水下机器人最优逃生线路规划研究与仿真

水下机器人最优逃生路线规划方法在海洋资源探测方面发挥巨大作用;水下环境较为复杂,机器人在逃生过程中规划逃生路线需要考虑复杂的水下环境,建立过多的约束条件;传统的机器人路径规划模型应用到水下时,会导致建模较慢,规划耗时;为了避免上述缺陷,提出基于贪婪遗传算法的水下机器人最优逃生线路规划方法;将自适应遗传算法与贪婪算法相结合,针对水下机器人最优逃生路线规划问题求解,获取最合理的逃生线路,保证水下机器人的安全运行;实验结果表明,利用改进算法进行水下机器人最优逃生路线规划,能够在大量的逃生路线中选取满足逃生约束条件的最优路线,缩短逃生时间,保证逃生效率,最终保证水下机器人的安全逃生。     

粒子群算法的物流配送路径优化研究

研究物流配送路径优化问题,物流配送路径优化要找到一条配送车辆少,路径总长度最短的最优配送路线,并具有配送快速性。传统算法搜索最优路线时间长,难以找到最优配送路线,导致物流配送成本高。为了提高快速找到物流配送路径最优配送路线,提高物流服务质量,提出一种粒子群算法的物流配送路径优化方法。首先根据物流配送路径问题的数学模型,然后全局搜索速度快的粒子群算法对模型进行求解,找到物流最优配送路线,最后通过具体实例进行仿真测试,结果表明,粒子群算法不仅能够快速找到物流配送路径最优配送路线,同时获得的路长总长度最短,有效降低物流配送成本。     

基于SOM的物流配送路径优化方法研究

合理的配送路线可以提高物流配送的效率,利用SOM网络训练过程中能够保持神经元空间拓扑特性的特点求解物流配送的最优路径.在SOM网络中以任意配送节点的坐标作为输入层,以2倍于配送节点的序列为输出层.训练时,每次从路径节点中随机选取一个节点作为输入层,通过训练保证输出层的某个点与该输入点的距离最短,最终使得每个配送节点在输出层上都有与之最近的节点相对应,给出了求解最优路径的步骤,并分别针时不同的配送节点进行实验.结果表明,基于SOM最优路径算法能够以较快的收敛速度得到最优解.     

基于优先队列的时变网络最短路径算法

提出了基于优先队列的时变网络最短路径算法,能克服传统最短路径算法难以对时变网络求解最短路径的缺陷。提出的时间窗选择策略能够在算法求解过程中为节点选择合适的时间窗以降低路径长度,从而求得精确解。进一步地,算法使用了优先队列组织节点集合以提高计算效率。在随机生成的网络数据以及美国道路数据上的实验表明,基于优先队列的时变网络最短路径算法与经典方法相比,不仅能够求得精确解,运算速度也有所提高。     

基于Dijkstra算法的矿井最佳避灾路线分类求取

为使矿井避灾路线有更好的适用性,探讨了矿井面临不同类型灾害危险时最佳避灾路线分类求取方法。根据不同灾变的特点,将矿井灾害分为突水灾害,煤与瓦斯突出、瓦斯或煤尘爆炸、矿井火灾,冒顶事故三大类;绘制三类灾害的可行避灾路线拓扑图,并计算各条巷道的当量长度;将巷道当量长度作为可行路线各边的权值代入拓扑图中,用最短路径算法Dijkstra算法求解各拓扑图对应的最佳避灾路线。分析结果表明,基于Dijkstra算法的矿井最佳避灾路线分类求取方法扩大了避灾路线的选取范围,在避灾人员较多时,可使巷道系统的通行能力得以充分发挥。     

基于遗传算法的最短路径的计算

交通系统中的最优路径算法等同于图论中的最短路径算法,根据不同的具体要求可以是长度最短或行驶时间最短。由于问题的特征、网络特性等的纷繁复杂最短路径算法表现出多样性。除了经典的方法外,近年来出现的模拟退火、Tabu搜索和遗传算法等在优化问题中获得了广泛的应用,本文主要讨论了用改进的遗传算法求解最短路径的方法。     

基于改进蚁群算法的交通最优路径方法研究

针对日益复杂的交通网络,提出了一种基于改进蚁群算法的交通路径最优方法,首先根据图论的思想构建了城市交通网络模型,结合层次分析法考虑了道路长度、交叉口停滞、交通拥挤、道路容量、天气状况等5个主要因素;然后在MATLAB平台下,采用改进的蚁群算法对静态交通网络和动态交通网络分别进行最短路径的求解,最后进行了对比分析;研究结果表明,在综合考虑以上5种因素的情况下,动态交通网络下的路径最优算法能为出行者找到更准确更便捷的路线。     

