基于偏好的原油移动路径多目标优化

原油移动路径规划是原油调度中至关重要的子任务, 直接影响到生产过程中原油供给的稳定性和付油的高效性. 由于此任务需要考虑大规模罐区内复杂的设备条件, 并受到严格的工业生产约束, 同时需要兼顾途径阀门数量与泵机组运力, 导致目前依然倚重调度人员的人工经验来制定路径规划方案, 对传统算法和进化算法的应用提出了挑战. 据此, 本研究基于有向图结构对大规模原油罐区进行细致数学建模, 并提出一种基于偏好的原油移动路径多目标优化(Preference-based multi-objective optimization for crude oil movement path, PB-MOO)算法, 突破了过去高度依赖人工方法的局限性, 为原油移动路径规划提供智能化解决方案. 实验证明该算法能够在满足实际约束的条件下, 找到复杂任务的高质量候选解, 验证了其在此领域的可行性和有效性.     

基于多目标蝗虫优化算法的移动机器人路径规划

在静态多障碍物环境下的移动机器人路径规划问题中，粒子群算法存在容易产生早熟收敛和局部寻优能力较差等缺点，导致机器人路径规划精度低。为此，提出一种多目标蝗虫优化算法（MOGOA）来解决这一问题。根据移动机器人路径规划要求将路径长度、平滑度和安全性作为路径优化的目标，建立相应的多目标优化问题的数学模型。在种群的搜索过程中，引入曲线自适应策略以提高算法收敛速度，并使用Pareto最优准则来解决三个目标之间的共存问题。实验结果表明：所提出的算法在解决上述问题中寻找到的路径更短，表现出更好的收敛性。该算法与多目标粒子群（MOPSO）算法相比路径长度减少了约2.01%，搜索到最小路径的迭代次数减少了约19.34%。     

面向无人机集群路径规划的智能优化算法综述

无人机集群通过协同完成既定任务是未来智能化、无人化作战的重要方式.路径规划是协同执行任务的首要问题,考虑到无人机集群路径规划的复杂性和多样性,近年来,国内外学者针对该问题开展了大量的研究,本文首先介绍了无人机集群路径规划模型,包括常用的规划空间表示方法、规划目标和约束条件等,其次重点梳理归纳了基于智能优化算法的无人机集群路径规划相关研究,并阐述了不同类型智能优化算法在路径规划问题上的优缺点,最后,分析展望了基于智能优化算法的无人机集群路径规划未来发展趋势.     

基于优化蚁群算法的机器人路径规划

研究机器人导航中的路径规划问题,运用栅格法和图论思想建立环境模型,在该模型中通过蚁群算法进行路径寻优,提出用遗传算法的思想改进已有蚁群算法,即GAA算法。仿真实验结果表明,该算法能有效地提高机器人的路径搜索速度及路径优化、路径平滑等方面的指标。     

基于DTC-MOPSO算法的焊接机器人路径规划

点焊机器人在汽车白车身焊接中的应用大大提高了企业的生产效率,本文从焊接路径长度和能量两方面进行焊接机器人多目标路径规划．为了很好地解决这个问题,本文对一种新型多目标粒子群算法（三态协调搜索多目标粒子群优化算法）进行改进,得到适合于求解离散多目标优化问题的离散化三态协调搜索多目标粒子群算法（DTC-MOPSO）．通过和两个经典的优化算法比较,DTC-MOPSO算法在分散性和收敛性方面都有很好的优化性能．最后运用Matlab机器人工具箱对机器人的运动学、逆运动学以及逆动力学进行分析以求解机器人的路径长度和能耗,并将改进的算法应用于焊接机器人路径规划中,结果显示规划后的路径明显优于另外两种算法.     

机器人路径规划问题的蚁群优化算法

研究了机器人在静态障碍物环境下的路径规则问题,根据问题模型的特性设计了一种蚁群优化求解算法。该算法利用前一轮选择的路径对可行解的信息素进行相应的调整,再按转移概率选择路径,经过多次迭代搜索得出最短路径．已达到对机器人的路径优化。     

基于蚁群算法的移动机器人多目标路径规划

迫于工作空间的限制以及对绿色生产理念的追求,在智能制造等领域人们通常需要机器人并行地执行多个任务,因此研究机器人的多目标路径规划更加符合实际需求.针对栅格模型中四、八邻域搜索方向较少的问题,提出了改进的十六邻域搜索方法;同时通过删除冗余转折点对路径进行了平滑处理,改善了路径存在的锯齿效果;结合蚁群优化算法与Dijkst...     

