智能仓储车间中多AGV路径优化算法研究

针对智能仓储车间中采用自动化物料运输系统的多AGV(Automated Guided Vehicle)路径规划求解速度慢、最优路径易冲突问题,本文提出了一种人工势场蚁群融合算法。首先针对人工势场法目标不可达问题提出斥力场改进方法,融合蚁群算法的启发式信息及信息素更新优化生成每台AGV的初始路径,然后通过多AGV冲突解决策略在路径长度最短、光滑度最高的基础上避开冲突以解决多AGV路径规划问题。仿真结果表明,在优化路径长度、求解速度方面均优于传统蚁群算法和蚁群优化算法,在仓储环境下多AGV冲突解决策略能够以极小代价解决路径冲突。     

一种基于多样化个体的蚁群系统

蚁群算法是模拟蚁群寻找最短路径时的交互过程的一种算法,是受蚂蚁的行为启发而发展出来,已经广泛应用于组合优化问题的求解等方面问题,但其收敛速度一直是该领域讨论的热点问题。本文结合著名的ACS算法,提出一种基于多样化个体的蚁群系统算法ACS—DI,通过TSP对其进行验证。实验证明,此算法增强了搜索能力及收敛速度。     

动态蚁群算法用于洪灾搜救问题

蚁群算法是一种求解最优路径的常用算法,其利用自然界中蚁群的活动规律和正反馈原理。动态的蚁群算法针对基本蚁群算法存在的问题和缺点进行改进,采用动态参数因子,可以有效避免搜索的局部最优和进化停滞现象,并且能够提高搜索效率。通过实验结果对比,该算法在求解最短路径方面具有更高的精确度,为今后的搜救问题提供了一种高效实用的参考方法。     

基于蚁群算法的网络层析故障链路诊断

为了解决网络层析成像中链路故障诊断的NP难问题,提出一种基于蚁群算法的故障链路诊断方法。首先将问题建模成一个组合优化问题,利用蚁群算法在解决组合优化问题中独特的优势进行求解。不同于传统的蚁群算法,求解故障链路时蚁群在初始放置点和可行路径上都受约束。为了加快算法的收敛速度,对蚁群算法的初始信息素浓度进行优化。仿真结果表明,所提出的算法在故障链路检测中具有较好的精度和召回率。     

改进蚁群算法在交通系统最短路径问题的研究

求解交通路网中两点间的最短路径是智能交通系统中的一个重要功能,为了更为准确快速地找到最优解,这里分析Dijkstra算法处理动态车辆路径问题中的缺陷,提出一种改进的蚁群算法,即在基本蚁群算法中引入搜索方向和搜索热区机制提高算法的搜索性能.通过建立改进蚁群算法模型,用VC 6.0开发工具,以实际交通地图为例,求解交通网络两点间最短距离;并与基本蚁群算法进行对比.仿真实验表明,传统蚁群算法的平均迭代次数为71.06,改进蚁群算法平均迭代次数为55.82,比传统蚁群算法有了明显的提高.该方法能有效解决交通系统最短路径问题,具有一定的实际意义和参考价值和实际意义.     

基于贪心蚁群算法的生鲜配送全局路径规划

人们生活质量的提高,使得生鲜产品的种类和需求增加,而生鲜配送过程中存在的物流成本高、易腐烂变质、车辆载重率低、送达时效性低等问题,因此传统的配送方式已经难以适应生鲜物流的需求。通过研究贪心算法和蚁群算法,将贪心算法引入到蚁群算法中来提高蚁群算法的局部搜索能力,从而来设计出贪心蚁群算法,利用贪心蚁群算法得出优化后的车辆配送路线。通过将贪心蚁群算法、贪心算法和蚁群算法对比后,结果表明贪心蚁群算法能够在原有基础上优化路径,达到生鲜配送路径最短、有效降低成本的目标。     

一种基于蚁群系统原理的QoS单播路由算法

蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法。为了研究QoS路由问题,本文利用蚁群算法能寻找最短路径这一特性,提出了一种基于蚁群系统原理、用于解决带宽和时延约束问题的QoS单播路由算法。仿真结果表明了该算法的有效性、自适应性、鲁棒性和可扩展性。     

基于改进蚁群算法的物流配送车辆路径优化研究

蚁群算法具有十分广阔的应用前景,但蚁群算法在求解路径优化问题中存在收敛速度慢、易陷于局部最优路径等缺点。文章通过改进传统的蚁群算法,使蚁群算法求最优解的性能显著提升,大幅提高了物流配送的效率。     

基于混合算法的数控加工路径规划优化

对数控加工中的孔群加工路径规划优化方法进行研究。将孔群的加工路径规划问题与典型旅行商问题进行类比,建立刀具空行程最短的数学模型和适应度函数。针对常规混合算法不能够将两种算法进行融合,只是单纯叠加,无法在最佳时机进行算法转化,使得算法混合优势不够明显等问题,该文对混合算法进行改进。使用遗传算法得到若干优化解,并将其变成初始信息素从而改成初始信息素偏低问题。使用动态转移代替静态转移法将遗传算法切换到蚁群算法。算法后期,信息素更新方法使用动态挥发系数法,对交叉变异概率使用信息素和适应度进行动态调节,交叉变异位置使用信息素和启发信息决定。以一种机械零件的孔群加工为例,对研究的混合算法的加工路径规划优化方法进行实例分析,结果表明相比常规混合算法,该文研究的混合算法具有更高的求解精度和优化效果。     

一种改进蚁群算法求解VRP问题

车辆路径问题(VRP)是一个NP难题,蚁群算法是求解诸如车辆路径安排问题等组合优化问题的有效工具.在了解VRP问题及蚁群算法的基础上,分析了蚁群算法在VRP中的应用,针对蚁群系统(ACS)的不足之处,借鉴MMAS思想,引入动态负反馈机制及适当增大能见度机制对蚁群算法进行改进优化,结合节约函数求解VRP问题.仿真结果表明,本文提出的算法无论是在最优值还是在收敛速度上都优于基本蚁群算法,实用性强,能较好的解决VRP问题.     