水下机器人最优逃生线路规划研究与仿真

在水下机器人的逃生路线规划设计中,由于深海条件十分复杂,水下机器人在遇到各种险情逃生路线规划存在避障难题。传统的水下机器人逃生路线规划算法因受到海水连续波动问题,导致水下机器人速度和位置出现较大的扰动,摆脱路径规划结果存在较大偏差。为保障水下机器人作业安全,提出一种基于神经优化网络及遗传算法的水下机器人视觉最优逃生的线路规划,把机器人视觉仪器采集复杂障碍特征,归一化到视觉信息,融入规划模型中进行最佳路径的选择,将机器人摆脱复杂障碍以及最短路径的要求融合成一个适应度函数,通过遗传算法搜索获取最佳机器人逃生线路。仿真结果说明,神经网络优化遗传算法对于危险复杂海下情况,水下机器人最优逃生线路规划长度以及效率都优于传统模型。     

应用于地质调查的最短路径寻路算法

地质调查往往需要大量的野外勘测活动,如何最小化其成本开销是地质调查统筹工作研究的热点之一。本文提出一种用于地质调查勘测的最优野外路线选择算法,旨在使用现代计算机技术和地理信息技术提高地质调查统筹工作的效率。首先对地物地貌对人员运动的影响建立数学模型,建立抽象化分析基础,然后采用最短路径算法计算起始点与终点之间成本最低的最优路径。设计并实现算法对应的最优路线求解系统。实验结果表明,设计的最短路径寻路算法正确,具有较好的扩展性。     

包交换网络中运用神经网络优化路径技术

互联网络中寻找最优路由是最广泛研究的一个课题,如何找到两个节点之间的最优路径却一直是包交换互联网络中的一个难题。本文提出了一种基于神经网络技术寻找最优路径的方法,通过调整神经元权值解决寻找最优路径问题,经过反向传播算法求解最优路径。通过运用本文算法测试表明,本文提出的算法计算简单,收敛速度快,适合在以包交换作为路由算法获得最优路径的研究中使用。可以尽管目前已经建立了最短路径算法,技术人员仍然在不断研究其他更优的路径选择方法,神经网络技术正是其中可选方法之一。     

路径节点驱动的低代价最短路径树算法

Dijkstra算法是一个优秀的最短路径求解算法,同时也产生一棵最短路径树SPT(shortest path tree);该算法在网络计算与优化中得到了广泛的应用.为了对最短路径树进行代价优化,提出了路径节点驱动的思想.基于这种思想设计了路径节点驱动的最低代价最短路径树算法LCSPT(least-cost shortest path tree algorithm).通过LCSPT算法一个正计算节点能够最大化与当前最短路径树中的路径共享,因而进一步优化SPT树代价性能,生成高性能的SPT树.作为算法的重要组成部分,使用数学归纳法证明了算法的正确性;从理论上分析了LCSPT算法的代价性能,以及和同类算法相比如何取得最小代价性能;同时,对其时间复杂度和空间复杂度进行了分析.最后通过3个仿真实验验证了该算法在构建SPT时的正确性和其最小代价最短路径树特性.     

基于双粒子群算法的矿井搜救机器人路径规划

针对在复杂地形中标准的粒子群算法用于矿井搜救机器人路径规划存在迭代速度慢和求解精度低的问题,提出了一种基于双粒子群算法的矿井搜救机器人路径规划方法。首先将障碍物膨胀化处理为规则化多边形,以此建立环境模型,再以改进双粒子群算法作为路径寻优算法,当传感器检测到搜救机器人正前方一定距离内有障碍物时,开始运行双改进粒子群算法:改进学习因子的粒子群算法(CPSO)粒子步长大,适用于相对开阔地带寻找路径,而添加动态速度权重的粒子群算法(PPSO)粒子步长小,擅长在障碍物形状复杂多变地带寻找路径;然后评估2种粒子群算法得到的路径是否符合避障条件,若均符合避障条件,则选取最短路径作为最终路径;最后得到矿井搜救机器人在整个路况模型中的最优行驶路径。仿真结果表明,通过改进学习因子和添加动态速度权重提高了粒子群算法的收敛速度,降低了最优解波动幅度,改进的双粒子群算法能够与路径规划模型有效结合,在复杂路段能够寻找到最优路径,提高了路径规划成功率,缩短了路径长度。     

一种基于桶结构的单源最短路径算法

以单源最短路径为主的最优路径问题是众多社会应用领域内选择最优问题的基础。本文分析了不同实现技术求解单源最短路径问题的算法,结合基于标记设定的Dijkstra算法和基于标记修正的BFM算法的思想,提出了一种基于桶结构的单源最短路径算法。实验结果表明,该算法与前两种算法相比,具有好的运行时间复杂度和可并行性。     

