自适应蚁群算法

摘要： 为优化城市道路中智能车辆规划路径的长度与转折次数,本文提出一种改进的自适应蚁群算法。以栅格法对城市道路环境网格化处理,以路径最短、转折次数最少为优化目标函数,改进邻域搜索范围,将8邻域扩大为24邻域,利用启发函数更新初始信息素,动态调整信息素挥发系数,并提出返回上一步的死锁策略,最后考虑曲率限制,以三次B样条曲线法(B-spline curve)平滑优化处理。此研究表明,在随机生成的城市环境地图模型下,该算法较标准蚁群算法与自适应算法,路径长度分别缩短3.89%、8.38%,路径节点分别减少28%、24.2%,收敛次数分别减少37.5%、20%。此研究结果为城市道路智能车辆路径优化提供较好的理论依据。

摘要： 针对传统蚁群(ACO)算法在无人机航迹规划中存在的收敛速度慢、易陷入局部最优等缺点,提出了一种基于改进自适应蚁群(IAACO)算法的无人机航迹规划方法。首先,将角度导向因子引入状态转移规则中,使蚂蚁以更大的概率朝着目标点的方向前进,提高了路径的搜索效率;然后,引入启发式信息自适应调整因子平衡了算法的收敛性和全局搜索能力;最后,通过定义长度指标函数、角度指标函数,进一步建立了航迹优化的目标函数,实现了无人机航迹规划的全局优化。实验结果表明,改进后的算法收敛速度更快,生成的路径更平滑、长度更短。

摘要： 为实现公共卫生事件发生后医疗资源高效、合理的分配调度,文中设计了基于自适应蚁群算法的医疗资源应急优化调度模型。针对传统蚁群算法(ACO)存在计算速度较慢、容易早熟等缺点,提出了一种自适应蚁群算法(AACO)来对蚁群进行分组。采用了融合随机性、确定性的转移点选取策略与基于局部、全局及沟通交流的信息素更新策略,且将其应用于医疗资源应急优化调度模型的求解。算例分析结果表明,文中提出的AACO算法在收敛速度、计算精度等方面均优于传统ACO算法。所设计的医疗资源应急优化调度模型能够兼顾各应急需求点的满意度及运送时间,并在提高满意度的同时降低运输成本,进而实现对医疗资源的科学调度。

摘要： 集装箱装载瓦楞纸板问题是一个复杂组合优化问题,针对该问题,在满足基本的装载要求和约束条件下,充分利用自适应蚁群算法的强搜索能力和启发式算法对具体问题的针对性,将自适应蚁群算法和启发式算法结合,提出一种改进的自适应蚁群算法,求解出了最优装载方案.对纸板装载问题建立模型,提出目标函数并给出约束条件;根据实际情况提出启发式规则,将其与自适应蚁群算法进行结合;使用实例进行仿真验证.将仿真结果与实际情况进行对比,装载体积率明显提高,证明了该算法能够提高瓦楞纸板装载空间利用率,节省了人力,大大提高了工作效率.

摘要： 针对单云架构存在的技术不足,提出了多云架构的编排混合部署方案;构建出包括多云存储层、云软件平台、数据传递层和应用层的架构体系,在多云网络架构中,云软件平台包括数据层、控制层、数据接口层和应用层,并在网络设备的控制平面设置SDN控制器,通过VPC(Virtual Private Cloud虚拟私有云)对底层网络进行计算、分析、处理、存储和共享等;并在编排器内引入自适应蚁群算法,应用基于SDN/NFV的通讯网络实现数据重构,进而实现数据网络的集中控制和智能编排;通过试验,本研究的方法数据包整体调度时延误差短,达0.15秒.

摘要： 总结传统的二维消防疏散方式存在的问题,如疏散引导形式单一,静态的疏散引导表达等.利用BIM技术建立建筑消防疏散模型,结合自适应蚁群算法对建筑消防疏散路径进行规划,实现了建筑消防疏散路径的三维实时动态规划.案例应用表明,该方法得到的火灾疏散路径更加智能、安全.

摘要： 在传统构造算法的过程中由于采取是随机选择的方式,不仅计算的数据准确性存在一定的问题,并且容易造成计算的停滞.为了更好的优化改进该算法,人们提出了自适应蚁群算法,并且将该算法应用到求解最短路径和TSP问题当中,有效的解决了实际生活中的一些问题.本文主要就自适应蚁群算法求解最短路径和TSP问题进行讨论.

摘要： 在传统构造算法的过程中由于采取是随机选择的方式,不仅计算的数据准确性存在一定的问题,并且容易造成计算的停滞.为了更好的优化改进该算法,人们提出了自适应蚁群算法,并且将该算法应用到求解最短路径和TSP问题当中,有效的解决了实际生活中的一些问题.本文主要就自适应蚁群算法求解最短路径和TSP问题进行讨论.

