基于深度Q网络的水面无人艇路径规划算法

为实现水面无人艇(unmanned surface vessel, USV)在未知环境下的自主避障航行,提出一种基于深度Q网络的USV避障路径规划算法。该算法将深度学习应用到Q学习算法中,利用深度神经网络估计Q函数,有效解决传统Q学习算法在复杂水域环境的路径规划中容易产生维数灾难的问题。通过训练模型可有效地建立感知(输入)与决策(输出)之间的映射关系。依据此映射关系,USV在每个决策周期选择Q值最大的动作执行,从而能够成功避开障碍物并规划出最优路线。仿真结果表明,在迭代训练8 000次时,平均损失函数能够较好地收敛,这证明USV有效学习到了如何避开障碍物并规划出最优路线。该方法是一种不依赖模型的端到端路径规划算法。     

基于贪心蚁群算法的无人水面艇全局路径规划

为解决无人水面艇(unmanned surface vessel,USV)在地型较复杂小型水域内的全局路径规划问题,提出一种以贪心算法、蚁群算法、栅格法建模为基础,通过加入双向搜索算法来解决传统贪心算法搜索时易陷入局部最优解等问题的贪心蚁群算法。该算法利用贪心算法规划基础路线,利用蚁群算法的信息素机制摆脱局部收敛状态,并通过双向搜索算法降低局部收敛概率。仿真结果表明:该算法搜索时间较传统蚁群算法减少70%以上,迭代次数较传统蚁群算法减少约85%;该算法在处理USV的全局路径规划问题中具有一定的有效性、合理性。     

碳排放影响下快时尚产品的配送路径优化

鉴于快时尚企业高频率配送的特性以及国家倡导的低碳环保理念,以服装产品为研究对象,以碳排放成本、车辆运输成本和顾客满意度为优化目标,建立多目标绿色车辆路径问题模型。提出一种改进蚁群算法对模型进行求解,在信息素更新过程中采用最大最小蚂蚁系统和云模型提高自身的全局搜索能力,同时对初始状态转移概率进行优化,并采取局部优化策略提高算法的适应性。仿真结果表明,提出的模型和算法能够充分调用企业资源,帮助快时尚企业科学规划车辆配送方案,降低运输成本和碳排放,实现经济效益与环境效益的最佳平衡。     

计重收费政策下的货物权重车辆路径

为提高物流效率、降低物流成本,在货物权重车辆路径问题（Weighted Vehicle Routeing Problem,WVRP）和计重收费问题研究的基础上,按照完全计重收费模式,建立以运输过程中总费用（包括固定费用、油耗费用和路桥费用)最小为目标函数的整数非线性规划优化模型.对实际算例,首先使用lingo软件求解精确解,然后利用粒子群优化（Particle Swarm Optimization,PSO）算法求解近似优化解,最后求解一般车辆路径问题模型并计算出相应的行驶总费用.3种结果的比较分析说明所提出的模型和用PSO算法求解的可行性和有效性.该模型可实现运输资源的优化配置,降低企业的物流成本.     

基于最短避碰距离和碰撞危险度的避碰决策支持

为解决目前采用船舶领域进行避碰决策时选用的船舶领域多仅适用于一定水域,且选用的船舶领域模型与碰撞危险度模型考虑的因素不一致的问题,提出基于模糊四元船舶领域的碰撞危险度模糊评价模型。为解决采用最短避碰距离作为目标函数进行避碰决策时未考虑航迹偏差以及时间偏差等因素,以及根据所得的避碰参数采取的避碰措施并不能使总航程最短的问题,提出以航迹偏差、时间偏差和总航程作为目标函数的最短避碰路径模型。在综合考虑船舶领域、国际海上避碰规则和负责航行值班的高级船员的主观意识的情况下,应用粒子群优化(particle swarm optimization,PSO)算法规划出最优的避碰路径。MATLAB仿真结果表明,该算法能快速获得最优避碰路径,满足海上航行避碰要求。     

城市公交最优路径选择的数学模型及其算法

通过对城市公交路径选择问题的分析,在常用的Dijkstra最短路径算法基础上进行改进,根据乘客的不同需求给出出行总距离最短、出行总费用最少、出行总时间最短的最优路径选择模型.综合考虑距离、时间、费用等多种因素给出的出行满意度最大的最优路径模型,同时以算例验证了模型和算法的合理性和实用性.     

