密集型多轮廓裁片的刀具空行程路径寻优

服装行业中缩短刀具裁剪空行程对于高效裁剪布料具有重要意义。结合服装裁片排列具有轮廓形状复杂、分布密集的特点,将问题转化成广义旅行商问题。 基于最大最小蚁群(MMAS)算法提出了一种新的用于裁片刀具空行程路径寻优的算法--密集多轮廓蚁群算法,该算法包括4步:1)用MMAS算法确定初步裁片顺序;2)由裁片顺序寻找各裁片入刀节点;3)将各裁片的入刀节点再次用MMAS进行顺序优化重组得到初步裁剪路径;4)反复迭代第2)步和第3)步以求得最优路径。实验验证了所提算法的有效性,对比现有的扫描算法以及双信息素蚁群(NACS)算法其结果分别提升了60.15%和22.44%,该算法在刀具空行程优化上具有明显优势。     

基于遗传算法的轮廓切割顺序受限路径优化

考虑一类轮廓切割顺序受限的加工路径优化问题.遵循由内到外的轮廓切割约束条件,以遍历所有待切割轮廓且刀头在轮廓问移动的空行程距离最短为优化目标,把约束条件转化到遗传算法编码问题采用启发式搜索技术以加快遗传算法的爬山速度,并且能自适应调整交叉和变异概率.实际应用结果表明所提算法能有效缩短空行程.     

基于多路径蚁群算法的无线传感器网络的路由

针对能量控制在无线传感器网络路由上的特殊要求,为了促使网络节点能量消耗相对均衡,将基本蚁群算法(ACS)应用于无线传感器网络的路由,提出一种基于多路径蚁群算法的无线传感器网络的路由(MACS).该算法利用蚁群的自组织、自适应和动态寻优能力,通过蚂蚁并行地寻找从源节点到达目的节点的最优路径和次优路径,使得网络中的节点不需要维护全局信息,形成多条传榆路径,延长了整个网络的生命期.仿真结果表明,该算法和定向扩散路由(DD)、基本蚁群算法及极大一极小蚁群算法(MMAS)相比,在路由代价和节能方面效果显著.     

改进的蚁群算法在修磨轨迹优化中的应用

提出一种适用于钢坯修磨轨迹优化问题的改进蚁群算法,给出一种修磨轨迹优化问题的实用数学模型。针对蚁群算法对参数敏感的问题,提出用启发信息归一化来解决的办法。仿真实验与初步试用结果表明,经改进蚁群算法优化的修磨轨迹能大幅度减少修磨过程中的空行程。该算法具有一定的理论参考价值和实际意义。     

优化皮革裁剪加工空行程路径的混合算法

将皮革裁剪多轮廓加工空行程路径优化问题归结为广义旅行商问题,提出了一种求解问题的混合智能优化算法。用改进了的遗传模拟退火算法优化多轮廓排列序列,结合机床特征将问题转化为多段图最短路径问题,采用动态规划算法求解。对传统的Bolt zmann更新准则进行改进,增加搜索记忆功能并设置双阂值,以在尽量保持最优性的前提下减少计算量;根据多段图最优子结构性质设计了个体适应度评价函数。实际应用效果和对标准问题的测试表明,新算法求解质量和收敛速度均有很大的提高。     

IMMAS算法在复杂环境下路径规划中的应用

移动机器人路径规划是机器人学的一个重要研究领域.文章将改进的MMAS蚁群算法引入路径规划,在栅格法建模的基础上,改进初始蚁群设置,使用可变的终点定义,终合考虑可选点与终点的距离、可选点的被访问次数以及各可选路径上的信息素强度来设计启发式因子,使用奖励机制更新信息素,动态确定最大最小信息素范围,建立了一种新型优化算法.仿真结果表明,利用改进的MMAS算法,可充分发挥蚁群算法的优越性,并减小了陷入停滞状态的可能性,快速搜索到最优解.     

包含多重嵌套封闭环的平面切割建模与优化EI北大核心CSCD

为解决在平面图形切割领域中采用不同的切割顺序以及切割起止点导致切割路径空行程相差甚远的问题,提出一种包含多重嵌套封闭环的平面切割路径优化算法.首先提出一种多重嵌套封闭环识别子算法,并以四向链表节点为基础构建包含多重嵌套封闭环的平面切割路径模型;然后考虑各封闭环的几何特征以及彼此之间的关系,将切割路径优化问题转化为多个关联的动态旅行商问题组合;最后通过逐层多次调用禁忌贪婪算法对切割路径进行优化求解,在优化中同时考虑封闭环之间的切割顺序及各封闭环切割起止点的选择.仿真实验结果表明,该算法对包含多重嵌套封闭环的平面切割路径建模和优化是可行和有效的.     

