引入变异算子的改进贪心和蚁群混合算法

为求解旅行商问题,对一种改进的2-opt和蚁群混合算法进行了改进,引入了贪心算法和变异算子,解决了算法求解过程中随着迭代次数增加,局部最优解路径上信息素浓度过高的问题,避免了算法运行后期信息素浓度与节点距离对状态转移概率计算影响度失衡的不足,增加了路径的多样性,为解决蚁群算法易收敛于局部最优解的不足提出了新的思路。最后采用差分进化算法对算法参数进行了优化。使用改进后的算法求解旅行商问题,验证了算法改进的可行性和有效性。     

基于遗传蚁群混合算法的激光切割机路径优化

激光切割机的路径优化问题是激光切割行业的一个关键问题,针对其特点将其归纳为广义旅行商问题,利用改进的遗传蚁群算法来求解该问题。算法以时间距离最短为目标函数,对轮廓切割顺序及轮廓切割起始点同时进行优化。为了让算法所得解能够快速聚集在最优解附近而又不至于陷入局部最优解,利用遗传算法快速随机的全局搜索能力来产生蚁群算法初期的信息素分布,蚁群算法采用最大最小蚂蚁算法同时在其加入变异因子。仿真结果表明取得了非常好的效果。     

多因素改进蚁群算法的路径规划EI北大核心

针对目前服务于移动机器人的全局路径规划算法求解目标单一无法应对复杂且多变的实际环境等问题,提出一种多因素改进蚁群算法。首先,提出了RGB-2D栅格法模拟移动机器人的真实地面路况环境,并针对对角障碍情形,运用邻域矩阵探索法实现障碍检测,有效提高了路径的安全性;其次,为克服传统路径规划以距离为单一指标的局限性,构建综合考虑路径安全性、颠簸性、平滑性以及路程最短性的多因子启发式函数;考虑到传统蚁群算法早期搜索的盲目性,提出了初始信息素阶梯分配原则;然后,将信息素进行分类,按优化目标叠加每条路径上的信息素,运用最大最小蚂蚁策略和信息素挥发因子自调整策略避免局部最优;最后,运用动态切点调整法平滑路径,进一步提高路线质量。仿真实验表明,改进算法在复杂环境中具有良好的适应能力,且路径综合性能指标优于对比文献算法,可为实际环境中的多因素路径规划提供有效参考。     

汽车引擎盖焊接路径的自适应混沌蚁群规划方法

为了实现汽车引擎盖焊接路径最优规划,提出了自适应混沌蚁群算法的焊接路径规划方法.建立了焊接机械臂运动学模型和引擎盖焊点路径优化模型;分析了蚁群系统算法原理,对局部信息素更新和全局信息素更新方法进行了改进;在局部信息素更新方面,以蚂蚁聚集度为路径多样性度量依据,提出了局部信息素随蚂蚁聚度自适应更新方法;在全局信息素更新方面,鉴于混沌系统的随机性和遍历性,提出了全局信息素混沌扰动更新方法,用于增加信息素分布的多样性和随机性;基于以上两点改进,提出了自适应混沌蚁群算法.经验证,全局信息素更新方法和局部信息素更新方法均能够提高算法性能,两者叠加可以更大程度改善算法性能;将自适应混沌蚁群算法应用于引擎盖焊接路径规划,得到了最短焊接路径,长度为6.2m.     

求解物流Web服务组合问题的两阶段多目标蚁群算法

针对基于QoS的物流Web服务组合优化问题,提出了两阶段多目标蚁群优化(TMACO)算法。首先,针对原始数据集中存在被支配候选服务而增加算法求解时间的问题,提出了基于Pareto支配的预优化策略;其次,针对属性权重难以确定的问题,提出了不依赖权重的信息素更新策略和启发信息策略;最后,针对基础蚁群算法容易陷入局部最优的问题,提出了懒蚂蚁策略。实验结果表明,TMACO算法具有良好性能,相对于基础蚁群算法、利用解与理想解距离来更新信息素的改进蚁群算法、遗传算法以及用支配程度作为解的个体评价的改进遗传算法,TMACO算法有更高的寻优能力,能够找到更多更优的非劣解。     

基于蚁群系统的方案组合优化设计方法

用形态学矩阵或键合图法来进行方案设计时,通常存在组合爆炸现象。介绍了用蚁群系统来解决方案设计中存在的组合优化问题。提出了广义距离的概念,并给出了功能载体知识库的建立和利用相似理论求解广义距离的方法。并用实例进行了说明和验证。     

