基于蚁群优化算法的虚拟火灾逃生路径优化

为了解决在火灾逃生路径优化问题中一般传统优化算法不考虑优化对象本身特征,不能动态更新算法策略,导致路径优化有效性低的问题,通过Pyrosim软件动态模拟火灾情况并输出环境参数,选用智能优化算法中的蚁群优化算法。通过改进当量长度代替算法中的几何长度,改进目标函数,对信息素挥发系数R按火场环境进行动态更新。模拟仿真了火灾发展3个时期的路径优化,验证了该算法程序的有效性和收敛性,提高了路径优化的有效性。     

基于改进蚁群算法的机器人路径规划方案研究

蚁群算法是机器人路径规划中的经典算法之一,在二维静态环境中,传统蚁群算法在机器人路径规划中还存在一些缺点,如算法收敛较慢、容易陷入局部最优并可能导致算法停滞等。针对这些缺陷,对传统蚁群算法提出相应改进,引入自适应启发式因子、拐点个数等参数,并采用不同启发式因子对随机概率进行更新。使用Matlab对改进前后算法的收敛速度、避障寻径和最短路径长度等进行对比分析。结果显示,改进后的算法较传统算法不仅可以使机器人有效避开所有障碍物,而且能够高效寻找到最短路径,在很大程度上避免了算法陷入局部最优。     

基于改进蚁群算法的TSP问题研究

蚁群算法作为解决TSP中组合优化问题方案,其搜索路径能力较其它算法优异,但传统蚁群算法的选取策略较随机,导致进化速度慢。为了优化传统蚁群算法速度较慢、过早收敛以致停滞现象,针对概率选取公式随机搜索下一节点,以延缓其收敛速度。对信息素调节公式进行更新以提高蚁群的搜索能力。实验结果表明,改进算法在最短路径、平均路径和搜索最短路径时间上较蚁群算法提高很大,改进的蚁群算法能有效提高算法的收敛速度和搜索能力。     

基于改进蚁群算法快速求解迷宫路径问题研究

针对传统蚁群算法收敛速度慢、搜索时间长、易陷入局部最优等缺点,在其基础上重新定义信息素更新方式。在搜索路径上进行选择优化处理,对搜索出的最短路径做平滑优化处理,使其能快速有效地搜索出最优路径。在解决迷宫路径问题上对传统蚁群算法进行了改进。仿真实验对比表明,改进后的蚁群算法在求解时间和距离上都远优于传统蚁群算法,能快速有效地求得问题的最优解,使解决二维路径问题得到进一步优化。     

基于蚁群算法及层次分析法的旅行优化方案

采用蚁群算法对各目标旅游城市之间的线路进行优化,制定最短路径;应用层次分析法,建立层次结构图,对各方案进行排序,在不同方案中选择适当的交通工具。根据建立的模型,确定最短路径以及合理的交通工具,最终给出旅游的最优方案,为出行提供有价值的参考。     

基于YOLOX-Swin的高效建筑火灾烟雾检测和疏散模拟方法（英文）

为了实现高效的建筑火灾应急救援疏散,分析了将目标检测技术应用于建筑火灾应急处置的可能性.将目标检测算法应用于火灾预警阶段,将Transformer、卷积神经网络CNN和轻量级注意力机制模块CBAM相结合,对火焰和烟雾局部和全局特征进行提取,提高目标检测算法的精度并实现对火灾发生位置的快速定位.提出一种用于路径搜索的改进的蚁群算法,对启发函数和信息素挥发系数进行改进.在案例中,建立栅格图模型,结合定位信息,通过仿真模拟的方式验证方法的有效性.结果表明：相比与YOLOX算法,YOLOX-Swin模型平均精度提高1.5%;改进蚁群算法降低了传统蚁群算法的搜索范围,提高模型的收敛速度,有效避免了模型陷入局部最优解的困境.将火灾预警和火灾人员疏散相结合,建立完整的建筑火灾应急处置方案.     

基于改进蚁群算法的AGV全局路径规划

目的:针对传统蚁群算法存在易陷入局部最优值、前期盲目搜索和收敛速度慢等问题,提出一种改进算法并应用于AGV(Automated Guided Vehicles)全局路径规划。方法:通过优化状态转移概率以及信息素更新方法完成对传统蚁群算法的改进;然后建立环境地图模型,并将改进算法应用于AGV路径规划;最后进行对比试验,并分析算法的改进效果。结果:与现有算法比较,改进算法可更快获得更短的规划路径长度,同时可有效减少算法迭代次数。结论:通过优化状态转移概率和信息素更新方法,可有效加快蚁群算法的收敛速度,增强蚁群全局搜索能力。     

蚁群算法在复杂地形下的路径规划应用

路径规划问题是计算机领域内的经典问题,可以描述为已知起始点以及环境信息,确定一条从起始点到目标点的线路。一般来说,所规划的路径必须满足距离最短或代价最小的目标。研究了存在障碍物的三维空间的最短路径规划,提出采用蚁群算法解决这一问题。     

基于蚁群算法的旅游路线优化方案

在传统旅游路径规划中,通常将问题抽象成旅行商问题（TSP）进行讨论,该方法仅考虑消耗时间最短的路径,忽视了景点当前热度、拥挤程度等诸多影响旅客旅游体验的因素。为了给旅客带来更好的旅游体验,综合考虑上述因素,对蚁群算法作出改进。改进后算法以交通时间更短、导向旅游体验好的景点为目标函数,根据各景点当前热度、拥挤度及景点与景点间路径交通状况对景区内各路径赋以合理的权重,从而规划出合理路径。实验结果表明,改进后的蚁群算法可综合考虑更多影响旅客旅游体验的因素,从而使规划出的旅游路径为旅客带来更良好的旅游体验。     

