大型仓储拣货路径优化算法研究

基于RFID的大型仓储,具有仓储规模大、货物精确定位且信息实时反馈,快速无纸化订单传送等特点,使拣货路径优化难度加大,传统的拣货模式无法满足要求.对此,结合蚁群和粒子群算法的优点,给出了蚁群-粒子群优化算法在基于RFID的大型仓储拣货路劲优化中的应用,使“蚂蚁”具有“粒子性”,改进粒子群算法中初始解的选取,蚁群算法中信息素的更新方式,提高了“蚂蚁”和“粒子”的学习能力,避免单个粒子过早收敛和陷入局部最优解的问题.仿真结果表明,算法收敛速度快,寻优能力强,适用于基于RFID大型仓储拣货路径优化.     

一种求解最优路径的改进遗传算法

在应用遗传算法进行路径规划时,本文针对遗传算法的＂收敛盲目性＂和＂收敛速度慢＂两个难题,结合模拟退火算法对适应度函数进行改进,结合禁忌搜索对变异算子进行改进,并且在进化过程中使用改进的自适应方法调节交叉概率与变异概率。算法的分析和测试表明,本文算法的改进是有效的。     

改进蚁群算法在移动机器人路径规划中的研究

将遗传算法与蚁群算法进行有机结合,并将其应用到智能机器人全局路径规划中,其目的是探索一种基于栅格划分的环境中新的路径寻优算法,研究机器人路径规划问题.首先利用遗传算法全局搜索能力强的特点,生成初始信息素分布,再利用蚁群算法正反馈机制的特点求精确解,通过两种算法的优势互补,提高系统的路径寻优能力.     

蚁群算法在拣货路径优化中的应用研究

拣货路径优化问题在提高物流中心效率中具有重要的作用。为获得拣货路径的近似最优解蚁群算法被应用于固定货架拣货路径的优化问题,依据蚁群算法的数学模型,设计了适用于固定货架拣货路径的蚁群算法运算步骤,由试验验证了算法的有效性。     

蚁群算法在机器人路径规划中的应用研究

针对传统机器人路径规划方法无法保证寻找全局最优路径的问题,本文提出了一种基于蚁群算法求解机器人路径规划的方法.在此基础上构建了移动机器人路径规划模型,并通过Visual C 6.0进行仿真.结果表明该算法能够在动态和静态环境中迅速找到机器人的最优路径,与基于遗传算法的路径规划方法相比具有较大的优势.     

基于遗传模拟退火算法的移动机器人路径规划

针对移动机器人路径规划的难题,运用了一种基于遗传模拟退火算法的移动机器人最优路径规划方法,对移动机器人的路径规划进行了设计,采用了栅格法对环境进行建模.为了提高路径规划的效率,采用了一种改进的避障算法来生成初始种群.将遗传算法与模拟退火算法相结合形成遗传模拟退火算法,新算法具有较强的全局和局部搜索能力.仿真实验结果证明算法相对于基本遗传算法的收敛速度、搜索质量和最优解输出概率方面有了明显的提高.     

基于禁忌搜索的启发式任务路径规划算法

基于启发式搜索和禁忌搜索技术，提出一种用于解决有限资源，不同重要性要求的任务路径规划问题的有效算法，通过对不同重要程度的任务进行分层调度，得到较为满意的决策结果，该处具有搜索空间小，求解速度快的优点。仿真结果验证了算法有效性。     

基于蚁群算法的机器人路径规划问题研究

该文将蚁群算法运用到机器人全局路径规划上,主要针对蚂蚁算法在搜索路径过程中落入障碍物陷阱而造成算法停滞的现象,提出了改进策略,同时基于对机器人所处环境的表示方法及算法中对应问题的描述和定义的研究,对相关参数进行了改进探讨。通过对算法的改进,增强了机器人的蚁群算法在复杂环境路径规划下的适应能力。     

一种改进蚁群算法研究和旅游景区路径规划问题求解*

针对旅游景区路径规划问题的复杂性,把景区路径分为全景区图与子景区图,并归为同一问题解决。然后提出BVC蚁群算法,设计繁殖蚂蚁(Breeding ants)、视觉蚂蚁(Visual ants)和普通蚂蚁(Common ants),各类蚂蚁按各自规则遍历。蚂蚁遍历完所有景点,求出最佳行程MIN(k,Pk,Lk),并根据约束条件,对符合要求的路径上的信息素进行更新。再结合模拟退火算法,在每个状态对蚁群行程进行舍取,重复迭代,最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中,表现出良好的稳定性和高效性。     

