可达集约束下的自主车辆路径规划势场蚁群算法

针对目前路径规划算法不能覆盖车辆所有不确定的状态而导致安全性低的问题,提出了以后向可达集为约束的自主车辆最优路径规划算法。即后向可达集的变化范围作为势场蚁群算法的约束条件,在多车辆道路交通环境下,利用后向可达集不同安全区域信息素浓度不同,且越靠近危险区域信息素浓度越低的特点,给出了自主车辆最优路径建模方法,并且从理论上保证了该算法安全性的置信水平。仿真表明,该方法不仅提高了传统势场蚁群算法的安全性,同时也可以推算自主车辆轨迹跟踪的过程中安全状态的可达范围,预测自主车辆未来一段时间间隔内安全状态。     

蚁群算法在煤炭配送路径中的应用

针对多配送中心煤炭车辆调度问题的复杂性,建立该问题的数学模型并提出合理假设和约束条件,以缩短配送路径降低配送成本为目标构造该问题的目标函数。文章结合实例应用蚁群算法对煤炭配送路径进行优化降低运输成本,通过实验验证了蚁群算法在煤炭配送路径优化问题的有效性。     

基于聚类的混合多目标遗传算法在车辆路径问题中的应用

建立了有时间窗口的车辆路径问题多目标优化模型,提出了一种基于聚类的混合多目标优化遗传算法。该算法采用并列选择方法,用擂台赛法则构造非支配集,并用聚类方法缩小非支配集,避免了求解非凸解的困难,提高了遗传算法搜索速度及避免了＂早熟＂等不足。实验结果表明,该算法为解决车辆数不确定的时间窗车辆路径问题提供了一个较为有效的求解方法。     

人工免疫多目标进化算法在动态车辆路径优化中的应用

建立了动态车辆路径优化问题的数学模型,提出了一种基于聚集密度的人工免疫多目标进化算法。该算法首先计算群体中每个个体的聚集密度,再根据目标函数值和聚集密度定义一个偏序集,然后采用比例选择原则依次从偏序集中选择个体,更新精英集。实验结果表明,该算法是解决动态车辆路径问题的有效方法。     

基于改进蚁群算法的带时间窗的多目标车辆调度研究

蚁群算法是模仿蚂蚁寻找路径的一种智能化启发武算法.带时间窗的车辆路径问题(VSPTW)是在基本的车辆路径问题(VSP)上增加了时间窗约束条件的一种变化形式,是一个典型的NP难问题.通过采用一种改进的路径构建方法和信息素更新策略,构造一个改进的蚁群算法来求解多目标的VSPTW.与基本AS(Ant System)算法比较结果显示,该算法对于求解VSPHTW问题具有较好的性能.     

蜂群优化算法在带软时间窗的车辆路径问题中的应用

本文给出了带软时间窗的车辆路径问题的一种新的算法,蜂群算法.通过计算若干benchmark问题,并将结果与硬时间窗的目前最好解及蚁群算法的相应解作比较与分析,验证了算法的有效性.蜂群算法是刚刚起步的智能优化算法,目前国内外关于蜂群算法的文献较少,研究范围较窄,故本文不仅是拓宽蜂群算法应用范围的有效尝试,同时也给本身求解方法不多的软时间窗车辆路径问题提供了一种新解决方法.     

多信息融合迭代恢复匹配的访问路径偏移修正

在CStor云数据库访问中,细粒度云存储数据的信息特征存在个体较大差异,访问路径产生多频偏移,数据访问调度性能受限。传统方法中采用PSO局部搜索方法进行访问路径修正,搜索效率低,个体更新较慢。提出一种基于细粒度云存储数据迭代恢复匹配的云数据库访问路径偏移修正算法,以PSO多信息融合Pareto支配集为指导,构建多信息融合细粒度数据的主特征模型,采用迭代恢复匹配方法增加了局部搜索提高搜索到全局最优解的几率,实现路径偏移修正。仿真实验采用3组测试集对CStor云数据库进行访问调度和路径偏移修正,结果表明采用该算法,实现对访问路径的动态实时修正,收敛距离较小,提高了CStor云数据库访问和数据挖掘性能。     

