基于改进的Floyd算法求节点间所有最短路径

网络节点间的最短路径可能不止一条.首先运用加速的Floyd算法得到最短路径长度矩阵;然后根据最短路径长度矩阵构造各个节点的到达距离矩阵,用来与最短路径长度矩阵进行对比;最后得到每个节点的后继节点,进而得到所有最短路径.计算机仿真验证了该算法的高效性.     

一种基于蚁群算法和非线性长度的多约束路由算法

在分析了多种路由算法的基础上,设计了一种基于蚁群算法的多约束路由算法。该算法采用了非线性路径长度,通过蚂蚁的周游获得长度更短的多约束路径。仿真表明,该算法在最短路径获取和路由发现成功率方面都有高效的表现。     

矩阵迭代和Dijkstra两种算法在交通运输路径选择中的对比

本文基于矩阵迭代算法及Dijkstra算法,对两者在最短路径问题中的差异性进行了对比。结果表明:Dijkstra算法可一次求得一点到其他各点的最小阻抗,该算法在进行最短路径的计算时,需要对相邻点进行反复搜寻,计算效率较低,收敛速度较慢。矩阵迭代算法没有严格路径次序限制迭代顺序,可实现算法并行计算,计算速度较高。在阻抗矩阵为对称矩阵时,在经过迭代后,得到的矩阵仍为对称矩阵,这样可使每次迭代的计算量得到减少。通过在重庆市路网上随机选取8个终点及起点,对起始点1点到8点的最短路径及阻抗进行计算表明,Dijkstra算法所用时间为0.673s,迭代矩阵算法所用时间为0.501s,矩阵迭代算法的计算速度更快。在矩阵4×4、6×6、8×8中,矩阵迭代算法的运算时间均比Dijkstra算法的运算时间要小,其迭代次数次数也远远小于Dijkstra算法的迭代次数,这进一步表明,矩阵迭代算法的计算效率要比Dijkstra算法的计算效率高。     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

Dijkstra算法在物流配送中的应用研究

配送运输是物流系统中最重要的组成部分之一,正是通过配送运输,配送中心才得以最终完成货物从商户到用户的转移。由于配送中心每次配送活动一般都面对多个非固定用户,并且这些用户坐落地点各不相同,所以对于它们的配送路线十分重要。迪杰斯特拉算法是典型最短路径算法,用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。算法能得出物流配送中最短路径的最优解。     

机器人避障问题

本文主要研究了机器人在一个区域内按照一定的行走规则避开该区域内的十二个障碍物,由出发点到达目标点的最短路径和最短时间路径的问题。首先分析得到行走路径由圆弧和与那些圆弧相切的直线组成。然后将路径中遇到的拐点分解为一个或者两个的情况,并给出了各种情况下路径距离以及切点坐标的求法。最后针对不同的目标点分别建立模型并计算出最短路径距离以及途中直线和圆弧的起点、终点坐标。在此基础上,建立非线形规划模型,利用LINGO求出的最短时间路径。     

基于Dijkstra算法的卷积码译码算法

卷积码的一般译码算法是齐头并进式的Viterbi算法。本文提出一种基于Dijkstra算法的一马当先式的卷积码译码算法,该算法利用Dijkstra扩散式最短路径算法,得出从开始时刻最先到达结束时刻的最短路径,从而译出发射码,由栅格图最终译出原码。相对于Viterbi算法,该算法实现简单,复杂度与卷积码约束长度无关。     

基于稳定分支的变权网络最优路径算法

有向网络的最短路问题在交通、通讯系统的最优传输路径中有重要应用.在通常的模型中,每条弧的权是给定的.但在实际问题中,弧的权会发生变化,例如在交通拥堵时运行时间会变长.如果当权发生变化时,要重新调用最短路算法,则浪费计算时间.本文提出最短路稳定性的概念,给出了关于最短路长度稳定、最优解稳定与稳定分支的命题与理论证明,在此基础上给出一种新的变权网络最短路径算法,利用权发生变化前的信息,减少计算量,提高计算效率.通过模拟实验验证了该算法的有效性.     

基于粒子群优化算法的机器人路径规划

文章提出一种机器人路径规划的有效算法,为机器人找到一条从起点到终点最短的无碰撞路径,主要是优化了粒子群的惯性权重,然而其在不同的阶段采用不同的权重值。通过实验发现,改进后粒子群能够收敛得更快,数据收敛得更精确。     

蚁群算法在智能配电网中的研究与实现

深入介绍了蚁群算法在配电网的数学模型的建立,在搜索算法中首先确定的是权值,在配电网中权值是由无功消耗、线路重要性、线路长度和线路成本来确定的.通过权值分析了蚂蚁从原点到终点的搜索模型,蚂蚁在游程中会释放信息素,权值大的说明支路最短,蚂蚁释放的信息素也会增多,最后通过蚂蚁在反复游程中释放信息素的多少会寻找到最优解或者次优解的最优路径.把蚁群算法应用在配电网中能够有效的搜索出最优解或次优解,大量的减少了最优解的搜索时间.     