基于蚁群算法的AGV路径规化的实现

蚁群算法是受自然界中蚁群搜索食物行为启发而提出的一种智能优化算法,通过介绍蚁群觅食过程中基于信息素的最短路径的搜索策略,来解决AGV小车寻优路径的问题,并通过仿真验证了这种算法可求得最简路径的效果,并通过AGV地址识别技术,阐述了AGV小车和计算机的通讯协议,以达到较好的控制效果。     

一种车辆路径规划的新型蚁群算法研究

通过引入变异机制和3种不同策略对蚁群算法进行了改进来提高收敛速度和寻找更优解,以满足对车辆路径规划的求解,其目标是实现车辆的路径规划,使得汽车总的行驶路程最短和所需汽车的数量最少。仿真实验表明,引入变异机制的蚁群算法能够有效地解决带有容量限制的车辆路径规划问题,提高了物流配送效率。     

蚁群优化算法在图书配送路径规划中的应用研究

针对图书物流配送中的多目标优化问题,提出一种基于蚁群优化算法的图书配送路径规划模型,使配送成本最小化。首先对图书物流配送路径规划模型进行分析,并选择作业成本法对成本目标进行优化;然后采用单亲遗传混合蚁群算法对建立的模型进行求解,解决全局优化问题和求解效率问题。以某图书配送中心为例进行优化仿真测试,验证了模型的有效性。相比传统的人工方案,采用的图书物流配送路径规划模型及单亲遗传混合蚁群算法的配送方案有效降低了物流配送作业的成本。     

基于蚁群算法的集成电路无网格布线

蚁群算法[1]作为一种较新的进化类方法,目前已经在若干领域取得了成功的应用,诸如：旅行商问题、二次分配问题、通讯网络中的路由问题以及负载平衡问题、大规模集成电路设计等。本文提出了一种基于蚁群算法的集成电路无网格布线算法。对于给定的布线平面,该算法首先由障碍图形和各个线网的端点生成一个包含最短路径的访问点阵,建立初始信息索矩阵,然后利用蚁群算法所特有的路径寻优功能来找到当前布线路径上的最短路径。同时本文在路径搜索过程中引入了引力的概念,使得蚁群在引力的作用下以较快的速度找到目标端点。     

一种基于蚁群算法的多目标跟踪数据关联方法

针对多目标跟踪问题,提出基于蚁群算法的数据关联方法.首先将多目标跟踪问题描述为组合优化问题.利用蚁群算法解决组合优化问题的优势,在对其路径和路径长度概念重新定义的基础上,将其应用于选择多目标跟踪中的轨迹-观测关联集合.详细介绍了蚁群算法应用于数据关联问题的具体方法,建立了基于蚁群算法的数据关联模型.实验结果表明,论文提出的基于蚁群算法的数据关联方法是行之有效的.     

基于组件式蚁群算法的车辆路径问题研究

现有方法仅从蚁群算法的基本结构出发设计软件,缺少软件设计模型的有效指导,很难用来求解不同种类的优化问题.鉴于此,应用组件软件设计方法,提出了一种组件武蚁群算法.该方法力求在结构上直接反映蚁群的本质思想和关键概念;最大程度降低与问题的相关性;强调以接口为中心的设计理念.大量车辆路径问题的验证结果表明,组件式蚁群算法性能优良,能够有效地求解车辆路径问题.该方法易于理解和使用,具有很强的可重用性和可扩展性,为求解各类优化问题提供了很好的起点和可持续发展的框架.     

节点约束型最短路径的几何代数算法

面向网络分析应用中复杂条件约束下的最短路径求解问题,引入几何代数进行网络分析算法构造.建立了基于几何代数的网络模型和双边搜索算法,以寻找经过指定必经节点且弧段最少的最短路径求解为例,进行了算法实现.基于道路网络数据的分析显示,本算法利用外积运算直接判断约束节点,算法具有更好的通用性和较少的路径遍历次数,且在多对多路径求解及多用户并行求解上具有优势.     

装备抢修车多目标路径优化

针对战场抢修工作的特点,建立了考虑安全性、时间损耗等因素的多目标路径优化模型,采用蚁群算法对问题求解,并对蚁群算法进行改进,提升了算法的收敛速度。     

基于蚁群算法的有时间窗车辆调度问题的研究

有时间窗的车辆调度问题（vSPITw）是一个复杂的非线性组合优化问题，一般运用分阶段方法求解。现将蚁群算法应用于车辆调度问题，设计动态确定车辆数和随机搜索路径的新方法，实现车辆数和路径长度的同时优化，并对蚁群算法的信息素更新规则进行了改进，以优化其搜索能力和加快收敛速度。同时给出了算法的实现过程，通过对实例求解，取得了满意的结果。     

一种基于蚁群算法和非线性长度的多约束路由算法

在分析了多种路由算法的基础上,设计了一种基于蚁群算法的多约束路由算法。该算法采用了非线性路径长度,通过蚂蚁的周游获得长度更短的多约束路径。仿真表明,该算法在最短路径获取和路由发现成功率方面都有高效的表现。