蚁群算法优化和路径规划问题的应用研究

基于智能仿生计算的蚁群优化算法在路径规划问题中具有较好的应用前景,通过蚁群算法优化,实现机器人路径规划和应急救援的路径规划等。传统的基于蚁群算法的路径规划在信息素转换中容易导致信息丢失,产生局部收敛,提出一种基于信息素多目标Pareto支配的蚁群优化算法实现路径规划,利用信息素多目标Pareto集合序列的均匀遍历特性和逻辑差分变尺度特征,进行变尺度搜索,根据蚁群优化算法一次次地更新搜索空间,结合负反馈机制,通过蚂蚁的信息素转化进行路径分析,采用Pareto支配集记录下最优的食物源,蚁群在寻找食物过程中,避免了局部寻优和局部收敛,仿真结果表明,采用该算法进行蚁群优化后的路径规划避障效果较好,以较快的收敛速度和较少的迭代次数找到最优路径,收敛性好。     

基于随机漫步的室内驾驶路径规划研究

规划安全可靠的行驶路线是自动驾驶技术所要解决的关键问题之一。路径规划包括车身环境感知和路径轨迹生成两部分。针对车辆在室内行驶的问题,提出了基于随机漫步的室内驾驶路径规划策略。在CoppeliaSim的仿真试验结果表明,这个算法可以准确感知室内环境,并且能生成安全且高效的行驶路径。     

一种基于扩展卡尔曼滤波法的快速路状态估计算法的研究

本文提出了一种应用车牌识别系统采集数据计算路径旅行时间的方法,并将该旅行时间用于扩展卡尔曼滤波（EKF）方法对快速路多路段的状态估计结果的修正,以matlab仿真结果验证了修正后估计算法的有效性,为实际应用提供一种简便有效的状态估计方法.     

多连杆冗余移动机械臂建模与运动规划

针对人工势场路径规划的势场陷阱问题,以及平面机械臂工作空间的局限性,提出了一种冗余移动机械臂全局规划方案.该方案引入路径安全因子,通过改造势场函数,解决了人工势场法的目标不可达问题,然后采用量子遗传算法优选人工势场参数.为提高移动机械臂的定位速度与精度,使用一种新的粒子群算法解决冗余机械臂的运动学逆解问题.仿真试验表明,该方案能够有效地克服人工势场模型的缺陷,实现移动机械臂终端执行器的高精度快速定位.     

改进智能水滴算法求解混合时间窗车辆路径问题

针对多目标车辆路径问题,研究了车载量、配送里程、混合时间窗等限制约束条件下,以最小配送费用和最少配送车辆数为目标建立多目标数学模型。在分析智能水滴算法求解类似离散问题时存在的局限性基础上,运用多种方式对其进行改进,并引入遗传算法选择、交叉及重组算子提高其性能,构建出两种改进智能水滴遗传混合算法,运用Solomon标准测试算例和实际算例进行验证。比较结果显示,改进后的混合算法能够有效解决离散问题,在持续寻优能力上较传统智能水滴算法和遗传算法更优；并且竞争选择改进智能水滴遗传混合算法求解算例效果最优。     

仓储物流系统中多AGV的无冲突路径规划研究

本文针对仓储物流系统中多AGV在路径规划中的冲突问题进行了相关研究。首先在离线状态下,利用A*算法结合时间窗对AGV按照优先级顺序进行路径规划;然后,上位机在线实时监测AGV的行驶过程,当AGV发生故障导致路径冲突时,采取低优先级的AGV改变路径或者在冲突路径前等待的方法;最后,通过仿真结果表明,该方法能够有效地解决多AGV路径冲突问题,提高了系统的运行效率。     

基于改进蚁群算法的移动机器人路径规划研究

针对基本蚁群算法在机器人路径规划中盲目性大、效率低以及易陷入局部最优等缺陷,提出一种在蚁群算法中修改信息素初始值、改进全局信息素更新方式以及改进状态转移规则的移动机器人路径规划方案,在栅格环境下对移动机器人的路径规划进行仿真测试,仿真结果表明该方案能缩小最优路径的查询范围,降低发现最优路径所需的循环次数,有效提高最优路径的搜索效率,整体性能优于普通蚁群算法。     