长度递增法求最短路径

图论中的最短路径问题在计算机技术中应用广泛。求最短路径的方法常用的是由Dijkstra提出的按路径长度递增的次序产生最短路径。此算法用表格计算更为简单。     

列车用送餐机器人路径规划研究及软件设计

研究列车环境下送餐机器人路径规划与软件控制方案,为更好地满足实际需求,提出一种改进的蚁群算法,以加快收敛速度、缩短路径长度及减少转弯次数。实验中根据当前环境构建栅格图,通过编写的路径规划程序计算起始位置到目标位置的路径,完成当前环境下的路径规划。上位机软件平台采用C#语言编写,主要包括运动控制、订单管理、通讯传输等功能。实验结果表明,与基本蚁群算法相比,改进蚁群算法具有更好的规划效果,上位机软件平台与下位机可以实现有效的数据交换,并实现对送餐机器人的运动控制及系统管理等功能。     

WSN中基于蚁群算法的单向链路路由算法

提出了一种无线传感器网络中基于蚁群算法的单向链路路由算法,该算法采用单向链路和双向链路相结合的方法,寻找源节点到目的节点的最优路径。仿真结果表明,该算法能够选择参数性能好的路径,最优路径上的总时延远远小于只支持双向链路的传统蚁群算法,而且最优路径的收敛速度明显加快,由此节省了无线传感器网络中的能耗。     

基于改进蚁群算法的 AGV 路径规划研究

近年来,自动导引机器人（AGV）一直是研究的热点问题,其中复杂路径规划为研究重点。为了更好地规划机器人路径,提出一种改进蚁群算法,该算法在传统蚁群算法基础上充分利用了 MMAS 算法的特点。首 先,构建网格环境模型,引入算法概率函数和抑制因子,通过改变算法的启发式信息,加快算法收敛速度|其次,引入回退机制解决死锁问题,再将 MMAS 蚂蚁系统转化为局部扩散信息素,只有迭代试验的最优解才能加入到信息素更新中|最后,有效限制信息素浓度,避免发生搜索路径过早收敛现象。仿真实验结果表明,改进蚁群算法与传统蚁群算法相比,迭代次数减少 45.6%,时间缩短 46.2%,改进蚁群算法收敛速度更快、效率更高。     

基于蚁群算法的医用服务机器人路径规划方法

机器人路径规划问题是机器人学的一个重要研究领域，主要研究机器人依据某个或某些优化原则，在其工作空间中找到一条从起始点到目标点的能避开障碍物的最优路径。国内外学者对此作过大量的研究，主要采用的方法有局部的人工势场法(Artificial Potential Field)和遗传算法(cene     

利用加权法改进的蚁群算法在车载导航中的应用

设计一种专门适用于路径规划的改进蚁群算法,利用图论中的加权图的方法来表示交通网络,通过对蚁群算法加以改进,从距离和时间两个方面来综合考虑最优路径标准.而非传统的仅从距离角度来考虑.结果表明：改进的算法在距离和时间综合方面比传统的方法更优化.为实际车载导航系统中最优路径规划问题的解决提供了一种新方法.     

基于核心路由器的蚂蚁算法在大规模网络中的应用

蚂蚁算法在大规模网络寻找最优路径速度较慢,无法对最优路径进行数据流量控制。本文提出基于核心路由器的蚂蚁算法,通过从网络的各个核心路由器出发并行寻找最优路径,可以加快寻找最优路径的速度,并且能根据网络状况自动分流数据,这样可以保证网络的服务质量。     

具有势场启发因子的蚁群路径规划仿真

移动机器人路径规划是目前实验教学中学生最为感兴趣的创新实验项目之一。为在程序运行的不同阶段让蚁群算法和人工势场法发挥各自优势,利用人工势场法对蚁群算法进行了改进,引入势场启发因子,使改进后算法能够较为快速地规划出一条较优的全局路径,并在实验室环境下对改进算法进行了仿真分析与验证。该实验项目有效地训炼了学生的编程能力和培养了创新思维。     

机器人路径规划算法研究

在机器人设计中,路径规划是最基础也是最重要的因素之一,故对其算法研究尤为重要。利用传统路径规划算法与智能路径规划算法求解机器人路径规划问题,对智能算法、蚁群算法与遗传算法进行了MATLAB仿真,验证了蚁群算法与遗传算法求解路径规划问题的可行性。     

基于蚁群系统算法的地图全遍历路径规划

清扫机器人进行全遍历路径规划要求机器人能够遍历环境中所有的可清扫区域,因此提出一种基于蚁群系统算法的地图全遍历路径规划算法。使用搭载单线激光雷达传感器的机器人进行环境建图,对每个栅格赋予不同概率值反映环境状态信息;采用 Boustrophedon 细胞分解方法将栅格地图划分为若干相邻子模块,并让机器人从起始点开始遍历所有子模块后再回到起始位姿。为了提高各子模块之间的衔接效率,引入蚁群系统算法实现机器人在到达每个子模块的起始位姿后,对每个子模块进行高效的区域全覆盖。实验结果表明,该算法相比传统生成树算法,清扫覆盖率达到了 96%,清扫效率提高了两倍。     

物流配送路径中蚁群算法改进策略

蚁群算法是求解物流配送最佳路径的有效仿生模拟方法,但存在早熟、停滞、局部最优等缺陷。文章从蚁群算法的数学本质出发,提出将单纯蚁群算法与爬山算法、混沌理论、K-均值聚类算法相结合等几种有效的改进策略,使得改进后的蚁群算法具有更多优越性。