机械臂工作路径的改进蚁群-顺序局部搜索规划

为了减少机械臂末端路径长度和关节转动角度之和，提出了改进蚁群-顺序局部搜索的路径规划策略。建立了机械臂路径规划问题模型，对机械臂关节空间节点进行了离散化。使用顺序局部搜索方法确定下一节点待选集合，依据蚁群算法原理确定优化意义下的下一路径节点。考虑到传统蚁群算法收敛慢、求解质量不高的问题，构造了局部信息素随蚂蚁聚集度自适应更新方法，进而提出了局部信息素自适应蚁群算法。经实验验证，在无障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了15.27%，关节转角和减少了0.78%。在障碍物环境下，与传统蚁群算法相比，自适应蚁群算法规划路径长度减少了3.26%，关节转角和减少了2.21%。在实物机械臂上进行验证，实验结果与仿真结果一致，验证了这里提出的路径规划方法的有效性。     

使用改进蚁群算法的AGV路径规划研究

AGV路径规划问题是AGV研究领域的一个关键技术问题。针对传统的蚁群算法耗时长,搜索效率低,容易出现次优的缺点,改进了计算基本蚁群算法启发因子的方法;提出了优胜劣汰机制以及全局信息素调整方案,合理地更新了路径规划中的信息素;利用最大最小蚂蚁系统对路径上信息素进行了限制;研究了路径规划中死锁问题的解决方法。最后给出了基于改进蚁群算法的AGV路径规划步骤并进行了仿真实验。仿真实验结果表明,在该算法作用下,AGV路径规划的搜索效率优于传统蚁群算法,且规划路径更短,提高了搜索的准确性。     

轮式机器人路径规划的改进蚁群算法CSCD

针对轮式机器人在多窟障碍地形图中的路径规划问题,为了克服基本蚁群算法的局部最优问题,提高算法的收敛速度,以及节约找寻最优路径的时间,提出了一种基于多维信息素及模糊集的改进蚁群算法。在栅格化地图上,通过模糊集将某一点距离障碍物以及接受目标的信息程度表达出来,重新更新栅格化地图,从而减少地图中搜索空间,节约搜索时间。其次把传统蚁群算法中的一维信息素改进为多维信息素,得到满足多个约束条件下的路径。通过多组仿真实验的结果表明,验证了改进算法的可行性和有效性,提高了基本蚁群算法对最优路径问题的优化性能与收敛速度。与现有算法相比较,迭代次数节约了70%左右,缩小了20%的蚁群数量。     

小生境蚁群优化及其在JSSP中的应用研究

借鉴蚁群的并行、多样化寻优活动,提出蚁群基本调度规则。为了改进优化性能,提出小生境蚁群优化策略,从信息素分布的时变性、蚂蚁更新信息素策略和信息交流突变性方面改进了基本蚁群算法,提出将小生境蚁群优化调度规则(MACO SR)用于求解车间调度问题的方法。并在MACO SR的启发函数、更新路径等环节中加入蚂蚁等待时间要素。通过求解目标函数为最小化最大加工完成时间的车间调度问题,并与基本蚁群算法、蚁群基本调度规则进行比较,证明了小生境蚁群优化调度规则能获得相当好的优化结果,具有较好的寻优性能。     

基于蚁群算法的产品拆卸序列规划研究

为了能以较高的效率求解出产品拆卸序列的方案,首先阐述了拆卸可行性信息图的概念,将产品的拆卸序列规划问题转述成对该加权有向图中具备最优值的路径搜索和寻优问题。提出了一种蚁群优化算法,并结合对产品元件的拆卸路径求解工具,以实现对产品拆卸可行性信息图的构建和对拆卸方案的搜索和寻优。蚂蚁的一条遍历路径代表了一个描述产品元件拆卸的方案;蚂蚁已经遍历过的路径上代表可行操作的节点数决定了其留下的信息素。启发式信息的求解分为两个部分,包括了确定启发式向量和求出启发式信息值,它们分别表征了方案的可行性及其优异程度。最后,通过一个实例,验证了这一方法的可行性及其计算效率。     

Concept optimization for mechanical product by using ant colony system

The aim of conceptual design is to generate the best design candidate. Concept solving in conceptual design can be viewed as a problem of combinatorial optimization, in which there exists a “combinational explosion” phenomenon when using the traditional morphological matrix method to tackle it. In this research, a concept optimization problem is studied based on an Ant Colony System (ACS). By analyzing the similarity between concept solving and Traveling Salesman Problem (TSP), concept solving is transformed into a problem of optimal path in combinatorial optimization, where the dynamic programming based solution space model and the longest path based optimization model are developed. Then, the ant algorithm to resolve TSP is adopted to implement concept optimization according to the positive feedback searching mechanism of ACS, and some improvements are made incorporating crossover and mutation operators of a genetic algorithm (GA), to obtain the optimal scheme rapidly and effectively. Finally, a conceptual design case of press is given to demonstrate the feasibility and rationality of this proposed approach. The employment of ACS enables concept solving to be implemented with an algorithm and thus possesses better operability, which offers a promising way to solve the “combinatorial explosion” problem in conceptual design.     