基于GAAA算法的深海集矿车的最优路径规划

针对提高深海集矿车的集矿效率,实现最优路径规划的目标,建立了从起始点到达目的点时,集矿机所需时间最短、耗能最少的多目标优化问题的模型,并通过对子目标加权将多目标优化问题转换成单目标优化;在蚁群算法的基础上,采用了将遗传算法与蚁群算法相融合的算法,即GAAA算法;对集矿车作业路径进行寻优控制,在实现高集矿覆盖率和集矿效率的同时,提高了集矿车整机作业效率;仿真实验表明,GAAA算法用于集矿车路径寻优是可行的和有效的。     

智能仓储货位规划与AGV路径规划协同优化算法

智能仓储的优化一般分为货架优化和路径优化两部分:货架优化针对货物与货架两者的关系,对货物摆放位置进行优化;而路径优化主要寻找自动引导小车(automated guided vehicle,简称AGV)的最优路径.目前,大多的智能仓储优化仅对这两部分进行独立研究.在实际仓储应用中,只能以线性叠加的方式解决问题,导致问题的求解易陷入局部最优中.通过对智能仓储环节中各部分的关系进行耦合分析,提出了货位和AGV路径协同优化数学模型,将货架优化和路径规划归为一个整体;此外,提出了智能仓储协同优化框架的求解算法,包括货品相似度求解算法和改进的路径规划算法;并在以上两种算法的基础上,使用改进的遗传算法实现了货位路径协同优化.实验结果验证了所提出的智能仓储协同优化算法的有效性和稳定性.通过使用该算法,可有效提高仓储的出货效率,降低运输成本.     

基于物联网的智能交通系统车辆路径规划算法优化研究

本文提出了适用于智能交通系统的基于双向搜索的改进算法。典型的最短路径算法被认为是Dijkstra算法,其时间复杂度是O(n2)。但一个城市的路网地图有很多节点,该算法的时间复杂度高和解决速度慢。为了改变这种情况,我们从算法的设计方面进行了讨论,提出了改进的双向搜索算法。实践证明,改进后的算法能够提高了搜索速度,适用于智能交通系统。     

并行智能优化算法研究进展

基于种群迭代搜索的智能优化算法在农业、交通、工业等很多领域都取得了广泛的应用.但是该类算法迭代寻优的特点使其求解效率通常较低,很难应用到大规模、高维或实时性要求较高的复杂优化问题中.随并行分布式技术的发展,国内外很多学者开始着手研究智能优化算法的并行化.本文首要介绍了并行智能优化算法的基本概念;其次从协同机制、并行模型以及硬件结构3个维度综述了几类常见的并行智能优化算法,详细分析阐述了它们优点及不足;最后对并行智能优化算法的未来研究进行了展望.     

基于改进群搜索优化算法的群体路径规划方法

针对群体动画中传统路径规划算法搜索时间长、寻优能力差等问题,提出一种利用群搜索算法进行多线程路径规划的方法。该方法首先将模拟退火算法引入到搜索模式中,克服算法易陷入局部最优的问题;其次,通过结合多线程和路径随机拼接技术,将算法应用到路径规划中。仿真实验表明该算法无论在高维还是低维情况下都具有较好的全局收敛性,能够很好地满足在复杂动画环境下路径规划的要求。     

强化信息交流的堆优化算法及其机器人路径规划

堆优化算法(heap based optimizer,HBO)是最近提出的一种新型和优秀的智能优化算法,但需完善并拓展其应用领域?针对HBO信息交流不足导致其搜索能力不强的缺陷,提出了一种改进的HBO,即强化信息交流的HBO(information interchange strengthened HBO,ISHBO)?首先,采用一种自身交流机制用于HBO中的最高领导者的状态更新,解决因它无直接领导和同事无法参与搜索过程从而导致搜索效率低下的问题;其次,提出了一种精英反向交流策略和一种精英引导的自由交流策略,以突破当前个体仅与直接领导及同事交流的限制;最后,将以上两种交流策略有机融合用于HBO随机选择的三个个体的状态更新上以提高其搜索能力,如此形成ISHBO?大量的?不同类型的和不同维度的函数优化实验结果表明,与HBO以及其他最先进算法相比,ISHBO的搜索能力更强?另外,智能优化算法用于机器人路径规划的仿真结果也表明,ISHBO在解决实际优化问题上具有更强的竞争性。     

基于粒子群优化算法的移动机器人全局路径规划

提出了一种基于粒子群优化算法的移动机器人全局路径规划方法.该方法首先进行环境地图建模,通过坐标变换在路径的起点与终点之间建立新地图,然后利用粒子群优化算法获得一条全局最优路径.该方法模型简单,算法复杂度低,收敛速度快,而且模型不依赖于障碍物的形状.仿真实验证实了该方法的有效性.     