机器人避障中最短路径的算法研究及应用

基于机器人在平面区域运动的避障问题,通过单一障碍物路径长度设计算法,利用MATLAB软件进行分别计算,综合比较得出机器人从区域起点到达目标点的避障最短路径。     

群智优化路径技术在风景园林规划设计中的运用

风景园林规划设计过程中计算机辅助技术起到了越来越大的作用,特别是在园林道路路径设计方面,有效的最短路径规划可以提升游客的体验。因此,提出一种基于群智优化的dijkstra最短路径规划算法。首先基于风景园林应用创建环境地图;然后对典型的dijkstra最短路径算法进行分析;最后采用群智优化对dijkstra最短路径算法进行改进,并给出信息素浓度更新的方法。仿真测试结果表明,相比传统dijkstra算法,提出的群智优化算法的路径长度更小,可以有效满足园林道路规划的需求。     

公交查询中的应用最短路径算法分析的探索

很多城市由于历史等方面的原因，都有着不同程度的道路体系问题。往往造成公交网络愈来愈复杂化，给很多相关行动造成不便。本文通过对“最短路径”这一概念的算法加以分析，指出传统的最短路径算法已经不适合如今的公交查询，并提出对公交查询的更加切实可行的最短路径算法。     

一种有效的两端线网布线方法

提出了一种基于计算几何学的面向两端线网的布线算法.对于给定的布线平面,该算法首先根据障碍情况构造了包含最短路径信息的强连接图,然后引入绕障碍长度作为参数,以决定搜索走向,算法保证能找到最短布线路径,并使其时空复杂度得到了极大的改善.     

传感器区域中基于网格的穿越轨迹算法研究

采用网格技术,并结合标签设定路由机制,提出一种搜索目标穿越轨迹的数值近似优化算法。该算法可使智能目标在起点至终点的轨迹长度不大于约束阈值的前提下实现近似最优穿越。分析和试验结果表明,算法能有效的搜索到满足约束条件的近似最佳轨迹,同时可以通过增加网格阶数来提高轨迹精确度。     

利用卫星定位数据计算红外探测系统的作用距离

介绍了一种根据卫星定位数据给出的经纬度信息,计算两点之间直线长度距离和最短弧线长度距离的方法。红外探测系统与目标之间的作用距离是一条直线的长度。根据两者的经纬度信息可以算出它们之间的距离。当红外探测系统与目标中有一方在运动(例如地对空、空对地)或者两方都在运动(例如空对空)时,使用该方法或可计算出红外探测系统的作用距离。     

基于视野域的快速动态路径规划

针对目前蚁群算法在路径规划策略中存在的易陷入凹陷、迭代时间长、转角多、避碰时等待时间长等缺点，提出了一种基于视野域的动态快速路径规划的蚁群算法。首先，采用栅格填充法对建立的栅格图中复杂形状障碍物存在的过多凹陷进行填充；其次，采用改进的负反馈的蚁群算法来减少蚁群在无法找到有效终点方向的后续搜索；再次，模拟给蚂蚁加上视觉以便在特定区域搜索而减少过多的转折点，从而更快速地找出最优路径。同时，在行走过程中若存在障碍物动态变化，则结合动态窗口算法重新规划局部的最优路径。实验表明采用该规划算法可使路径长度减少11%，转角和行走时间减少45.4%和32.3%。所以该智能算法能够为机器在动态环境的自主规划与导航中提供一种可行的解决方法。     

求解时间窗口网络中前k条最短路径的方法

在一个时间窗口网络中寻找前k条最短路径是一项具有挑战性的任务.在时间窗口网络中，一个节点可能只有在某些特定的时间窗口内才能通行.现有的研究大都假设运动体可以立即通过可通行节点，或者在暂不可通行节点处等待直到未来时间窗口的开始时刻才通过.本文针对一个更一般的时间窗口情况，其中运动体一旦到达节点，可以选择在节点的时间窗口中的任何离散时刻通过该节点.本文将这样的时间窗口网络称为拓展时间窗口网络，其解空间大小和复杂程度都显著增加.通过模拟水面上的自然涟漪扩散现象，本文提出了一种有效的涟漪扩散算法，用于求解拓展时间窗口网络中的前k条最短路径.除了一对一问题之外，涟漪扩散算法（ripple spreading algorithm，RSA）还扩展到一对多问题.在一对多问题中，需要找到从给定起点到网络中的每个其他节点的所有前k条最短路径.新方法具有最优性的理论保证，其计算复杂度仅为O（k×N_ATU×N_L），其中N_L是网络中链接的数量，N_ATU是涟漪通过链接平均所需的仿真时间单位数.实验结果证明了RSA的有效性.     

基于改进粒子群算法的二维相位解缠方法

相位解缠是干涉合成孔径雷达(InSAR)干涉数据处理的关键步骤之一,枝切法作为一种经典的相位解缠算法在相位解缠过程中,建立的枝切线长度越短相位的解缠效果越好,枝切线该如何建立至关重要。在旅行商问题(TSP)理论求解最短路径的思想下,一种利用粒子群优化算法建立最短枝切线的方法被提出,该方法在基本粒子群优化算法中引入变异算子对粒子群算法容易陷入局部收敛的缺陷进行了改进。相对于Goldstein枝切法而言,该方法能够更有效的缩短枝切线的长度,避免解缠过程中"孤岛现象"的发生。通过仿真和实测数据验证了该方法的可行性与有效性。     

基于可视化试验的Exp-Geo算法

全局最短路径是组合优化的经典问题之一。求解最小Steiner树的可视化试验成功的在给定节点中间生成了Steiner点,但当给定节点数目增多且呈不规则分布时,试验方法形成薄膜路径困难并且不稳定。针对试验的不足,文中构建了Exp-Geo算法。在给定点数目增多时,采用该算法能够在给定节点之间生成Steiner点,得到全局最短路径,弥补试验的不足。经过多次试验、计算、对比分析,证明该算法能在多点系统中找到系统全局最短路径,为可视化试验的推广奠定了基础。