共查询到20条相似文献，搜索用时 15 毫秒
1.
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。 相似文献
2.
3.
蚁群算法是一种求解复杂组合优化问题的启发式算法,但收敛速度慢且搜索时盲目性大。在协作学习模式中为了进行合理分组和提升学生的协作学习能力,提出了一种在外加信息素的干扰下改进型的蚁群算法,并实现两者的有效融合。实验结果表明,蚁群优化在学生的协作学习中表现出较强的优越性,能较好地求解非线问题,并能达到全局最优的解。 相似文献
4.
5.
6.
伊力哈木·亚尔买买提 《科技通报》2013,(9)
针对传统蚁群算法在维吾尔文字图像分割时容易产生缺陷和干扰的缺点,提出了一种改进的蚁群算法。该算法首先利用区域蚁群通过聚类中心对图像进行初步搜索和分割;然后再引入边界蚁群通过不同的路径选择信息素和策略更新手法来对图像进行边界补偿搜索;最后利用两种蚁群分别采用不同的路径选择信息素和筻略更新,共同实现对维吾尔文字图像精确分割的目标。实验结果表明,该算法准确分割出维吾尔文字区域,提高了其识别精度。 相似文献
7.
8.
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。 相似文献
9.
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。 相似文献
10.
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。 相似文献
11.
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。 相似文献
12.
13.
14.
15.
16.
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。 相似文献
17.
《科技通报》2015,(10)
对私有云计算平台上资源最优路径匹配,实现对资源的有效调度和检测,提高资源共享能力。传统算法采用云平台的资源置换算法实现云资源目标匹配,受限于机器学习技术自身的复杂性,性能不好。提出一种基于委托管理节点角色量化合成的私有云计算平台上资源最优搜索路径匹配算法。构建私有云计算平台终端数据访问和资源调度模型,根据贪心算法的收缩原则,在资源访问管理中引入互斥锁机制以保证资源共享操作的完整性,路径匹配有向图模型,提高资源路径匹配搜索能力。以全局度量为中心节点,计算逆向追踪搜索频度,实现算法优化。仿真实验结果表明,采用该算法进行私有云计算平台上资源最优路径匹配优化,能有效提高私有云平台上的资源路径匹配准确度,从而提高资源搜索成功率,实现资源优化共享,展示优越的适用价值。 相似文献
18.
蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法但是开始的时候信息素缺乏,收敛速度慢一直是蚁群算法的不足。针对该问题,提出加权蚁群算法,它利用传统蚁群算法最优路径的特点,对每个城市分别加权,然后从比较离散的点开始进行寻优。节省了在不可能构成最优路径上的计算时间,提高了运算速度。计算机仿真结果表明,该文算法改进了标准蚁群算法的效率和计算结果的质量。 相似文献
19.
蚁群算法是一种新型高效的启发式优化算法,在解决优化组合问题特别是TSP求解问题上具有很高效率.本文在分析了蚁群算法的基本原理和工作机制的基础上,从信息素的更新改进实现对节点重复率的控制,并通过仿真实验实现相关参数的最优选择.实验证明,改进算法可以有效地减少蚂蚁行走的盲目性,提高了蚁群算法在迭代过程中更新TSP最优解的能力. 相似文献
20.
根据蚁群算法和模拟退火算法的特点,提出了一种基于目标函数梯度的模拟退火蚁群混合算法。该算法充分考虑了目标函数的梯度,当目标函数的梯度过小时,加强当前最优解对应的信息素,使算法快速收敛;当目标函数的梯度过大时,引入回火策略以提高解的质量。将基于目标函数梯度的模拟退火蚁群混合算法用于旅行商问题,结果表明,与常规模拟退火蚁群算法相比,改进算法的收敛速度和解的质量均有一定程度的改善。 相似文献