优化,以获取最好路径解。实验结果表明,提出的融合算法能高效解决VRP问题,且优化效果比单算法好。     

危险品运输中的最小风险最大流算法

在危险品运输中,为使风险降到最低,提出一种最小风险最大流算法。将所有可能影响风险的因素统一为一个风险值进行考虑,采用风险性比值的方法得到最小风险比值路线,并沿该路线进行增流,设计危险品运输中的最小风险算法。实例结果表明,与经典的求最小费用流的最小费用路线算法相比,该算法复杂性更低,占用空间更小。     

基于蚁群算法的危险品物流线路优化应用研究

近年来,随着石油工业、化学工业、核能源工业等产业的快速发展,作为能源、原材料和消费品使用的危险品的流通量越来越大,流通范围越来越广。因此,危险品物流的需求量也越来越大,它作为一种特殊的专业物流,正得到较快的发展。在物流诸多环节中,配送占有重要的地位。该文主要从危险品的角度出发,针对物流配送问题中配送路线的选择进行分析研究,考虑实际中可能出现的约束条件：时间约束、节点约束和对象约束,建立与实际配送相符合的数学模型．将定性问题转化为定量问题。蚁群算法具有正反馈、并行计算、较强的鲁棒性等诸多特点,在很多领域有着广泛的应用。利用蚁群算法对危险品物流配送优化问题进行求解．是本文的重点研究问题之一。通过对蚁群算法中各参数的实际意义以及参数改进方面进行的研究,对蚁群算法的参数选择方面进行了改进．使其更能适应实际的需要,在此基础上提出了一种基于蚁群算法的满足约束条件的危险品物流配送路线优化问题的解决方案。     

基于蚁群算法的危险品物流线路优化应用研究

近年来,随着石油工业、化学工业、核能源工业等产业的快速发展,作为能源、原材料和消费品使用的危险品的流通量越来越大,流通范围越来越广。因此,危险品物流的需求量也越来越大,它作为一种特殊的专业物流,正得到较快的发展。[1]在物流诸多环节中,配送占有重要的地位。该文主要从危险品的角度出发,针对物流配送问题中配送路线的选择进行分析研究,考虑实际中可能出现的约束条件:时间约束、节点约束和对象约束,建立与实际配送相符合的数学模型,将定性问题转化为定量问题。蚁群算法具有正反馈、并行计算、较强的鲁棒性等诸多特点,在很多领域有着广泛的应用。利用蚁群算法对危险品物流配送优化问题进行求解,是本文的重点研究问题之一。通过对蚁群算法中各参数的实际意义以及参数改进方面进行的研究,对蚁群算法的参数选择方面进行了改进,使其更能适应实际的需要,在此基础上提出了一种基于蚁群算法的满足约束条件的危险品物流配送路线优化问题的解决方案。     

基于广义割集算法的军事运输路径优化

在建立军事运输路径优化模型的基础上,结合网络图论的思想,构造了广义邻接矩阵和广义割集单元矩阵,利用广义割集单元矩阵的简单运算,提出了求解最小广义权路径的割集算法和最大流的割集算法。研究了广义割集算法的适用范围以及复杂度,利用该算法可直观快速地解决军事运输中各类参数路径优化问题。给出的算例验证了模型和算法的有效性。     

遗传-蚁群算法在智能交通中的应用

随着私家车的增多,城市交通问题越来越严重。为了解决这个问题,人们将计算机技术运用于城市智能交通系统(intelligent transportation systems,ITS)中。行车路径规划是城市智能交通体系中重要的一个环节。目前,有不少路径优化算法被提出用于解决行车路径规划问题,但各有不足。因此,提出了一种混合遗传蚁群算法(GACHA)。从基本蚁群算法入手,结合遗传和蚁群算法的各自优点,将两种算法的寻优过程循环多次结合。在蚁群算法的一次迭代循环后,将蚁群算法产生的较优解代替遗传算法中的部分个体,用以加快遗传算法的迭代速度。同时,将遗传算法算出的解设为较优路径来更新蚁群算法中的信息素分配,实现参数调整。多次相互指导能有效解决蚁群算法前期效率低和遗传算法后期冗余迭代的问题。实验结果表明,遗传-蚁群混合算法可以有效地避免陷入局部最优解,提高计算效率。它具有良好的优化和收敛性,能够准确地找到满足路网综合要求的最优路径。     

一种改进的未知动态环境下机器人混合路径规划方法

动态未知环境下的机器人路径规划是机器人导航领域的重要课题之一,采用传统的方法求解并不理想。针对这个问题,提出一种改进的机器人混合路径规划方法。首先利用改进的文化基因算法规划出较优的全局路径,指引机器人沿着全局路径行走,然后根据传感器探测到的局部环境信息,利用Morphin算法进行局部路径实时规划,使机器人有效地躲避动态障碍物。仿真实验表明,该算法在未知动态路径规划中具有良好的效果。     

多目标随机运输路径选择的频域优化模型

根据运输系统的随机特性,讨论时间、损耗和流量等优化目标之间的函数关系,采用概率论方法提出一种用于搜索时变、随机运输网络中多目标路径优化的频域生成图模型(FSG),设计相应的优化算法。FSG通过时频域间概率函数的相互转化,可定量分析O-D对之间多目标路径选择概率的动态变化过程,处理连续概率分布和离散经验分布。结合Matlab给出的算例验证了该算法的可行性和有效性。     

多目标随机运输路径选择的频域优化模型

根据运输系统的随机特性,讨论时间、损耗和流量等优化目标之间的函数关系,采用概率论方法提出一种用于搜索时变、随机运输网络中多目标路径优化的频域生成图模型(FSG),设计相应的优化算法。FSG通过时频域间概率函数的相互转化,可定量分析O-D对之间多目标路径选择概率的动态变化过程,处理连续概率分布和离散经验分布。结合Matlab给出的算例验证了该算法的可行性和有效性。     

垃圾收运路线问题的蜂群优化算法研究

整个垃圾处理系统中城市生活垃圾收运费用占很大比例,通过研究垃圾收运路线问题,可以有效节约成本,提高作业效率.根据城市生活垃圾收运系统的特点,采用带中转站的垃圾收运问题的标准数学模型.在分析蜂群优化算法理论的基础上,针对问题的特点,研究了蜂群优化算法求解的具体步骤,并通过实例仿真,证明了蜂群优化算法在解决带中转站的垃圾收运问题上的可行性和有效性.最后通过与蚁群算法对比,进一步说明了蜂群优化算法在解决问题的优越性.