可达集约束下的路径规划RRT算法

针对目前RRT路径规划算法存在不可达现象及安全性置信度低的问题,提出了以可达集修正约束条件的自主车辆路径规划算法。即以多车道,多车辆的复杂情况作为道路环境,使用后向可达集演变范围修正RRT算法的约束条件,采用自主车辆当前状态越靠近高等级安全区域斥力越大的思想,解决自主车辆RRT路径规划算法不可达问题,并且从理论上保证了该算法安全性的置信水平。仿真表明,该方法不仅提高了势场RRT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。     

基于改进蚁群算法移动机器人的路径规划

针对基本蚁群算法的缺点,提出了蚂蚁回退、蚂蚁相遇、带交叉点的路径交叉的改进算法.通过随机数引入和状态转移概率的应用,平衡了各路径信息素,从而有效地进免陷入局部优化,使得算法在收效速度和执行效率上得到提高.     

蚁群算法在路径规划中的应用研究

首先,在叙述蚁群算法存在的问题后,提出了本文中的基于方向夹角的蚁群算法。然后,本文用西安市交通道路网络数据对基于方向夹角的蚁群算法进行了实验。结果表明,本文中改进的蚁群算法具有寻优能力强,收敛速度快,参数设置稳定的优点。     

基于人工势场的小车机器人路径规划

研究人工势场算法,开发焊接小车机器人的路径规划设计系统,仿真实验结果表明避障路径规划设计效果良好.     

蚁群算法在自动化仓库路径规划中的应用

针对复杂工作环境中的自动化仓库路径规划和协作问题,根据蚁群算法在路径选择上可以很快找到最短路径的特征,提出运用蚁群算法,建立自动化仓库路径规划模型,并进行模拟研究,得到最短路径解,同时也进一步验证了蚁群算法的有效性和实用性。     

蚁群算法在复杂地形下的路径规划应用

研究存在障碍物的三维空间的最短路径规划,并采用蚁群算法解决这一问题。路径规划问题是计算机领域内的经典问题。它可以描述为已知起始点、c以及环境信息,并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。路径规划技术有着广泛的应用,涉及我们的生活、工作、科研和娱乐等方面。     

人工势场法在机器人避碰路径规划中的应用

利用人工势场法对机器人在特定环境中进行路径规划,并针对传统人工势场法存在的局部极小点问题,引入沿墙走行为,运用改进的人工势场法有效地克服了机器人在障碍物附近出现的反复震荡或停止不前等问题,仿真结果表明所用方法的有效性。     

一种改进的蚁群算法在机器人路径规划中的应用

随着现代化科学技术的飞速发展,高科技技术也得到了越来越广泛地应用.路径规划技术作为机器人研究和人工智能研究中一个非常重要的研究领域,对于提高机器人功能和技术层次等方面都有巨大的作用.路径规划能够有效地帮助移动机器人实现导航技术的成功运用,同时也能够较好地评判移动机器人的智能化程度.本文主要阐述了移动机器人技术中基本蚁群算法在路径规划中的应用,同时改进并优化了该种蚁群算法,通过“三步走”的方式,帮助α、β与Q实现最佳组合确定的模式,以此来显著提高机器人的稳定性以及寻优能力.     

基于细菌觅食-蚁群算法的无人车路径规划

随着目前人工智能的日渐普及,无线通信、网络传输和传感器技术等得到了长足的发展,人们对机器的自动化智能化要求越来越高。与此同时人们对无人驾驶技术需求越来越高,针对路况及各种可能会出现的异常问题缺少合理高效的路径优化,这使得对路径规划的研究有着重要的意义。对此,本文主要对现有的传统蚁群算法进行研究,同时考虑到当前传统蚁群算法的一些缺点,引用细菌觅食算法进行尝试改进,加深对这两个算法的认识,并进行归纳总结。     

蚁群算法在直升机航迹规划中的应用

本文介绍了一种蚁群算法（Ant Colony Optimization,ACO）在直升机航路规划中的应用,给出的n个目标点的坐标信息,利用蚁群算法计算出最短路径;并利用MFC生成最优路径。该方法直观、有效;经过多次的实验论证,有着较高的应用价值。     

基于蚁群算法的物流配送路径优化

物流配送路径优化是个复杂的强约束优化问题,该问题的解决对降低配送成本有重要意义。本文将近年新出现的蚁群算法应用于物流配送的路径优化问题,设计了求解物流配送路径优化问题的蚁群算法。通过对应用实例的仿真计算,结果表明该方法对物流配送路径优化是实用和有效的。为解决物流配送路径优化问题提供了一种新的随机搜索寻优的有力手段。     

