一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

基于混合智能算法的电力系统无功优化研究

研究了电力系统的无功优化功问题,给出了结合电力市场实行的无功优化目标函数。在分析了遗传算法和蚁群算法各自优缺点的基础上,将遗传算法与蚁群算法融合,利用遗传算法的交叉、变异操作产生蚁群算法新的搜索路径,以此提高混合智能算法的全局搜索能力和收敛速度,并将混合智能算法应用于实例进行仿真。仿真结果表明,该混合智能算法具有快速的收敛速度和优良的全局优化能力。     

一种无人机路径规划的混沌遗传算法

提出采用基于混沌的遗传算法进行无人机路径优化问题的求解。算法利用极坐标描述战场中的威胁位置和航路点,缩短了路径编码长度,提高了搜索效率,并在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法收敛速度慢和容易陷入局部最优的局限。实例仿真结果表明,文中的算法与标准遗传算法相比,优化效率显著提高,得到的优化解即优化航路更好地规避了威胁。     

基于粗糙集移动机器人微种群路径规划算法

针对机器人的路径规划,提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法.该算法采用栅格法划分机器人的工作空间,十进制路径编码方式.在粗糙集生成初始路径的基础上,通过运用微种群遗传算法对这些初始路径进行优化后,得到了一条最优或近似最优路径.在Matlab环境进行的机器人路径规划仿真实验中,笔者用到的微种群遗传算法与一般遗传算法相比,具有优化效果明显,环境适应性强等优点,能够有效地提高机器人路径规划速度,结果表明作者提出的方法是正确和有效的.     

基于粗糙集移动机器入微种群路径规划算法

针对机器人的路径规划，提出了一种将粗糙集和微种群遗传算法相结合的路径规划算法，该算法采用栅格法划分机器人的工作空间，十进制路径编码方式，在粗糙集生成初始路径的基础上，通过运用微种群遗传算法对这些初始路径进行优化后，得到了一条最优或近似最优路径，在Matlab环境进行的机器人路径规划仿真实验中，笔者用到的微种群遗传算法与一般遗传算法相比，具有优化效果明显，环境适应性强等优点，能够有效地提高机器人路径规划速度，结果表明作者提出的方法是正确和有效的。     

基于遗传算法的虚拟校园漫游路径规划

针对虚拟校园中道路环境存在u型槽及狭长路径的特点,提出一种基于改进遗传算法的路径规划方案。利用网格表示校园环境,并引入障碍物顶点信息,进行校园路径信息描述。在基本遗传算法进化过程中,加入平滑算子和避障算子,对适应值逐步收敛的种群进行人工选择优化,来提高成功率和适应值。实验结果表明,该方法能够在路径规划中准确的绕开U型槽障碍,并穿过狭长路径。     

基于混沌遗传算法的移动机器人路径规划方法

结合遗传算法优化的反演性和混沌优化方法的遍历性,基于混沌遗传算法的移动机器人路径规划方法能够有效改善遗传算法的局部搜索能力和搜索精度,避免单纯使用遗传算法规划机器人路径时容易出现的早熟收敛现象．仿真试验表明,提出的路径规划方法在稀疏环境和密集环境下均能收敛到全局最优路径,具有更强的鲁棒性．     

基于改进遗传算法的移动机械臂拣选路径优化

传统移动机械臂路径规划算法没有根据抓取点分布情况对工位点坐标进行优化,效率低,对此,提出了一种基于改进遗传算法的移动机械臂拣选路径优化方法.通过对拣选物品位置的分析,建立单个工位点上移动机械臂分拣路径模型和多工位点的旅行商（TSP）问题模型,运用改进的遗传算法,在工作空间内对各个工位点的位置坐标寻优,规划出移动机械臂抓取的最短路径和多工位点间移动的最短路径.实验结果表明,与传统遗传算法可能,运用改进的等级进化选择算子和最优近邻交叉算子,遗传算法的收敛速度提高了46.15%,路径缩短了45.99%,系统运行时间减少了25.80%,提高了系统效率.     

量子粒子群优化算法在运输问题中的应用

将量子粒子群优化算法用于运输问题求解。用粒子的位置表示运输路径,建立运输路径的数学模型。与遗传算法相比,实验结果表明,该算法在求解运输问题中提高了最优解的精度,且具有较快的收敛速度。     

基于自适应小生境遗传算法的物流配送路径优化研究

针对遗传算法具有早熟的缺点和小生境遗传算法比遗传算法更费时的问题,将自适应小生境技术引人遗传算法,构建自适应小生境遗传算法,用以解决带时间窗的车辆路径优化问题.实验结果表明该算法具有更好的搜索能力和收敛速度,能有效地调和种群多样性与算法耗时的矛盾,解决物流配送车辆路径优化的问题.     

一种基于改进遗传算法的机器人路径规划方法

在应用遗传算法进行机器人路径规划时,为了解决传统遗传算法"早熟收敛"和"收敛速度慢"的问题,设计了一种用于路径规划的改进遗传算法.该算法根据规划问题的具体要求,对染色体编码,种群初始化等操作进行了改进,编码采用二维浮点数变长度的编码方式,种群初始化采用知识启发的策略,以加快收敛速度.在控制参数设定方面引入自适应调整控制参数.采用MATLAB软件进行仿真,将改进算法与标准算法进行对比,结果得出改进算法缩短了路径长度和运行时间.证明了本算法的正确性和高效性.     