摘要： 针对田间农用智能机器人路径规划问题,结合蚁群算法特点,提出一种基于自适应蚁群算法的路径规划方法,目的是在信息采集、田间巡检、果蔬采摘及作物搬运等操作中,利用所提方法为农用智能机器人搜索出一条距离最短的优化路径,确保其能沿着该优化路径顺利达到指定作物种植区,完成指定工作任务。该方法通过引入自适应调整信息素挥发系数、更改信息素更新机制和限定信息素阈值等策略,对传统蚁群算法进行了优化改进。仿真结果显示,在100 m×100 m作物种植区模型内,改进算法能有效解决农用智能机器人路径规划问题;改进算法规划的最佳路径长度较传统蚁群算法和禁忌搜索算法分别减少3.745 1 m和16.387 6 m;改进算法规划最佳路径所需程序迭代次数较传统蚁群算法和禁忌搜索算法分别减少13代和31代,结果表明,与传统蚁群算法和禁忌搜索算法相比,改进算法具有较强的全局搜索能力和较好的收敛性能。

摘要： 在设计了基于蚁群算法的虚拟企业伙伴选择模型的基础上,对蚁群算法和遗传算法进行了比较,阐述了融合的遗传算法与蚁群算法应用于伙伴选择问题的好处及必要性。在此基础上,将遗传算法与自适应蚁群算法相融合,描述了融合算法的基本原理和方法,给出了基于融合算法的虚拟企业伙伴选择模型及求解过程；数值仿真实验中,用一个实例分别对遗传算法、基本蚁群算法、自适应蚁群算法以及融合算法的伙伴选择方法进行仿真实验,并对实验结果进行分析。

摘要： 电网规划问题是一个复杂的组合优化问题。蚁群算法是用于解决组合优化问题的一种高效的启发式全局搜索技术。该文结合农村电网规划问题的特点,在基本蚁群算法的基础上,提出了通过动态调整信息素挥发因子ρ来控制其正反馈过程的自适应蚁群算法,提高了网络优化规划过程中得到全局最优解的概率和收敛速度。算例分析结果表明：自适应蚁群算法提高了电力网络优化规划过程中得到全局最优解的概率和收敛速度,在相同参数下,自适应蚁群算法的迭代次数明显减少,并验证了该方法的实效性。

摘要： 影响IP电话QoS的因素动态变化。本文采用自适应蚁群算法,通过基于目标函数值的信息量分配调整策略,自适应调整蚂蚁的搜索行为,从而有效地解决了IP电话QoSR问题。

摘要： 利用关系型数据库技术，对建筑空间网络节点和疏散通道静态属性和动态属性进行定义和描述，实现了火灾探测报警信息、路径优化自适应蚁群算法和建筑消防联动控制系统的数据传递，开发了基于火灾态势发展信息传递的人员疏散路径优化自适应蚁群算法。将该算法应用在某奥体中心网球场，进行人员疏散路径寻优和参数分析，结果表明，该算法适用于大型公共建筑物火灾时人员疏散路径优化，可以实现与消防联动控制系统高效的集成。当自适应蚁群算法中主要参数α取0.5，β取1,ρmin取0.01时，最优解和最差解的差值最小，疏散路径优化效率最高，可以很好地克服传统蚁群算法容易出现的死循环以及早熟等问题。

摘要： 本发明涉及一种基于蚁群算法的柔性生产线自适应控制系统及方法，包括基础数据模块、数据管理模块、全要素建模模块、动态仿真模块、控制模块五部分，利用物联网感知技术，针对生产过程动态事件例如设备故障、缺件、插单等，系统动态仿真模块能够通过蚁群算法引擎快速得到当前最优可执行解，然后把相关数据下发给控制模块，驱动柔性产线运行，解决航空零件多品种、变批量的柔性加工模式下的动态自适应控制问题。

摘要： 本发明公开了一种基于自适应多态融合蚁群算法的无人机航迹规划方法，其属于无人机航迹规划领域，本发明在蚁群算法中引入了多态蚁群算法，将自适应和多态蚁群算法相结合，形成了全局、局部并行搜索模式，提高了算法寻找全局最优值的能力，搜索时间缩短，收敛速度变快；本发明在传统多态蚁群算法的基础上，引入自适应并行规则和伪随机规则，并且提出状态转移规则和自适应转换概率，引入自适应信息更策略，这种方法的采用避免了搜索过程中容易陷入局部最优的问题。

摘要： 一种基于自适应动态搜索蚁群算法的低碳物流路径规划系统，包括：数据输入模块，路径规划模块，车辆选择路径时，车辆优先为转移概率最大的客户进行配送，当随机数大于固定值时，车辆优先为转移因子最大的客户进行配送；当随机数小于固定值时，采用轮盘赌法进行下一个客户点的选取；数据计算模块，更新信息素后继续进行新一轮的车辆路径规划。本申请输出物流配送车辆路径规划结果，输出最终规划路径的各项目标参数，并画出历次迭代的总目标的变化曲线和车辆路径示意图。该系统和方法能快速为物流配送车辆规划路径，同时还考虑了经济成本和环境成本，有利于物流配送企业更好得规划车辆路径。