智能仿生算法在移动机器人路径规划优化中的应用综述

随着移动机器人应用领域的扩大和工作环境的复杂化,传统路径规划算法因其自身局限性变得难以满足人们的要求。近年来,智能仿生算法因其群集智慧和生物择优特性而被广泛应用于移动机器人路径规划优化中。首先,按照智能仿生算法仿生机制的来源,对应用于路径规划优化中的智能仿生算法进行了分类。然后,按照不同的类别,系统的叙述了各种新型智能仿生算法在路径规划优化中取得的最新研究成果,总结了路径规划优化过程中存在的问题以及解决方案,并对算法在路径规划优化中的性能进行了比较分析。最后对智能仿生算法在路径规划优化中的研究方向进行了探讨。     

基于改进鲸鱼优化算法的移动机器人多目标点路径规划

为提高移动机器人在多目标点环境中路径规划的效率与准确性,针对标准鲸鱼优化算法存在的搜索精度不足和收敛速度较慢的问题,本文提出一种改进鲸鱼优化算法。首先,引入自适应搜索控制系数,以提高算法平衡全局搜索和局部搜索的能力。其次,提出一种记忆库列表策略,通过增加记忆库列表存储最优解并进行维护更新,提高算法所得解的质量并降低陷入局部最优的概率。然后通过使用A*算法计算出目标点之间的距离矩阵,并将其输入到改进的鲸鱼优化算法得出最优遍历顺序。最后,在简单和复杂的栅格地图中分别对不同算法进行仿真对比实验。研究结果表明,随着场景复杂度的增加,本文算法相较于标准鲸鱼优化算法在三个场景中所得出的最小路径长度分别减少6.58%、22.71%和25.63%。因此,改进算法在解决多目标点路径规划问题中具有较高的效率和准确性。     

基于改进蚁群算法的多目标路径规划研究

传统蚁群算法因在复杂环境中容易产生死锁,导致部分蚂蚁失效,造成效率低下,迭代次数增多。为此,提出了一种利用环境信息引入环境因子来调整启发函数的方法从而降低死锁情况的发生,增加了有效蚂蚁的数量,从整体上提高了蚁群的搜索速度,扩大了搜索范围。同时,传统蚁群算法在路径规划中仅在理想地域内寻求最短路径,而多因素环境中最短路径往往并非最优解。为解决此问题通过在不同环境中对转移概率进行加权优化在追求路径最短的基础上提出多目标路径规划,丰富了蚁群算法的实用性和现实意义。最后经仿真实验对优化算法进行验证,证明了上述优化的可行性。     

智能汽车避障路径的智能水滴算法规划方法

为了提高汽车行驶的安全性,本文提出了基于改进智能水滴算法的汽车避障路径规划方法.分析了传统智能水滴算法原理和缺陷;对传统算法泥沙量进行了重新定义,在位置选择概率中引入了距离启发因子,对局部和全局泥沙量更新公式进行了改进,从而提出了改进智能水滴算法;经仿真验证,改进算法规划的路径具有路径短、耗时少、路径收敛性好等优点,且...     

智能轮椅室内导航路径规划算法

智能轮椅为丧失行走能力的人提高生活质量和生活自由度. 适用于智能轮椅的路径规划问题是其重要的技术之一. 实际环境中行走的难易程度是有区别的, 对此提出一种新的路径规划算法, 即寻找最优路径的导航方法, 对室内环境进行栅格模型建模, 并利用最邻近关系结合改进的A*算法来规划两个位置之间的最优全局路径, 采用虚拟力场算法实现途中的局部路径规划. 此算法只需要采集用户需要到达目的地的信息, 智能轮椅能自动导航到达目的地, 经实验验证, 该算法运用到智能轮椅室内导航系统中路径得到较好的改善并具有反应快、工作稳定可靠、使用灵活方便和扩展性强等优点.