基于新鲜度和配送成本的易腐食品配送路径

为解决企业在制定易腐食品配送计划时难以权衡配送总成本与交付产品的新鲜度的问题,建立以配送总成本最低和交付产品平均新鲜度最大为目标,带时间窗的易腐食品配送路径规划模型。采用自适应差分进化(differential evolution,DE)算法求解模型,通过数值算例验证模型和算法的有效性。与基本DE算法和基本蚁群算法的求解结果进行对比,自适应DE算法的求解结果更优,收敛速度更快。求得的帕累托解集表明配送总成本与交付产品平均新鲜度相悖,增加少量的配送成本可以使交付产品的平均新鲜度得到大幅提升。对易腐食品保质期、时间窗宽度和车辆装载量进行灵敏度分析,为企业在不同配送情景下在配送总成本与交付产品的平均新鲜度之间的权衡提供参考。     

基于栅格地图的分层式机器人路径规划算法

采用分层规划的思想,给出一种基于栅格地图的最优路径规划算法. 分层路径规划算法的第1层为拓扑层规划,采用Voronoi图起泡生成算法描述全局可行域的拓扑关系; 第2层采用广义水平集算法,解决拓扑层的最优路径搜索问题; 第3层为栅格层的路径再规划. 在栅格层借鉴窄带水平集的思想,通过拓宽拓扑路径,得到一个机器人安全通行的窄带区域,并在此区域实行局部快速匹配算法,改善了拓扑路径,提高了算法的效率,并提高规划的实时性.     

带有时间窗的车辆路径问题优化

为提高物流配送质量,在以传统的车辆配送行驶成本最小化为目标的基础上,兼顾顾客的满意度(配送及时性)和车辆数目最小化目标,建立优化的多目标带有时间窗的车辆路径问题(Ve-hicle Routeing Problem with Time Windows,VRPTW)模型.引用国际公认的车辆路径问题库中的数据作为算例,对3个目标函数都进行标幺化处理后,运用遗传算法进行求解,最终得出模型解的运算结果和时间都在理想范围之内,表明新模型是有效可行的.该模型的建立有助于有效地解决带有时间窗的车辆路径问题,不仅能够提高物流工作效率,而且能够为城市交通质量的提高提供保障.     

基于QPSO方法的足球机器人路径规划

提出了一种基于量子粒子群优化算法(QPSO)的足球机器人路径规划方法。为适应QPSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子(即解)的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。与PSO算法的对比仿真实验表明,该算法在足球机器人路径规划方面是可行的、有效的。     

基于改进粒子群的BP神经网络WSN数据融合算法

针对无线传感器网络（WSN）数据融合算法中传统反向传播（BP）神经网络收敛速度慢、对初值敏感和易陷入局部最优解的问题,提出基于改进粒子群的BP神经网络WSN数据融合算法（BSO-BP）。用天牛须搜索（BAS）算法对粒子群算法进行改进,利用改进后的粒子群算法优化BP神经网络权值和阈值,引入WSN数据融合中,簇首节点通过优化训练后的BP神经网络对采集数据进行特征提取,将融合后的数据发送至汇聚节点。仿真实验表明,BSO-BP算法能有效地提高融合精度和收敛速度,减少冗余数据传输,延长网络生命周期。相较于传统BP数据融合算法和PSO-BP算法,BSO-BP算法减少了至少11%的平均相对误差和13.89%的均方根误差。     

基于Dijkstra算法的两点间多目标最优路径问题建模和优化

配送在物流系统中扮演着重要的角色,是物流顺利实施的根本保障.在信息技术高速发展的今天,设计高效实用的物流配送算法为物流配送系统实现合理路径运输,从而节约运输时间、减少运输费用,提高现代物流系统效率和降低成本非常必要.借鉴已有的数学模型,建立城市配送中心两点间的多目标最优路径问题模型,并在此基础上借助运筹学路网中的最短路径算法和前k条简单路径的算法对此模型给出三种算法.最后选择一种较为理想的算法利用C 语言编写了程序,在DevC 编译器上进行了编译和调试后,程序在三个目标权值下成功地给出了九条路径,并把这九条路径的各个目标权值列成表格以备分析.程序给出了较为理想的结果.     

