共查询到19条相似文献,搜索用时 78 毫秒
1.
2.
从以往的研究资料中可以了解到,智能机器人路径规划是机器人研究领域中的一项重要分支,同时也是智能机器人用以执行各种指令的基础条件。在研究智能机器人的路径规划过程中,遇到了诸如易陷入局部最优等问题,进而提出应用改进蚁群算法来改善这一状况,并且取得了良好的实效。本文就针对改进蚁群算法支撑下的智能机器人路径规划的相关研究内容做以论述,以期为推进机器人研究提供有益的理论素材。 相似文献
3.
现代建筑设计趋于多样化,内部结构和功能越来越复杂,而传统疏散系统逃生指示方向固定、人员疏散时间较长,火灾发生时,不能够及时改变指示方向,易将逃生人员导向危险区域,威胁被困人员生命安全。该文提出了一种Dijkstra-ACO混合路径动态规划算法,在Dijkstra算法获得全局最优路径的基础上再采用蚁群优化(ACO)算法对每个节点进一步优化以获取最优路径,并节省算法运行时间。通过实验仿真验证了混合算法的有效性,能够根据起火点动态规划疏散路径,及时调整疏散指示方向,为火场中人员疏散逃生赢得宝贵时间。
相似文献4.
5.
为保证火灾现场人员能够快速安全疏散,在利用火灾探测系统得到火源位置信息的基础上,利用数据库技术对建筑节点、通道的静态和动态属性进行存储,并结合在建筑物空间结构模型的基础上,利用已改进的蚁群算法,找出人员疏散的最优路径,并将其通过智能指示灯动态显示方向,室外工作人员依据可视化界面显示的可行路径进行实时、快速调度,将该层平面图、疏散路径信息发送给事故现场人员。实验结果表明,该方法可使被困人员快速找到安全出口,有效减少人员和财产损失。 相似文献
6.
本文针对在低空城市环境下物流无人机运输路径的规划问题,首先利用栅格法对城市环境进行三维模型的构建,综合无人机自身各项约束条件,利用蚁群算法建立无人机路径优化模型。蚁群算法作为用于解决局部最优问题的方法之一,一直被广泛应用于路径规划问题。相较于传统的蚁群算法,本实验通过对残留信息量的改进使信息素在更新时,其正反馈的过程能够迅速扩大初始的差异,引导整个系统向最优解的方向进化。并引入估价函数,代价函数,启发式函数,在考虑路径优化的同时进一步计算无人机运输途中的能耗,使其更具实际意义。结果表明:改进后的蚁群算法在规划路径的路径点数、时间规划、能源消耗方面均有明显减少。证明了改进策略具有实用价值,在无人机路径规划方面具有一定的实用价值。 相似文献
7.
8.
本文提出了基于改进蚁群算法的移动机器人动态路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,提出了根据目标点自适应调整启发函数,提高算法的收敛速度;借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优.其次为了优化改进蚁群算法的性能,提出用粒子群算法对改进蚁群算法的重要参数进行优化选择.最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验,实验结果证明了该方法的可行性和有效性. 相似文献
9.
从本质来看,蚁群算法是一种专门用以解决复杂优化问题的科学方法,在很多领域都涉及到蚁群算法。在蚁群算法的支撑下,打开了智能机器人项目研究领域的一扇大门,令智能机器人在设计好的路径指令下能够完成简单的行进任务。文章就针对蚁群算法影响下的智能机器人路径规划的相关内容做以阐述,以期为职能机器人项目的研究提供有益的借鉴。 相似文献
10.
11.
12.
13.
电力系统的机组优化组合问题是其短期运行方案的核心,因为它可以带来巨大的经济效益,所以一直是现代电力系统优化任务中的主要部分。文中建立的数学模型可以用来模拟机组优化组合问题,在此基础上又介绍了蚁群算法的基本原理,并提出用蚁群算法解决这个问题的想法思路。 相似文献
14.
15.
通过引入变异机制和3种不同策略对蚁群算法进行了改进来提高收敛速度和寻找更优解,以满足对车辆路径规划的求解,其目标是实现车辆的路径规划,使得汽车总的行驶路程最短和所需汽车的数量最少。仿真实验表明,引入变异机制的蚁群算法能够有效地解决带有容量限制的车辆路径规划问题,提高了物流配送效率。 相似文献
16.
蚁群算法收敛性验证系统的研究与实现 总被引:1,自引:0,他引:1
蚁群算法是一种新型的仿生优化算法,具有较强的鲁棒性、优良的分布式机制、并行性以及正反馈等特点。目前蚁群算法已涉及众多应用领域,在解决复杂优化问题上具有较多优越性。文中深入研究了蚁群算法的性能及机制,分析了参数对算法性能的影响。在理论研究的基础上,实现了蚁群算法的仿真实验;通过Java绘图界面形象完整地展现出整个收敛的过程,验证了蚁群算法的收敛性;通过对参数的调试、组合,得到了最佳的收敛效果。该系统的实现对今后收敛性的研究打下了基础。 相似文献
17.
18.