基于改进ACO算法的建筑疏散路径优化研究

针对大型公共建筑存在的结构复杂、消防疏散困难等问题,提出了用于优化疏散路径的改进蚁群算法。首先,针对基本蚁群算法(ACO)引入Dijkstra 算法,并利用Dijkstra 算法计算出全局性较好的次优路径进而对蚁群算法初始信息素分布情况进行了加强。其次,根据火灾的实时情况改进了蚁群算法的转移概率、更新规则、信息素挥发系数、启发函数等。最后,对改进的蚁群算法进行对比仿真实验。实验结果表明该算法具有较强的全局搜索能力以及较高的搜索效率,能够避免算法进入局部最优陷阱,有效提高消防疏散路径规划效率。     

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。     

基于改进蚁群算法的智能机器人路径规划

从以往的研究资料中可以了解到,智能机器人路径规划是机器人研究领域中的一项重要分支,同时也是智能机器人用以执行各种指令的基础条件。在研究智能机器人的路径规划过程中,遇到了诸如易陷入局部最优等问题,进而提出应用改进蚁群算法来改善这一状况,并且取得了良好的实效。本文就针对改进蚁群算法支撑下的智能机器人路径规划的相关研究内容做以论述,以期为推进机器人研究提供有益的理论素材。     

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。     

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。     

轮式沥青摊铺机施工路径规划方法

在建筑工程项目实施过程中,通过智能算法降低机械调度成本,有助于减少建设成本支出,确保施工企业具有良好的市场竞争力。本文选择轮式沥青摊铺机作为研究对象,研究了蚁群优化算法在沥青摊铺施工现场进行路径优化的应用问题。首先采用栅格法对摊铺机的工作空间建模,获得包含障碍物在内的栅格地图;接着将施工路径规划问题转换成最优化问题,在提出摊铺机移动规则的基础上,利用蚁群优化算法进行路径规划实现;最后通过在某工程项目实施过程中进行验证,证明了规划出的路径既可以保证有效避开障碍物,又能够降低摊铺机行驶油耗量,从而降低工程成本支出。     

基于改进蚁群算法的地铁疏散路径优化

为提高地铁应急疏散效率,在基本蚁群算法的基础上对其路径选择策略、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。以西安某地铁站为例,在突发事件情况下,站内人员的数量、密度、事件发生位置等基本参数不变,分别运用基本蚁群算法和改进蚁群算法对其进行验证。研究证实,在解决地铁站乘客疏散路径问题方面,改进蚁群算法较基本蚁群算法不论是在乘客整体疏散效率还是疏散成功率上都有很大提升。     

基于BIM的建筑消防疏散路径规划研究

总结传统的二维消防疏散方式存在的问题,如疏散引导形式单一,静态的疏散引导表达等。利用BIM技术建立建筑消防疏散模型,结合自适应蚁群算法对建筑消防疏散路径进行规划,实现了建筑消防疏散路径的三维实时动态规划。案例应用表明,该方法得到的火灾疏散路径更加智能、安全。     

智慧工地物料配送动态时间窗车辆路径优化

智慧工地物料配送是建筑业提升建造效率的重要环节。为有效解决智慧工地物料配送路径优化问题,依托运筹学理论将其转化为带时间窗的车辆路径规划问题。以总配送路径最短为目标函数,建立动态时间窗车辆路径（VRPDTW）数学模型,构建全局最优理论模型。运用改进人工势场算法分析障碍物和中间节点,再代入基础蚁群算法进行施工现场全局路径规划,对VRPDTW数学模型进行优化。并通过仿真实验对模型进行实证检验。结果表明：改进算法和VRPDTW模型可实现全局优化,能够有效解决智慧工地场景下物料连续配送问题,相较于基础算法,改进算法使路径规划的准确度提高,成本降低,效率提升,具有理论意义和行业应用价值。     