基于粒子GT算法的最短避障路径规划的研究

在对求解TSP问题的GT算法进行了细致分析和对比了TSP问题与避障路径规划问题的异同点之后,引入粒子计算和“基因库”概念,对GT算法进行了改造,并将其用于求解避障路径规划问题．实验表明,该算法能够应用于求解避障路径规划问题,并在一定程度上提高了演化算法的效率．     

多源单汇无线传感器网络的局部路由算法

无线传感器网络节点有着严格的能量限制,目前已有的许多路由协议假定了节点知道网络的全局信息或者让节点根据路由表进行路由。这些方式均会使网络产生较多的通信负荷,增大能量开销。结合多源单汇路由的特点,本文提出了几种局部路由算法。该算法中,节点仅根据目标节点与邻居节点的地理位置、剩余能量等信息,决定下一跳节点,最终建立到达目的节点的路径。本文首次引入了带约束后跳发射的思想,并将这种后跳发射与已有的算法相结合得到新的后跳路由算法。计算机仿真实验表明,在有数据融合的网络中,带约束的后跳－为难度路由算法使得网络的生存时间最长,较其余算法增加了网络11%和14%的工作周期数。最后又将局部路由算法进行合理改进,得到最小化平均为难度的算法,应用于无数据融合的网络中,效果很好。     

需求不确定的车辆路径鲁棒优化模型

基于顾客需求不确定可能造成确定性条件下最优路径的不可行性,采用鲁棒优化模型解决需求不确定的、有容量限制的车辆路径问题.分析并证明了需求分别属于凸集合和盒子集合两种有界集合下的鲁棒优化模型.建立偏差系数比较鲁棒优化模型和确定性模型的目标函数值.通过实例说明,虽然鲁棒优化模型的最优目标函数值高于确定性模型的,但是能有效保证路径在需求波动下的可行性,模型可行.     

基于改进快速行进法的水面无人船全局路径规划

为解决将快速行进法用于水面无人船(unmanned surface vehicle, USV)全局路径规划所得路径安全性低和复杂度高的问题,对快速行进法进行改进。为提高所规划路径的安全性,设置障碍物时间场函数使USV能远距离避障。为降低所规划路径的复杂度,设置梯度拐点评价函数使USV转向次数减少。通过MATLAB分别对改进快速行进法与传统快速行进法、快速行进平方法进行对比分析,仿真结果验证了本文所提算法的可行性和有效性。     

802.11s无线Mesh网络中协作多样性感知的路由度量和协作路由协议

提出了802.11s无线Mesh网络中协作多样性感知的路由度量,并提出了适应无线Mesh网络特点的协作式路由协议(CDARP)与协作媒体访问控制协议(CMAC).通过构建协作虚拟节点、计算协作链路度量,CDARP-CMAC能够选择最合理的路径进行协作数据传输.实验结果表明,与最优路径的协作机制相比,CDARP-CMAC协议提高了网络有效吞吐量5%~13%;同时降低了数据包丢包率5%~10%.     

多级物流节点选址问题建模与求解

为解决多级物流网络节点的选址问题,提出与现实中企业多元化经营范围相应的多级物流节点选址优化模型.该方法将物流节点选址问题转化为函数最小值求最优解问题;将多级网络按照节点层数分割成若干个3级规划模型;将每层的上一层级假设成供应商点,下一层级假设为客户点;用并行遗传算法,通过循环求解3级规划模型最优解,得出整个物流网络规划方案的最优决策.物流节点选址实例应用和仿真分析表明,该方法具有较强的可操作性和广泛的适用性,对优化物流节点以及类似设施选址具有一定的指导意义和参考价值.     

动态雾计算网络中基于在线学习的任务卸载算法

任务卸载是雾计算的主要技术之一,即计算能力不足的节点将任务卸载给具有富余资源的节点帮助计算。以优化任务平均卸载时延和提升卸载服务成功率为目标,利用多臂老虎机理论为动态雾计算网络提出一种基于在线学习的任务卸载算法,可实时做出最优卸载决策。将该算法扩展到非稳定网络状态,使之可以动态追踪网络中节点的资源与环境变化,实时调整卸载决策。详细分析所提出算法的性能、复杂度和存储占用情况。仿真结果表明,这两种算法可达到的长期平均任务卸载时延均十分接近理想算法下的最优时延,卸载服务成功率也得到显著提升。此外,所提算法在非稳定的网络状态下能够追踪到计算资源与环境的变化。     

基于人工势场法的自治水下机器人路径规划

为解决自治水下机器人(Autonomous Underwater Vehicle, AUV)的路径规划问题,规划动态人工势场技术路径.在传统人工势场方法的数学模型和仿真试验的基础上,提出1种改进的势场函数,在二维空间中对水下机器人进行数学建模.在Matlab中针对动态障碍物、静态目标物的动态水下环境进行仿真试验.结果表明,运用该技术可以达到良好的效果.