改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

基于改进蚁群算法的移动机器人路径规划

针对移动机器人路径规划中传统蚁群算法容易出现停滞现象、收敛较慢的问题进行研究。采用局部更新规则和自适应方法,构建了移动机器人在迷宫中的动态路径规划模型。通过计算机仿真和电脑鼠机器人实际行走实验表明,在场地复杂的情况下,该算法可以有效地规划出全局最优路径,加快规划速度,满足实际应用需要。     

基于蚁群算法的深海着陆车路径规划

针对深海着陆车海底作业“路径最优”问题,提出一种适用于着陆车的三维海底全局路径规划算法。采用栅格等分法建立着陆车作业区域的三维海底环境抽象模型。通过对着陆车航行过程动力学分析和驱动电机速度与工作效率测试,建立其航行运动能耗模型。采用局部和全局信息素更新的基于蚁群寻优的能耗-距离路径规划算法,并将能耗、距离引入到启发函数与评价函数中。仿真实验结果表明,该算法通过合理选取评价函数权重参数,能有效均衡路径规划的里程与能耗,具有较好的收敛速度和全局搜索能力,能够满足深海着陆车海底科考作业需求。     

基于蚁群算法的无人机最短航路规划

为解决无人机在执行多航点任务过程中,由于航点数量较多而导致的多种飞行轨迹问题,提出一种仿生 蚁群觅食路径选择的无人机航点任务轨迹规划方法。介绍算法原理,计算信息点的信息素浓度,通过工蚁航点转换 规则和信息素浓度修改规则进行算法实现,并对其进行计算仿真和结果分析。仿真结果表明：该算法能够保证飞行 器以最短路径飞行完成所有航点任务,提高了无人机的任务执行效率,减少了控制系统的时间损耗,便于无人机编 队飞行系统的实现。     

改进蚁群算法优化通用器材配送路径

为实现武器装备器材在运输供应路线的精确化保障,对基于蚁群算法的通用器材配送路径供应模式进行 改进。针对传统蚁群算法在初始目标选择、信息素更新等方面存在的局限性,依据蚁群算法的原理与机制设定,建 立配送路径数学模型,从3 个方面进行算法改进,优化了器材从供应中心到各个仓库的配送路径,并对案例进行仿 真测试和分析。实验结果表明,该路径能确保通用器材适时、高效地送到各个仓库。     

改进蚁群算法在潜艇规避机载声纳探测的路径优化应用

在引用的敌反潜直升机探测我潜艇的概率模型的基础上,给出一种新的改进蚁群算法。通过可变挥发系数1-ρ概率和引入风险规避指数γ,使路径具有远离非安全区域时有风险规避能力。为加快算法程序的实现速度,引入了目标方向系数方阵W,使收敛速度成倍提高。并运用实例分析了γ、W对最优路径的影响与W对程序运算速度的影响。实例表明,该方法是有效的,说明引入1-ρ、γ、W的合理性与科学性,特别是γ、W有很好的控制能力与实用性。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

基于改进蚁群算法的巡航导弹巡航段航路规划

为提高巡航导弹的突防概率,在对敌防御区域内的目标进行打击时,必须保证它能以较小的被发现概率和可接受的航程接近目标.针对这一问题,提出一种新的航路规划区域粒度控制图--圆径图,对传统的蚁群算法进行了讨论和改进,使其更具智能化,将它们应用于巡航导弹的航路规划问题,详细地考虑了巡航导弹航路规划中的各种影响因素,提出合理的代价函数,进行了仿真计算.仿真结果表明,圆径图和改进后的蚁群算法能够较好地解决巡航导弹的航路规划问题,改进后的算法收敛速度快,全局寻优能力强.     

基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

蚁群算法在水下滑翔器航路规划中的应用

水下滑翔器作为一种超低能耗的水下航行器,有非常广阔的应用前景。本文利用蚁群算法,并引入了海流矢量因子,对水下滑翔器的航路规划进行了模拟,仿真结果表明,这种航路的规划方法能有效地优化航路,保证航路的质量。     

基于蚁群算法的无人机航迹规划技术及研究现状

配置适当的算法是无人机航迹规划的关键技术之一。介绍了一种基于蚁群算法的无人机航迹规划技术的基本原理,并采用网格图建模,演示了无人机二维航迹规划问题的一般实现步骤。然后从改进算法、更换其它模型、多无人机航迹规划、动态航迹规划等四个方面探讨了基于蚁群算法的无人机航迹规划技术的研究现状,并指明了配置更完善的算法实现复杂条件下的实时航迹规划等问题是无人机航迹规划未来的主要研究方向。     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.