基于启发式算法对木板切割方案的优化模型设计

针对尺寸固定的木板的切割下料、利用率最优和求总利润最大求最优解等问题,可以通过建立整数规划、最大利润等模型,幵基于启发式算法中的GA遗传模型算法和蚁群算法,综合使用MATLAB、LINGO等软件编程进行求解。在原有数据的基础上,最终的模型结果显示了单块木板利用率最高的设计方案以及利用率最高所需要的板块数。基于前两者的结论进而利用蚁群算法寻求仸务确定条件下木板切割全局最优解以及依赖木板成本构建出最大利润模型。     

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。     

结构空间主动消防机器人系统研究与设计

在室内结构空间系统通过视觉、三波段探测、激光烟感等手段实现了火灾的早发现早报警。通过与之配套的自主移动消防机器人完成路径规划,携带场景适用的灭火剂到达着火点实施主动灭火。此系统的设计可以将火灾扼杀在萌芽状态,最大限度地减小损失。机器人能否以最短时间到达火点主要取决于路径规划的算法好坏,因此研究了蚁群算法和A*算法,最后通过改进A*算法设计,实现了机器人的最优路径规划。基于LabVIEW 软件完成系统开发,在实验室场地进行了功能测试,达到了在无人值守情况下机器人主动消防的目的。     

蚁群算法在公交规划中应用研究——以成都天府新城为例

在常规公共交通规划之中,公交线路的规划是最为重要的内容之一,前人所进行的算法、优化研究也很多。文章对目前前沿性的仿生学算法——蚁群算法的起源、发展、近期研究进展及成果进行了简要介绍。同时,将其引入公共交通规划中并发挥其优势,以成都高新南区天府新城为例,取得了较为可行的研究成果。     

教学建筑室内火灾应急疏散路径寻优算法研究

为解决建筑内人员疏散模拟时间长、效率低、无法根据火灾情况改变疏散方向的问题,提出一种新型的混合路径规划算法。首先,在A*算法中加入奖惩机制并对启发函数进行改进。其次,通过改进斥力函数解决人工势场算法易陷入局部极小值的问题。最后,将两种算法组合,构成一种混合路径规划算法。通过对某教学建筑应用BIM和PyroSim软件进行建模与分析,验证混合路径规划算法的可行性。结果表明,所提算法不仅能够快速找到最优疏散路径,还可以避免疏散路径经过危险区域。与单一算法相比,混合路径规划算法遍历节点个数更少,路径平滑性与路径规划效果更好,路径规划效率更高。     

基于改进蚁群算法的物流配送车辆路径优化

车辆路径问题是物流系统优化中的关键内容之一,是现代物流管理研究中的重要内容。为了克服基本蚁群算法搜索时间过长、易陷于局部最优等缺点,提出了一种改进的蚁群算法——IACA,在算法中引入迭代局部搜索算法,该算法能保持解的多样性,跳出局部最优,增强全局搜索的能力。实验在VRP基准测试集上进行,并与基本蚁群算法进行对比分析,验证了改进蚁群算法的有效性和可行性。     

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。     

JIT模式下的蚁群算法在模具加工排程中的应用

为解决多模具、多零件、工序复杂的车间的加工排程问题,结合及时生产(just in time,JIT)管理模式和蚁群算法,提出了及时蚁群算法(ant colony in time,ACIT)对车间排程进行最优化处理,明确考虑了同批次模具总加工时间的最短、完成时间与订单交货期的一致的问题。提出了排程目标函数,通过算法选取模具车间排程最优路径,为车间生产提供了有效的排程,通过实例示范了ACIT算法在模具车间排程过程中解决复杂问题的能力,并与JIT管理模式和蚁群算法的加工排程进行对比,发现ACIT算法能够更好地得到模具加工的最优路径,提高企业的加工效率。     

基于视觉的起重机吊装规划系统解决方案

起重机吊装方案制定过程中,针对吊装场景重建以及吊装路径规划问题,本文利用视觉传感装置直接获取作业环境的场景信息,然后,根据三维场景信息,利用蚁群优化算法获取吊装路径,且可通过权重调整选择不同条件的最优路径,生成最终吊装路径,从而为吊装方案中的路径规划提供解决方案,极大提升吊装工程施工的自动化、智能化水平。