基于遗传蚁群动态融合的地面自主作战 机器人路径规划

在机器人路径规划与避障算法中,遗传算法具有快速全局搜索能力,但是没有利用系统中反馈的信息。蚁群算法具有很好的信息反馈性,但是由于初期信息素匮乏导致求解速度较慢,易陷入局部最优。提出了一种动态融合的方法,在算法初期通过遗传算法生成蚁群算法的初始信息素分布,后期采取蚁群算法动态融合遗传算子的方法。通过路径规划仿真及实验分析,该动态融合算法不仅提高了收敛速度,而且改善了蚁群算法易陷入局部最优的问题;同时引入了动态避障策略,从而达到了更好的路径规划效果。     

基于改进蚁群算法的无人机2 维航路规划

针对传统蚁群算法在无人机3 维航路规划中存在搜索时间长、容易陷入局部最优解的问题,提出一种蚁 群算法的改进策略。将固定翼无人机的性能约束条件作为待扩展节点是否可行的判断条件,减小计算量和算法搜索 时间;对航路点的高度规划采用直接设定策略,将3 维航路规划问题简化为2 维航路规划问题,减小算法的复杂性; 改进全局信息素更新规则和安全启发因子,解决了局部最优解和威胁源规避问题。仿真结果表明：改进蚁群算法与 传统蚁群算法相比,能够有效规划出一条从起点到终点的飞行航路,具有更高的有效性和实用性。     

基于改进蚁群算法的战时雷达器材运输调度模型

针对战时雷达器材运输中的有硬时间窗要求的运输调度问题,提出了一种改进的蚁群算法。通过分析其模型的建立,引入最大最小信息素约束,用奖惩因子用于信息素的更新,局部搜索策略2-opt和or—opt。并通过实例进行验证,结果表明,在雷达器材需求点数目和需求量等各种条件已知的情况下,该算法能得到较好的全局最优解,比基本蚁群算法具有更快的收敛速度和更高的收敛精度,并对其它相关的运输调度问题有很强的借鉴意义。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

战时通信装备备件配送模型

针对战时通信装备备件抢修,建立了带硬时间窗的战时通信装备备件多目标优化配送数学模型,并用蚁群算法对问题进行了求解。算法设计中,为解决模型求解中蚁群算法存在早熟、收敛性差等问题,引入伪随机规则调整状态转移概率;利用时变函数更新信息素强度。实验结果表明,该算法能得到较好的全局最优解,验证了模型的有效性。     

基于微分进化-蚁群优化算法的潜航器航路规划

航路规划是包括新型巡航鱼雷和诱饵、远程布雷系统等潜航器完成指定任务的关键技术之一;为了解决蚁群优化算法在航路规划时存在的容易陷入局部最优、收敛速度慢等问题,引入了微分进化原理,对蚁群优化算法进行了改进,提出了微分进化-蚁群优化混合算法;该算法将微分进化的随机偏差扰动产生新个体的思想融入到蚁群优化算法中,对蚁群算法的信息素进行优化;最后以潜航器航路规划问题为实例,对改进后的混合算法进行了仿真研究;结果表明:提出的混合算法不仅能够得到更好的解,还能显著地提高算法的收敛速度。     

基于蚁群算法的多连接查询优化问题研究

介绍了蚁群算法在数据库查询中的应用,在给出蚁群算法的基本原理和程序流程的基础上,对传统蚁群算法进行了改进,将伪随机状态转移规则和局部信息素更新规则引入蚁群算法,提出了基于蚁群系统解决数据库多连接查询优化的方法,建立了多连接查询优化问题的数学模型,并进行了相关的实验;结果表明：当数据库的表数目较多时,基于蚁群系统算法对解决多连接查询优化问题有良好的求解性能,在求最优解品质和求最优解时间上都有较好的效果。     