摘要： 一种基于时空自适应双向蚁群算法的移动机器人路径规划方法，利用栅格法对移动机器人运动环境进行建模；设置初始参数，蚂蚁分别从起点和终点进行路径搜索，迭代完成后输出最优路径。在该方法中，通过设置特定初始信息素浓度，利用方向因子改进转移概率，根据迭代次数的时间信息动态调整信息素挥发因子和信息素更新策略以及根据迭代过程中的路径空间信息动态调整信息素增强系数，有效地改善了算法收敛速度和路径搜索效率。

摘要： 本发明公开了一种基于自适应改进蚁群算法的机器人路径规划方法，用于提高算法的全局寻优能力和收敛速度。包括如下步骤：建立栅格地图环境；采用Djikstra算法在地图中规划一条初始路径，提高该路径上的信息素含量，按照扩散模型进行信息素扩散；初始化参数和禁忌表，释放蚂蚁，按照改进的状态转移规则选择下一节点；更新禁忌表和路径长度，直到蚂蚁到达终点；按照改进的信息素更新公式更新信息素；输出最优路径及路径长度。本发明改进的蚁群算法用于规划复杂地图环境下移动机器人的最短路径，该方法提高了算法的收敛速度，降低路径规划时间，减少了蚂蚁搜索过程中的盲目性和随机性，减少了路径的拐点个数，提高机器人路径规划的效率。

摘要： 本发明公开了一种基于蚁群算法的声电协同网络的自适应路由系统及方法，其中系统包括：源节点，若路由表中不存在目的节点转发路径，产生一个路由请求RREQ报文并广播出去，进行寻路过程；中继节点，用于接收并转发路由请求RREQ报文；采用蚁群算法计算概率，根据概率确定传输的优先级，根据优先级转发数据，以及进行信息素更新，并更新到目的节点的本地路由表；目的节点，用于收到路由请求RREQ报文，选择最优通信路径，计算需要更新的信息素，将其写入路由应答RREP报文，然后发送路由应答RREP报文。本发明减少声学链路的跳数以及水声网络中的信令开销，帮助将传输损耗和信令开销转移到水上无线电网络，可广泛应用于跨介质异构网络领域。

摘要： 本发明涉及一种基于自适应节点优化蚁群算法的输电线路智能选线方法，包括：基于地理信息系统明确环境因素，建立递阶层次分析模型，量化各个环境因素；基于GIS栅格地图，将地理空间分成多个正方形单元组成的规则矩阵,结合递阶层次分析模型得到每个基本区域的输电线建设成本，得到路线总成本；根据路线总成本和GIS栅格地图，通过自适应节点优化蚁群算法进行智能选线，得到最优路径。相比传统的用于智能选线的蚁群算法，本发明使用的蚁群算法增加了自适应调整、局部变异以及节点优化机制，提高了算法的收敛精度和稳定性；本发明实现了新的架空电力线路自动优化布线方法，有助于自动选择最经济的路线，以建立新的线路。

摘要： 本发明公开了一种基于扩展视野自适应蚁群算法的移动机器人路径规划方法，该方法通过将蚂蚁当前视野从四个方向进行扩展，扩展后的蚂蚁视野更加广阔，可加快蚂蚁移动速度。同时在计算状态转移概率时，兼顾转角和安全距离两个因素，多因素共同控制算法中的状态转移概率。在轮盘赌选择策略中，采用参数自适应伪随机转移策略，在迭代过程中通过在不同阶段改变概率参数的值可使算法在前期提高收敛速度，在后期提高全局搜索能力。自适应信息素挥发系数在前期值较小可加快算法的全局搜索范围，随着寻找到的路径越来越短，信息素挥发系数变大，可使路径上浓度差变大，增强了蚁群的引导功能，提高了蚁群的搜索速度，使算法快速收敛。

摘要： 本发明公开了一种基于并行自适应蚁群算法的无人机覆盖路径规划方法，包括以下步骤：步骤1：对需实施覆盖路径规划的CPP区域和该区域内需要避开的NFZ区域进行栅格处理，以此创建集合VSA、集合VSN和集合NFZS；步骤2：采用Dijkstra算法对经过NFZ区域的子路径进行计算得到避障子路径，得到子路径矩阵中；步骤3：采用多个并行线程，每个线程通过SAACO算法，得到当前线程的最优解；步骤4：从多个线程的最优解中选出算法最优解；步骤5：将算法最优解转换为最优路径，得到最优规划路径。

摘要： 本发明公开了一种基于并行自适应蚁群算法的无人机覆盖路径规划方法，包括以下步骤：步骤1：对需实施覆盖路径规划的CPP区域和该区域内需要避开的NFZ区域进行栅格处理，以此创建集合VSA、集合VSN和集合NFZS；步骤2：采用Dijkstra算法对经过NFZ区域的子路径进行计算得到避障子路径，得到子路径矩阵中；步骤3：采用多个并行线程，每个线程通过SAACO算法，得到当前线程的最优解；步骤4：从多个线程的最优解中选出算法最优解；步骤5：将算法最优解转换为最优路径，得到最优规划路径。