基于多叉树Pareto最优解集的火灾扑救路径规划

提出一种基于多叉树Pareto最优解集的火灾扑救路径规划算法,对火灾现场的环境地图和火灾演化态势进行重构,实现对路径的优选,采用Pareto最优解集,构建基于多叉树Pareto最优解集的火源动态发展态势下的火灾扑救路径规划模型。实验结果表明,该模型能快速实现对火源热点的识别,并且规划路径能有效规避复杂建筑障碍物的干扰,实现对火灾扑救路径的最优选择。在动态未知环境中,对火灾扑救路径的规划和选择能达到最优,路径最短,分段较少,能有效地避免复杂建筑物的阻挡,有效节省了火灾扑救时间。     

基于自营式外卖的配送路径优化问题

近年来外卖行业迅速发展,在快消费时代引起了一股浪潮,然而随着外卖业的发展,如何提升外卖服务业的水平也成了热门话题,其中外卖配送路径的优化问题有为重要,其直接影响到了顾客体验以及配送成本。本文主要针对商家自营式外卖配送形式,立足于实际案例,通过TSP规划求解以及节约算法解决单配送车辆不考虑载重、多配送车辆考虑载重、多配送车辆考虑载重与时间窗的外卖配送路径优化问题,并对三种方案进行对比,分析其可行性进而实际解决某餐厅的外卖配送路径设计问题。     

有路径均衡和时间窗约束的MTSP问题研究

基于最少旅行商数,旅行商间的路径平衡,遍历城市的时间窗等约束条件,建立数学模型,用改进的模拟退火算法,优化多旅行商遍历路径,该算法增加了记忆因子,记住最小的局部最优点,防止程序跳过全局最优点后跳不回来。通过仿真实例验证了该算法的可行性,且符合实时性的要求。     

采用奖惩规则格栅建模的机器人避障规划算法

针对传统的蚁群算法设计机器人避障路径规划,自适应能力差,全局优化能力和搜索速度不好的问题,在传统算法的基础上,提出一种采用奖惩规则格栅建模的机器人避障规划算法。提出构建模型主体的行为规则和避障规则,通过在栅格环境中设置量子遗传进化的多个有效的行为规则,设计了信息素更新的奖惩规则,修改其路径上的信息素,改变量子本身携带的信息素,得到优化避障最小距离。最终获得了复杂环境下的最优路径。仿真实验表明采用该算法进行机器人避障路径规划,在未知复杂环境下能够快速地规划出安全的优化路径,机器人避障路径规划具有很好的自适应性,相比传统的蚁群算法,其全局优化能力和搜索速度都得到了显著提高。     

计及道路阻断的智能消防机器人路径规划策略

合理的运行路径规划对保障智能消防机器人的可靠运行意义重大。针对消防机器人路径规划问题,文章在对A-Star算法原理及动作过程进行深入分析的基础上,建立了适用于智能消防机器人的路径规划模型。之后,考虑到火灾现场存在的道路阻断问题,文章基于贪婪思想,提出了一种智能消防机器人路径修正策略。仿真结果表明,所提智能消防机器人路径规划与修正方案能够较好地解决火灾现场存在的道路阻断问题,有效提升消防机器人路径规划的合理性与可靠性。     

基于两阶段法的企业物流配送车辆路径优化

为解决企业物流配送车辆的路径优化问题,考虑了影响物流配送成本的主要因素,在此基础上建立了多目标数学模型。为改进节约算法的不足,提出了一种基于两阶段法的车辆路径优化方案,先采用节约算法求得物流配送路径优化问题的初始解,再将初始可行解转化为多旅行商问题对其改进。最后,通过实例验证了该方法可以改善配送车辆的行驶路径,达到节约配送成本的目的,对此类企业的配送业务具有一定的借鉴意义。