基于混合蚁群的多温区冷链物流配送路径优化算法

针对冷链物流配送过程同时取货、送货车辆路径规划问题,提出了基于混合蚁群算法多温区冷链物流配送路径优化算法.通过分析影响同时取、送货车辆路径成本的因素,构建了针对多温区冷链物流的带时间窗、同时取送货配送路径优化模型.利用粒子群算法来优化蚁群算法参数,将各个蚂蚁子群的信息素进行交换,再采用基于插入的启发式方法和交叉、反转操作进行路径优化.经过对照实验,结果表明：基于混合蚁群的车辆路径规划算法收敛速度相对于基于改进遗传算法的车辆路径规划算法和基于禁忌搜索算法的车辆路径优化算法,分别提高了24.3%和18.6%.     

一种基于遗传算法的功率控制方法

利用遗传算法强有力的全局搜索和优化能力,提出了一种基于遗传算法的功率控制方法,该方法有效地提高了CDMA蜂窝移动通信系统中功率控制的收敛速度。仿真结果表明:与现有算法相比,该算法能够迅速寻找到功率控制问题的最优解,有效地提高功率控制的收敛速度,降低了计算的复杂度。     

求解AGV路径优化问题的遗传算法参数优化

介绍了基于AGVS的有向图模型求解AGV路径优化问题的遗传并行路径规划算法和有关遗传算子.根据遗传算法的运行流程,首先对AGV路径进行初始路径集生成和确定复制算子;其次用实验的方法对交叉算子和变异算子进行了性能比较,确定AGV路径优化中选用部分交叉算子和反转变异算子;最后研究了种群的大小对遗传算子收敛速度的影响.本文给出了部分遗传算子的实验数据和不同种群规模时的收敛情况.本文工作是研究AGV动态调度遗传算法及其仿真与实验的基础.     

基于动态搜索轨迹的混合遗传算法设计及实现

遗传算法是应用比较广泛的一种随机优化算法,针对其在全局优化问题中容易出现早熟和收敛速度慢,不利于在实时控制中应用的问题,提出了一种基于DST的混合遗传算法,该算法利用遗传算法的全局搜索能力,同时采用DST算法来提高收敛速度及预防早熟.将该混合遗传算法应用于求解复杂多峰函数的优化问题,通过与简单遗传算法的比较,可发现该方法明显地提高了搜索效率和成功率,从而验证了该算法的有效性.     

3D打印路径规划研究

以机械制造为背景,针对机械中多封闭轮廓部件在3D打印路径扫描过程中产生空行程的问题,提出了一种结合遗传算法和蚁群算法的路径规划优化算法,合理规划各轮廓的扫描顺序及扫描起始点,缩短了3D打印扫描过程中轮廓路径的总长度,减少了轮廓路径的空行程,从而提高成型的速度和质量。该融合算法既解决了蚁群算法初期盲目性大的问题,又解决了遗传算法启发信息利用不足和容易陷入局部最优解的缺点。实验结果表明:所提出的方法能够减少空行程,提高成型速度和质量。     

车辆路径问题的改进遗传算法研究

车辆路径问题(VRP)是现代物流管理中的重要环节,是一个NP-hard问题。标准遗传算法用于最优化问题时存在早熟收敛和收敛速度缓慢的特点。本文提出一种改进的多种群遗传算法,在子种群间引入竞争,设定各个子种群的规模取决于各个子种群的平均适应水平。实验结果表明,该算法能有效求得车辆路径问题的优化解,是求解车辆路径问题的一个有效方案。     

基于RBF网络Q学习的AUV路径跟踪控制方法

水下回收过程中,AUV航行速度受到多种因素影响而产生变化,艉部操纵舵效随之改变,直接影响了AUV回收路径跟踪控制性能。根据AUV航行状态,采用强化学习方法对AUV控制器进行自主学习优化,能够改善AUV航向及深度响应的性能指标,提高路径跟踪控制性能。建立AUV路径跟踪导引律,设计航向及俯仰运动滑模控制器,保证系统对外扰动的鲁棒性;采用Q学习方法,根据AUV航速、跟踪误差及其变化率,对滑模控制参数进行离线训练优化,搭建RBF网络加快训练过程,避免"维数灾"现象;将训练得到的RBF-Q学习网络应用于在线控制,与传统滑模控制器进行跟踪控制对比。仿真结果验证了算法的有效性。     

车辆路径问题的改进遗传算法研究

车辆路径问题(VRP)是现代物流管理中的重要环节,是一个NP-hard问题.标准遗传算法用于最优化问题时存在早熟收敛和收敛速度缓慢的特点.本文提出一种改进的多种群遗传算法,在子种群间引入竞争,设定各个子种群的规模取决于各个子种群的平均适应水平.实验结果表明,该算法能有效求得车辆路径问题的优化解,是求解车辆路径问题的一个有效方案.     

基于混合自适应遗传算法HEV系统参数的优化

选择优化算法是混合动力电动汽车系统参数优化的一个重要内容.针对基本遗传算法存在着易早熟、收敛速度慢的缺陷,提出了一种混合自适应遗传算法.测试结果表明,该算法既具有良好的全局收敛性,又具有较快的收敛速度.将该算法应用到混合动力电动汽车系统参数优化问题中,取得了较为满意的优化结果和收敛效果.根据优化结果,对一辆串联式混合动力中巴的发动机/发电机组进行了优化设计.