最短路径距离矩阵修正的多维标度定位算法

为了减小最短路径距离矩阵与欧氏距离矩阵之间的差异,提高MDS-MAP(C)算法的节点定位精度,提出一种改进的多维标度节点定位算法.该算法对MDS-MAP(C)算法进行了以下改进:采用启发式的搜索策略对最短路径距离矩阵进行修正,以减少最短路径距离矩阵与实际的欧氏距离矩阵之间的误差;利用smacof算法迭代误差函数代替SVD分解来求解节点的定位问题,以优化和改善节点定位的求解过程.实验结果表明,与MDS-MAP(C)算法相比,改进算法能够减少最短路径距离的误差,有效提高节点的定位精度,并且对不规则网络具有更好的适应性.     

网络最短路径的一种更新策略

求解最短路径问题被广泛用于求解现实中的搜索相关问题。然而现实瞬息万变,一个连通网络的节点常常发生变动,而一旦发生改变,传统算法必须再次计算从源点到各节点的最短路径。然而虽然节点发生了变动,可是最短路径却未必全部发生了改变,这就造成了不必要的浪费。鉴于此提出一种基于Dijkstra算法的最短路更新策略,将Dijkstra算法做了改进,使其不必重新计算也能在连通图发生改变的时候更新最短路径。     

无线传感器网络路径寻优的仿真研究

研究无线传感器网络路径寻优问题.针对无线传感器网络路径寻优同时涉及到数据传输路径的长度、传感器节点能量以及整个网络的能量均量均衡,传统的数学模型对其进行求解存在求解时间长,速度慢,得到的路径并非最优,导致网络的能量不均衡,网络生命周期短.为了快速找到传感器网络最优路径,提出一种传感器路径混合寻优方法.算法首先利用遗传算法进行全局寻优,使网络最优路径稳定地分布在解空间区域,然后采用禁忌算法进行网络路径局部寻优,最后找到无线传感器最优路径.仿真结果表明,混合算法能快速找到无线传感器网络最优路径,且消耗的能量最少,有效实现了网络负载均衡,延长了网络的生命周期.     

游戏引擎最短路径搜索优化遗传算法设计

为满足游戏地图中最短路径搜索求解, 提出了一种优化的自适应遗传算法。该算法采用与游戏地图中节点数和弧段数相关联的节点复杂度算子, 结合种群的整体情况和进化潜力来设定自适应遗传算法的交叉率和变异率。实验表明, 该算法避免了搜索结果陷入局部最优解, 确保最短路径的搜索成功率及提高搜索速度, 在游戏引擎设计中具有一定的实用价值。     

用于求解井下最短逃生路径问题的离散萤火虫算法

针对煤矿井下避灾路线最短路径求解问题,提出了一种新的离散萤火虫算法。该算法通过采用转移概率方法初始化萤火虫个体,并提出一种新的有效编码和解码方式,重新定义萤火虫的空间距离、最大荧光亮度和相对荧光亮度等,使得萤火虫个体的状态可表示为一条从起点到目标点的有效路径。为增加解的多样性及防止计算结果陷入局部最优解,以一定概率对萤火虫代表的路径执行扰动操作,经过多次迭代计算后,可得到所要求解的最短路径。实验结果表明,该算法在种群规模较小、迭代次数较少的情况下可以收敛到最优解,具有较强的收敛性和灵活性,可用于求解任何实际的最短路径问题。     

有向赋权网络中任意节点对的最短路径集求解方法

有向赋权网络任意节点对之间的最短路径可能多于一条,运用Floyd算法对已知加权交互网络的最短路径进行求解,对获得最短路径后的每一个节点对,向其中插入已知交互网络中的其余所有节点,并计算此时的节点对之间的路径,通过与前次Floyd算法计算出的最短路径进行比较,筛选出构成最短路径的所有中间节点,并构建路径支撑树,基于路径支撑树确定任意节点对的最短路径集.     

基于WebGIS的公交导乘最佳路径算法

公交网络最优路径查询功能是智能公交系统的重要组成部分,求解公交网络最优路径是进行公交系统规划的一项关键技术.通过分析乘客出行选择公交线路所考虑的因素,提出了公交导乘最佳路径算法.在引入公交导乘网络数学描述的基础上,给出了公交导乘最少换乘算法.然后以换乘次数最少、出行距离最短为约束条件,对最短路径算法(Dijkstra算法)进行改进,得出综合考虑路径长度和换乘的最佳公交导乘算法.在深圳市公交网络测试应用的结果表明此算法可行、高效.