基于蚁群算法的分布多处理机系统任务调度研究

本文主要基于现代蚁群算法讨论分布式系统调度。蚁群算法是一种构造型启发算法,在离散优化问题中得到广泛应用。分布式系统调度属于NP-hard,为了提高算法性能,把问题任务图的优先级作为启发信息。最后,采用随机产生的任务图将调度结果和模拟退火算法、遗传算法等进行了比较。     

面向机器人全局路径规划的改进蚁群算法研究

针对基本蚁群算法在机器人路径规划过程中路径转弯角度过大、易陷入局部极小值、收敛速度慢等问题,对其进行改进。在分析机器人路径规划环境建模方法基础上,将转角启发函数引入至节点选择概率公式,以增强路径选择指向性,提高算法搜索速度;通过引入当前节点与下一节点之间的距离和下一节点与目标节点距离之和的二次方对启发函数进行改进,使得算法搜索过程更有针对性,并降低陷入局部极小值概率;提出信息素挥发因子自适应更新策略,扩大算法搜索范围,提高收敛速度;利用遗传算法的交叉操作对移动路径进行二次优化,以增强算法的寻优能力,进而以Floyd算法为基础引入路径平滑操作,减少移动路径节点。在MATLAB中与其他算法通过求解多个单模测试函数与多模测试函数进行对比,并在栅格法环境建模中进行机器人全局路径规划仿真对比实验,以验证改进算法在路径寻优速度和质量上更具优越性。仿真结果表明,改进后的蚁群算法具有一定的可行性和有效性。     

仓储物流机器人批量拣选路径规划仿真

针对仓储物流机器人在拣选作业过程中难以进行高效实时的路径规划问题,提出一种有效的解决方法。首先,根据拣选作业的需要建立一个灵活的仓储空间模型并对拣选作业任务流程进行描述。其次,根据批量拣选作业任务的特点,建立以路径总长度最小为优化目标的旅行商问题的数学模型。再次,提出改进的自适应遗传算法解决旅行商问题。最后,在考虑路径转折角代价的前提条件下,提出改进的A*算法,并与改进的自适应遗传算法相结合实现批量拣选的路径规划。仿真结果表明,该方法具有较快的收敛速度、较小的平均路径长度以及较少的算法运行时间,能很好地适应机器人批量拣选路径规划的要求。      

智能算法在机器人路径规划中的应用研究

移动机器人技术研究中的一个重要领域是路径规划技术。综述了智能算法在移动机器人路径规划技术中的发展现状,指出了各种方法的优点与不足。最后对移动机器人路径规划技术的发展趋势进行了展望。     

改进蚁群算法在移动机器人路径规划中的研究

移动机器人合理的路径规划是进行探索任务的前提,针对移动机器人路径规划的复杂性,把蚁群算法引入到机器人路径规划中;普通的蚁群算法存在收敛速度慢、效率低和容易陷入局部最优等缺陷,难以直接应用于机器人路径规划中;提出一种在蚁群算法中改进信息素的更新方式、引入最大最小蚁群系统以及改进状态转移规则的移动机器人路径规划方法,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方法能缩小最优路径的查找范围,降低发现最优路径所需的循环次数,能有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。     

基于改进蚁群算法的无人飞行器航迹规划

无人飞行器航迹规划是现代战争中实施远程精确打击,提高飞行器实际作战效能的关键技术。蚁群算法作为一种启发式仿生优化算法,能够有效应用于航迹规划中。针对基本蚁群算法在应用中容易过早陷入局部最优解这一缺点,提出自适应动态双种群蚁群算法的改进策略,通过信息素的震荡变化和挥发系数的自适应调整,扩大搜索空间,提高算法搜索的全局性。并将改进后的算法应用于无人飞行器航迹规划,通过实验仿真,证明了此改进算法在航迹规划应用中的可行性和有效性。     

M eta- heur ist ic 算法研究进展

对模拟退火、遗传算法和禁忌搜索法等代表性ｍｅｔａ－ｈｅｕｒｉｓｉｃ算法在理论与应用方面的研究进行综述,探讨自满结构和研究体系上的统一性,并归纳指出其发展方向。     

基于双向搜索的改进蚁群路径规划算法

针对移动机器人在复杂地图环境中移动耗时长、易陷入局部最优等问题,设计了一种基于双向搜索的改进蚁群路径规划算法。基于K-means算法对地图预处理,量化地图的局部复杂度程度,并将局部环境信息融合到状态转移概率函数,使机器人优先选择在复杂程度小的区域进行寻优,减少路径拐点。设定双向搜索规则,改进启发函数,提高算法的局部方向搜索精度和全局搜索效率。针对蚁群算法中蚂蚁遇到U障碍物陷入死锁的问题,提出死锁判断系数,增加了有效蚂蚁的数量,进一步提高了算法性能。仿真结果表明所设计的算法在复杂地图环境中相较于传统蚁群算法移动机器人的路径搜索效率更高。