包含多重嵌套封闭环的平面切割建模与优化

为解决在平面图形切割领域中采用不同的切割顺序以及切割起止点导致切割路径空行程相差甚远的问题,提出一种包含多重嵌套封闭环的平面切割路径优化算法.首先提出一种多重嵌套封闭环识别子算法,并以四向链表节点为基础构建包含多重嵌套封闭环的平面切割路径模型;然后考虑各封闭环的几何特征以及彼此之间的关系,将切割路径优化问题转化为多个关联的动态旅行商问题组合;最后通过逐层多次调用禁忌贪婪算法对切割路径进行优化求解,在优化中同时考虑封闭环之间的切割顺序及各封闭环切割起止点的选择.仿真实验结果表明,该算法对包含多重嵌套封闭环的平面切割路径建模和优化是可行和有效的.     

时间依赖型车辆路径问题的一种改进蚁群算法

时间依赖型车辆路径规划问题(TDVRP),是研究路段行程时间随出发时刻变化的路网环境下的车辆路径优化.传统车辆路径问题(VRP)已被证明是NP-hard问题,因此,考虑交通状况时变特征的TDVRP问题求解更为困难.本文设计了一种TDVRP问题的改进蚁群算法,采用基于最小成本的最邻近法(NNC算法)生成蚁群算法的初始可行解,通过局部搜索操作提高可行解的质量,采用最大--最小蚂蚁系统信息素更新策略.测试结果表明,与最邻近算法和遗传算法相比,改进蚁群算法具有更高的效率,能够得到更优的结果;对于大规模TDVRP问题,改进蚁群算法也表现出良好的性能,即使客户节点数量达到1000,算法的优化时间依然在可接受的范围内.     

皮革裁切加工算法

给出了用直刀、圆弧刀冲切皮革的加工算法．根据裁切方向和轮廓特点,分别给出两种轨迹计算方式．第一种直接采用等误差逼近计算直刀刀位,第二种则采用等误差、等步长相结合的逼近方式来计算直刀、圆弧刀组合刀位,其间通过在刀具库中搜索合适刀具和绕刀具自身轴心摆转来避免过切．最后用Improved Greedy—opt2算法对冲孔轨迹进行路径优化,给出了加工实例,取得了满意的效果。     

基于转角约束的改进蚁群优化算法路径规划

针对传统蚁群优化（ACO）算法搜索路径时易陷入局部最优、路径过长、转弯角度过大等问题,提出一种基于转弯角度约束的改进ACO算法。首先,增加起始点与目标点之间区域的初始信息素浓度,以避免初期盲目搜索;然后,在启发函数中加入A^*算法的估价函数和转弯角度因子,以便在下一步选择路径长度和转角次数综合最优的节点;最后,在信息素更新部分引入狼群算法的分配原则,来加强优质种群的影响力,同时借鉴最大最小蚁群（MMAS）算法进行信息素浓度的限制,从而避免算法陷入局部最优。Matlab仿真结果表明,改进算法与传统ACO算法相比,规划出的路径长度缩短了13.7%,转弯次数减小了64.3%,累计转弯角度减少了76.7%。实验结果表明,所提改进算法能有效解决全局路径规划问题,避免了移动机器人过多的能耗损失。     

基于势场-蚁群算法的平滑机器人路径规划

针对静态环境下的移动机器人路径规划,提出一种势场-蚁群融合算法.首先,针对蚂蚁收敛速度慢,全局性较差,易陷入死锁问题,引人人工势场力构造启发信息函数;其次,为了避免蚁群陷入局部最优解,借鉴最大最小蚂蚁系统(MMAS)思想限制蚁群信息素范围;最后,引入三次B样条曲线优化路径,平滑路径的同时,进一步缩短了路径长度.仿真结果表明,算法有效可行,且经过平滑后的路径更加符合实际环境对机器人的性能要求.     

基于改进蚁群算法的无线传感器网络路由的优化

为了延长无线传感器网络(wireless sensor network,WSN)的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法;首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力;最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗;通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。     

改进的蚁群算法求解带时间窗的车辆路径问题

设计了一种改进的蚁群算法,将蚁群系统(ACS)与最大最小蚂蚁系统(MMAS)相结合,在状态转移规则中引入时间窗跨度与服务等待时间因素,并在算法的不同阶段采用不同的信息素蒸发策略以防止算法陷入局部最优.使用路径内2-opt优化方法以及路径间2-opt*优化方法对每次迭代过程所得到的最优解进行局部优化.通过对相关文献实验数据的测试结果表明,该算法在求解效果及运算效率上优于遗传算法与禁忌搜索算法.     

