共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
遗传算法和蚁群算法被广泛应用于路径规划,但遗传算法收敛速度慢,蚁群算法易陷入局部最优,在求解旅行商问题上都有一定的缺陷。本文采用遗传与蚁群混合算法,充分利用遗传算法的快速全局搜索能力和蚁群算法的智能性,用蚁群算法迭代每只蚂蚁走过的路径序列作为遗传算法的初始种群,克服随机选择的盲目性,从而提高算法的性能。仿真计算结果表明,该算法可以找到最优解或近似最优解,并提高了求解效率。 相似文献
3.
增强型的蚁群优化算法 总被引:8,自引:1,他引:8
旅行商问题是一个NP-Hard组合优化问题。根据蚁群优化算法和旅行商问题的特点,论文提出了对蚁群中具有优质解的蚂蚁个体所走路径上的信息素强度进行增强的方法,并同其他的优化算法进行了比较,仿真结果表明,对具有全局和局部最优解的个体所走路径上的信息素强度进行增强的蚁群优化算法比标准的蚁群优化算法和其他优化算法在执行效率和稳定性上要高。 相似文献
4.
5.
根据蚁群算法与模拟退火算法的特性,提出了求解旅行商问题的混合算法.由模拟退火算法生成信息素分布,然后由蚁群算法根据累计更新的信息素找出若干组解,再经过模拟退火算法在邻域内找另外一个解的操作,得到更有效的解.与模拟退火算法、标准遗传算法、蚁群算法和随机初始化的蚁群算法进行比较,4种混合算法效果都比较好,策略D的混合算法效果最好. 相似文献
6.
在模拟仿真出无人机三维飞行环境的基础上,根据航迹规划的要求,建立对应数学模型,并采用蚁群算法进行优化仿真.针对基本蚁群算法存在的搜索时间长、容易陷入局部最优解等缺点,将蚂蚁当前位置与目标位置的距离信息反馈到系统中作为航迹规划的控制信息,同时对航迹节点的选择方法进行改进,以提高算法的效率.仿真实例结果表明,该算法可以规划出满足无人机飞行要求的航迹. 相似文献
7.
传统的蚁群算法具有收敛性好、鲁棒性强等优点,但在解决旅行商(TSP)问题方面存在收敛时间长,容易出现停滞等问题;为了提高传统蚁群算法的解的质量,本文提出了基于遗传-模拟退火的蚁群算法(G-SAACO),将遗传算法和模拟退火算法引入蚁群算法中;其方法是在传统蚁群算法中引入遗传算法的变异与交叉策略来得到候选解,增加解的多样性;同时引进模拟退火算法机制,使得在高温时以较高概率选择候选集中比较差的解加入最新集,温度控制上加入了回火机制,进一步提高解的质量;为了检验改进的蚁群算法,随机选用了TSPLIB中的部分城市进行仿真,结果与传统蚁群算法、模拟退火蚁群算法、遗传蚁群算法相比,算法具有较强的发现较好解的能力,同时增强了平均值的稳定性。 相似文献
10.
基于蚁群算法的最小代价航迹规划仿真 总被引:1,自引:0,他引:1
在大比例尺地图的路径规划中,由于飞行器全局航迹规划需要计算机存储的栅格点数量巨大,存在维数爆炸问题,使得航迹解算计算量激增,因此提出1种改进的蚁群算法,将栅格由大及小进行划分,利用大栅格为飞行器选择相对平滑和离散度低的飞行地形,利用小栅格为飞行器提供相对精确的全局飞行航迹,将栅格带所有栅格的代价之和作为航迹代价,从而选出1条航迹代价最小的路径.该算法将蚁群算法的信息素更新机制更加合理地应用到航迹规划中.仿真结果表明,该方法能解决航迹维数解算问题,可以将一系列栅格点组成的路径点集合为最优解,为飞行器提供最优航迹规划路径. 相似文献
11.
12.
基于改进蚁群算法的多无人机航路规划研究 总被引:5,自引:4,他引:1
无人机的航路规划研究是无人机任务控制系统的关键技术,在用Voronoi图法对威胁环境建模的摹础上,提出了基于Voronoi图的多行为蚁群算法,增强了蚂蚁之间的协同性,有效解决了可行解的收敛性与多样性之间的矛盾,并对求解过程加入了方向性引导,提高了算法的求解效率.在多机协同方面,利用上述算法分同起止点与不同起止点两种情况对多机协同航路规划进行了仿真,针对得到的多条初始航路,利用协同时间指标对多初始航路进行选择.最后用三次样条方法对协同最优航路进行了平滑处理. 相似文献
13.
14.
15.
16.
17.
若干优化算法的运行分析比较 总被引:1,自引:0,他引:1
研究了若干优化算法在连续空间寻优问题中的应用。通过对标准寻优问题的寻优结果,分析并比较了优化算法的运行效果。考察的性能指标主要有寻优偏差、寻优次数等,分析比较方法采用平均分析法和最优最差分析方法等。文中涉及到的优化算法有遗传算法、模拟退火法、禁忌搜索法、单纯形法和蚁群算法。实验结果表明,单纯形法受解空间的维数以及寻优问题类型的影响较大,而遗传算法、模拟退火法、禁忌搜索法和蚁群算法对各个标准寻优问题则各有所长。对于工程中的实际寻优模型,可将其与标准寻优问题相对照以选择较适合的算法。 相似文献
18.
19.