我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

基于T-ACO算法的旅行商问题求解优化研究 下载：52 浏览：396

费腾1 赵斌2 黄俊东1 刘泽田1 《软件工程研究》 2020年4期

摘要:
为了有效求解旅行商问题,本文提出了一种基于T分布的改进蚁群算法。针对基本蚁群算法易陷入局部最优、寻优精度低等缺陷,在优化过程中,在信息素更新原则上,引入T分布,有益于基本蚁群算法弥补其不足。在基本蚁群算法中增加了信息素的突变,使得蚂蚁群的多样性提高,从而跳出局部最优的限制。与此同时,T-ACO算法在旅行商问题搜寻精度与收敛速度方面也得到了提高。对T-ACO求解旅行商问题的性能进行了实验仿真,实验分析表明,T-ACO算法有更好的寻优能力。

动态环境下基于改进蚁群算法的移动机器人路径规划 下载：22 浏览：357

王娇娇 毛剑琳 《信息通信与技术》 2019年11期

摘要:
针对同时具有静态和动态障碍物的复杂环境下机器人路径规划问题，提出一种基于改进蚁群算法(ACA)的路径规划方法。文章所述的方法由两部分组成，分别为全局和局部预测避障路径规划。首先，在传统ACA上调整转移概率，加入精英策略以解决路径规划时易陷入局部最优的问题。其次，针对上述改进ACA在动态障碍物环境中适应性低的弊端，通过加入滚动窗口指导移动机器人在栅格环境中避开动态障碍物，仿真结果表明所述方法具有可行性。

基于遗传算法和二进制蚁群算法的DV-Hop定位算法的优化 下载：12 浏览：417

林凤德1 陈佳品1 丁凯2 李振波1 《传感器研究》 2019年2期

摘要:
无线传感器网络(WSN)是一种由节点组成的无线自组织网络,在很多领域中有广泛的使用。节点定位是无线传感器网络中最重要的部分,使用无测距定位算法中传统的DV-Hop算法来定位误差较大。为了提高DV-Hop算法的精确度,提出了一种基于遗传算法和二进制蚁群算法来改进DVHop定位算法。遗传算法中利用了线性交叉和非均匀变异算子在种群中进行搜索,在此基础上,采用二进制蚁群算法进行进一步的搜索,而后比较适应度函数来保留较优的个体,从而产生了新一代种群。二进制蚁群算法中使得每只蚂蚁的智能化比较低,每条路径对应的存储空间相对较小,显著提高了计算效率。仿真的结果表明,提出的算法比传统的DV-Hop算法、基于遗传算法的DV-Hop算法有更快的收敛速度和更高的定位精度。

基于ACO算法和Bezier曲线优化的巡航导弹航路规划 下载：58 浏览：472

史岩1 张立华1 董受全2 王珏3 《建模与系统仿真》 2020年1期

摘要:
在巡航导弹低空突防前提下,针对蚁群算法规划的导弹航路存在转向点个数较多和转向角度较大的问题,提出一种基于蚁群算法和Bezier曲线优化的三维航路规划方法。将蚁群算法生成的路径节点作为生成Bezier曲线航路的控制点,将曲线航路分段形成折线化航路。采用广度优先搜索算法对航路生成中出现的不可航行路段进行微调处理,得到可行的规划航路。仿真结果表明:生成的航路兼顾了随机搜索全局优化的同时,避免了大角度转向,缩减了飞行航程和转向点个数,保证了巡航导弹飞行过程中的连续稳定。

一种改进蚁群算法的移动机器人快速路径规划算法研究 下载：77 浏览：471

谭会生1 廖雯2 贺迅宇3 《动力技术研究》 2019年6期

摘要:
以Dijkstra算法求解移动机器人路径规划(mobile robot path planning,MRPP)问题已得到广泛的应用,但在复杂工况下无法保证求解的正确性和全局最优性.而基于蚁群算法的移动机器人路径规划模型,在一定条件下能可靠地获得全局最优解,但存在求解时间过长的问题.因此,提出一种结合Dijkstra算法和蚁群算法模型两者优势求解MRPP问题的融合优化方法,以实现在短时间内获得全局最优解的目标.首先,应用Dijkstra快速算法在机器人工作环境中粗略寻迹得到最短路径次优解,然后,在次优解路径附近进行工作环境的精确划分;最后,利用蚁群算法在次优解附近精确寻迹,使最终的寻迹结果无限逼近最短路径.仿真结果表明,该融合优化方法既克服了经典蚁群算法求解时间过长的缺点,又能无限逼近全局最优解,寻迹时间较蚁群算法可缩短90%以上.

基于蚁群算法的变电站巡检机器人路径优化研究 下载：61 浏览：353

刘煊琨1 刘红兵1 王瑾2 《电气学报》 2019年3期

摘要:
针对变电站巡检路径优化问题,将蚁群算法应用于变电站巡检机器人导航中;因该算法要求路径随机可变,机器人的导航控制采用激光导航方式。对蚁群算法的数学模型进行分析并仿真,进一步验证了通过该算法能够满足巡检路径的优化并找到最优路径。

一种基于改进蚁群算法的载人潜水器全局路径规划 下载：58 浏览：486

史先鹏1,2 解方宇2 《海洋研究》 2020年5期

摘要:
当前关于使用蚁群算法解决载人潜水器路径规划问题的研究,往往只注重路径的长度和算法收敛速度,容易忽略路径点与障碍物之间的距离和路径的平滑度等要素。载人潜水器过于靠近障碍物航行时容易产生碰撞;按照不平滑路径行驶时,频繁地转向会降低航行效率。为解决这些问题,受人工势场法启发,文中在蚁群算法的概率选择环节引入障碍物惩罚因子φ和转向惩罚因子ψ,对路径点的选择加以限制。仿真测试表明,相比于传统蚁群算法和Dijkstra算法,该算法规划的路径与障碍物之间保持安全距离且转向次数更少,因此载人潜水器按照此路径航行时,安全性和航行效率更高。

非线性Hammerstein模型的生物优化辨识 下载：53 浏览：446

李俊晖 石守东 林卫星 汪睿琪 《天线研究》 2018年1期

摘要:
在现代工业生产领域中,非线性系统的辨识一直是研究人员研究的重点对象。针对输入非线性Hammerstein模型,本文提出了运用生物优化算法中的蚁群算法(ACO)、杂交粒子群算法(HPSO)对非线性系统进行辨识。讨论了ACO、HPSO的基本算法与参数初值的设置与选择方法。通过研究各算法的辨识效果、精度、以及鲁棒性,说明:杂交粒子群、蚁群算法都是参数设置少、编程易实现,辨识精度高,鲁棒性较好的一类算法,在解决实际问题时,有很高的利用价值。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享