基于蚁群算法的自适应路径选择方法

给出了一种基于蚁群算法的自适应路径诱导方法,阐述了蚁群在进行路径选择时的交互过程。通过蚁群的作用使得交通需求在路网中得到合理分配,使交通路网状态趋于通畅的最佳状态。     

基于蚁群算法和浏览路径的推荐算法研究

本文提出了一种结合双群觅食算法和偏好浏览路径的推荐算法。引入了蚁群算法中的挥发概念,考虑字时间变量、项目的距离变量改进了挖掘用户浏览偏爱路径的算法。在推荐阶段根据用户的浏览行为结合偏爱浏览路径,在用户每一次浏览时计算出转移概率,动态地进行推荐。该算法能够反映用户的偏好并进行有效推荐。     

基于改进蚁群算法的无线传感器网络路径优化

针对传统的无线传感器网络数据传递过程中,会出现多个数据选择同一最短路径,导致数据出现竞争,造成路径阻塞,降低无线传感器网络数据传递速度的问题,提出了基于改进蚁群算法的无线传感器网络路径优化处理方法。方法是将需要传递的数据按最短路径传输,假设传输路径堵塞,则将堵塞信息发送到初始位置,后续需要传递的数据可以选取其它的次合理路径,从而避免了传统方式的缺陷。     

基于新型蚁群算法的配电网络规划

在基本蚁群算法的基础上引入分段函数及柔性伸缩机制,对蚁群算法中转移概率的调节因子的取值以及信息素全局刷新方式加以改进,提高了蚁群算法搜索全局最优解的能力以及收敛到最优解的速度。将改进后的算法应用于配电网规划问题,通过具体的算例验证表明,在相同的情况下,新方法比基本蚁群算法在搜索全局最优解和收敛速度方面有所提高,说明了新方法的可行性与有效性。     

基于智能优化算法的车辆路径问题的研究与应用

在电子商务蓬勃发展的大环境下,物流行业已经成为推动我国经济发展的重要力量,人们对物流配送的要求也越来越高,如何科学合理地规划配送车辆的路线,实现高效率、低成本是当前学者们研究的重点。物流配送遍及生产生活的方方面面,面对日益复杂的道路环境,随着信息化水平的提升,这使得用智能计算推动物流配送模式革新有着重要意义。本文通过科学合理的方法对复杂的车辆路径问题(VRP)的衍生问题,即带时间窗的车辆路径问题和同时取送货的车辆路径问题(VRPSPDTW)进行求解,主要通过对现有的鲸鱼优化算法进行研究,针对鲸鱼算法求解问题后期种群多样性缺失的问题,引入新的收敛因子、自适应权重和Metropolis准则对其进行补足,将其应用至实际问题中,验证其可行性。     

车辆路径问题的数学模型及优化算法

通过分析交通路径的特点,给出求解车辆路径问题(VRP)的改进的蚁群算法.该算法通过引入启发因子和参数自适应调整,加速了收敛效率,改善了全局搜索能力,最终数值例子表明本文所提算法是可行的、高效的.对VRP问题有较好的求解效果。     

基于蚁群算法的多机冲突解脱技术

利用蚁群算法对于空域内复杂环境下飞行冲突进行路径规划与动态防撞的预测算法。该算法模拟蚂蚁的觅食行为,利用多组机器蚂蚁采用局部搜索策略和趋近导向函数方法完成全局最优路径搜索,可以利用虚拟蚂蚁代替飞机作碰撞的预测,理论和仿真实验结果说明在多机冲突环境中能够迅速规划出优化路径,防止飞机间的相互碰撞。     

改进的蚁群算法在物流配送路径问题中的应用

物流配送路径优化是近年来物流领域的重点研究问题.本文针对传统Dijkstra算法在处理结点数较多的应用时存在计算时间和存储空间较大的问题,提出了一种基于改进的蚁群算法的物流配送路径优化算法,构建了物流配送的优化模型,阐述了改进的蚁群算法在物流配送路径优化中的实现.实验结果表明,本算法在物流配送路径优化中是行之有效的.     

基于蚁群算法的快递派送最短路径选择

针对快递派送问题,提出了一种基于蚁群算法求解最短路径的方案。通过对旅行商问题的研究,将蚁群算法应用到快递派送问题上,解决了快递派送路线的先后顺序。结果表明,应用蚁群算法能够更好地求出快递派送的最短路径,提高了快递派送的效率。