基于改进蚁群算法的自动化立体仓库路径优化研究

目前,自动化立体仓库广泛应用于物流行业。为了提高仓库中货物的存取效率,可采用蚁群算法解决堆垛机路径优化问题。针对传统蚁群算法中易得到局部最优解的缺陷,笔者采用改进的蚁群算法,引入信息素调整因子,改变路径中各节点上的信息素浓度,减少局部最优现象。仿真实验结果表明,改进的蚁群算法能较好解决路径优化问题。     

考虑3PL承载能力时变的4PL协同路径定制问题

为进一步提升第四方物流(4PL)对多第三方物流(3PL)协同配送网络的适应能力,提出考虑3PL承载能力时变的4PL协同路径定制问题,建立允许货物在节点等待的非线性数学模型,设计基于蚁群和人工蜂群的两阶段混合智能算法(ACO-ABC).算法中:第1阶段选择路径,使用蚁群算法得到问题的满意解;第2阶段选择优势路段的3PL,...     

基于蚁群的无线传感器网络能量均衡非均匀分簇路由算法

无线传感器网络(WSN)路由中,节点未充分考虑路径剩余能量及链路状况进行的路由会造成网络中部分节点网络寿命减少,严重影响网络的生存时间。为此,将蚁群优化算法与非均匀分簇路由算法相结合,提出一种基于蚁群优化算法的无线传感器非均匀分簇路由算法。该算法首先利用考虑节点能量的优化非均匀分簇方法对节点进行分簇,然后以需要传输数据的节点为源节点,汇聚节点为目标节点,利用蚁群优化算法进行多路径搜索,搜索过程充分考虑了路径传输能耗、路径最小剩余能量、传输距离和跳数、所选链路的时延和带宽等因素,最后选出满足条件的多条最优路径,完成源目的节点间的信息传输。实验表明,该算法充分考虑路径传输能耗和路径最小剩余能量、传输跳数及传输距离,能有效延长无线传感器网络的生存期。     

结合B样条优化的UAV多区域路径规划融合算法

为解决无人机(UAV,unmanned aerial vehicle)在多个目标区域之间快速找到最佳遍历路径的类旅行商问题(TSP,travelling salesman problem),设计一种基于蚁群算法、A*算法以及三次B样条优化的融合规划算法;尽管蚁群算法相对其他优化算法在解决TSP问题上有较为良好的表现,但其规划路径处理时间长、生成路径转折多、路径质量和安全性较差;算法首先改进传统A*算法的节点扩展方式,快速生成两两目标区之间的局部路径,然后将蚁群算法和改进A*算法融合使用进行全局路径规划,最后结合改进三次B样条对路径进行平滑处理;基于栅格地图的仿真结果证明了该算法相比传统算法具有更好的高效性和稳定性。     

基于Sarsa算法和蚁群优化的监测网络路由控制设计

为了克服已有监测网络路由控制方法所具有的传输路径长和能量消耗高的缺点,设计了一种基于Sarsa算法和蚁群优化算法混合模型的路由控制策略;首先,建立了以MA(Mobile Agent)为基础的路由控制模型,并以访问时间和能耗消耗为基础设计了目标函数,然后,基于改进的蚁群算法设计了一种从数据发送节点到Sink节点的路由设计方法,采用节点之间的距离作为冗余度标准获取合理的下一跳邻居节点集,并采用Sarsa算法来对各路径的信息素进行更新,最后,对基于Sarsa算法和蚁群优化算法混合模型的路由控制算法进行了描述;在NS2环境下进行仿真实验,结果证明文中方法能有效实现网络路由控制,最优路由的获取过程的总仿真时间为300ms,是一种适用于监测网络路由控制的有效方法。     

煤炭勘探及救援机器人最优路径规划研究

为了解决三维环境中的煤炭勘探及救援机器人路径规划问题,提出了一种基于改进蚁群算法的煤炭勘探及救援机器人最优路径规划方法。利用栅格法创建了三维空间环境模型,建立了煤炭勘探及救援机器人的路径规划目标函数;通过引入新的启发函数因子、节点随机选择机制、局部更新和全局更新相结合的策略分别对算法的节点转移概率设计、节点选择策略和信息素更新策略进行了优化改进。Matlab仿真结果表明,在三维空间环境模型中,传统蚁群算法和改进蚁群算法均能为煤炭勘探及救援机器人搜索出一条最优路径;在不同任务要求下,改进蚁群算法能有效缩短搜索路径长度和降低路径搜索时间,且具有较强的决策能力和较好的收敛性能。