混合智能算法求解火力规划问题的编程实现

针对火力规划问题(WTA),提出了一种新的混合智能算法,该算法在传统蚁群算法的基础上融入遗传算法与粒子群算法,通过添加初始信息素与蚂蚁的经验信息,缩短了寻找最优解的时间,提高了计算效率。利用MATLAB对算法编程实现,通过程序展示算法理论,最后求解简单的火力规划模型,对比传统智能算法与混合智能算法的计算过程,结果证明了混合智能算法求解WTA问题的正确性与高效性,与传统蚁群算法、遗传算法相比,它能够较明显地缩短最优解出现的时间。     

遗传-蚁群算法在目标分配问题中的应用研究

针对传统算法很难满足大型水面舰艇编队防空武器的武器目标分配(weapon target assignment,WTA)问题,提出一种将遗传算法融入蚁群算法的混合算法。分析了遗传算法和蚁群算法的优缺点、利用遗传算法快速全局随机搜索能力生成一组粗略解,用其作为蚁群算法的初始信息素,再利用蚁群算法的并行性、正反馈机制,最后求得最优解,并对遗传-蚁群算法与蚁群算法、遗传算法这3种方法进行仿真比较。分析结果证明:遗传-蚁群算法用更少的时间获得最优的火力分配方案,缩短了武器系统反应时间,在求解质量方面有较大优势。     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

改进蚁群算法优化的密集装配路径规划

为提高密集装配工艺作业效率,针对其装配工艺建立数学模型,得到装配过程中的多目标路径规划问题。 根据轮盘赌原则对蚁群算法进行改进,克服了算法容易陷入局部最优解问题并对装配轨迹进行优化。结果表明：该 规划探索出密集装配工艺的最优路径,提高了装配工艺效率。     

基于元胞蚂蚁算法的防空靶机航路规划研究

防空靶机飞行航路设计是实现靶机有效控制,确保高效完成供靶任务的保障。通过对靶机三维航路规划模型进行分析,给出了元胞蚂蚁算法的航路规划模型的求解方法及算法实现的具体流程,并分别应用蚁群算法和元胞蚂蚁算法进行仿真实验。结果表明:元胞蚂蚁算法克服了蚁群算法收敛速度慢、陷于局部最小值的缺陷,可得到较优的航路。     

海军装备保障物资战时运输路径优化方法

为优化装备保障物资运输路径,提出一种结合弗洛伊德算法与蚁群算法相结合的新方法.通过模拟目前我国海军装备物资储备仓库与海军部队的位置,结合在战时出现的状况,从装备调度指挥员的角度出发,根据运输道路的路况采用等效距离代替实际距离的方法,采用弗洛伊德算法与蚁群算法对等效距离进行优化.实例检验结果表明:该方法能大大简化运算,最大程度上减少蚁群算法容易陷入局部最优的危害,解决了运输道路遭到敌人破坏情况下路径的优化问题.     

基于改进蚁群算法的软件测试方法

为了降低软件的测试成本,提高软件测试效率,提出一种基于改进蚁群算法的软件测试方法.将Markov决策模型应用到软件测试过程当中,采用测试用例约简技术对测试用例集进行简化,利用贪心算法求得的较优解增强蚁群算法初始时刻信息素,通过改进的蚁群算法求得最优解,并进行仿真分析.仿真结果表明:改进的测试方法比采用基本蚁群算法的测试方法求得解更优,说明改进的测试方法可以使搜索时间更短,并可降低软件的测试成本.     

基于蚁群算法的空间目标地基监视重调度

为解决空间目标地基监视中的资源故障或因天气、供电导致的资源失效等对调度的干扰问题,在扰动度量的基础上提出一种基于扰动邻域搜索的蚁群算法.建立以失败需求综合优先级最小和扰动最小为目标的重调度模型,算法中采用2个信息素矩阵来产生一个可行解,通过邻域搜索在可行解的扰动邻域内对其进行局部优化,再用蚁群算法进行全局寻优.仿真实验结果表明:该算法是有效、可行的,能在可接受时间内收敛,且其解的质量相对启发式方法有明显提升.