基于改进蚁群算法的Stewart平台奇异性分析

针对Stewart平台的奇异性分析,以雅可比矩阵行列式为目标函数,将奇异性分析问题转化为在并联机构可达工作空间内的连续优化问题。通过对基本蚁群算法中的全局搜索、局部搜索以及信息素更新规则等环节进行有效的调整,构成了更加适用于连续优化问题求解的改进蚁群算法。采用该算法进行了Stewart平台的奇异性分析,结果证实了改进蚁群算法具有较好的全局优化能力和较快的收敛速度,从而为解决并联机构奇异性分析这一类问题提供了有价值的参考。     

基于改进蚁群算法的机器人路径规划研究

针对基本蚁群算法在路径规划时出现收敛速度慢,易陷局部最优的问题,提出一种改进的蚁群算法。首先,为使算法在搜索时更具导向性引入方向夹角启发因子减少提高搜索速度;其次,融入A*算法的估价函数思想来改进启发函数,降低死锁可能性;最后,提出基于拉普拉斯概率分布的信息素挥发因子自适应策略,加快了算法收敛速度。多次仿真实验表明,所提出的改进算法能够快速,高效地寻找到最优路径,且路径质量优于基本蚁群算法规划出的路径。     

基于 Ｋ- ｍｅａｎｓ信息挥发速率动态调整的 改进蚁群算法

针对蚁群算法在求解 ＴＳＰ问题时,存在容易陷入局部最优,收敛速度慢,且求解时间较长的问 题,提出了一种基于 Ｋ- ｍｅａｎｓ与信息挥发速率动态调整策略的改进蚁群算法,利用 Ｋ- ｍｅａｎｓ聚类算法将 大规模 ＴＳＰ问题分解为数个子问题。在城市选择上,加入轮盘赌规则,对信息素更新规则进行了改进,每轮 迭代时动态调整信息挥发速率。实验表明,相比蚁群算法,改进算法避免了求解陷入局部最优解,加快了算 法的收敛。     

Industrial applications of the ant colony optimization algorithm

The ant colony optimization (ACO) algorithm is a fast suboptimal meta-heuristic based on the behavior of a set of ants that communicate through the deposit of pheromone. It involves a node choice probability which is a function of pheromone strength and inter-node distance to construct a path through a node-arc graph. The algorithm allows fast near optimal solutions to be found and is useful in industrial environments where computational resources and time are limited. A hybridization using iterated local search (ILS) is made in this work to the existing heuristic to refine the optimality of the solution. Applications of the ACO algorithm also involve numerous traveling salesperson problem (TSP) instances and benchmark job shop scheduling problems (JSSPs), where the latter employs a simplified ant graph-construction model to minimize the number of edges for which pheromone update should occur, so as to reduce the spatial complexity in problem computation.     

量子蚁群算法在压力容器优化设计中的应用

建立压力容器的优化设计数学模型,利用一种新型的优化算法——量子蚁群算法对压力容器的主要参数进行优化设计。量子蚁群算法在蚁群算法的基础上引入量子理论,该方法能尽快搜索到较理想的下降方向,提高了算法的收敛速度。具体应用实例表明,基于量子蚁群算法的优化设计切实可行,显示量子蚁群算法在化工设备优化设计问题上的可用性。     

基于蚁群算法大功率曝气机减速齿轮箱的可靠性优化设计

蚁群算法是基于群体的一种仿生算法，对于复杂系统的优化设计具有鲁棒性好、寻优能力强等特点。本文以大功率倒伞曝气机行星减速齿轮箱的体积最小为优化目标函数，建立了行星减速齿轮箱的数学模型，并运用蚁群算法和MATLAB语言，对行星齿轮箱进行了优化计算。优化结果表明，基于蚁群算法的优化设计较传统优化设计相比，在满足设计要求的前提下体积更轻。为行星齿轮箱的其它优化设计提供了新的思路方法。     

An improved ant colony algorithm and its application in optimal routing problem

Ant colony system(ACS),a kind of ant colony algorithm,is an effective way of solving shortest path problem,however,it has some defects.In this paper,ACS is improved for avoiding getting stuck in a local minimum,whose defects mainly include the following two aspects:initial pheromone solution and pheromone updating.In order to learn the advantages of improved ant colony system(IACS),experiments are conducted for some times.First,it is applied to 8 traveling salesman problem(TSP)instances,and compared with three self-organizing map(SOM)algorithms.Then the author analyzes the space complexity and convergence of two algorithms and compares them.Simulation results show that IACS has much better performance in solving TSP,and it has certain theoretical reference value and practical significance.     

混合品种装配线平衡问题的一种混合搜索机制的蚁群算法

为有效求解混合品种装配线平衡问题,通过组合不同品种的优先顺序图,将混合品种装配线转化为单一品种的装配线形式.提出了一种带信息素总合规则的混合搜索机制的蚁群算法,通过在任务和任务分配序列的位置之间释放信息素、采用信息素总合规则以进行更有效的信息素累积,构造了综合考虑利用、探索和随机搜索的混合搜索机制,考虑了局部信息素更新和全局信息素更新.为提高搜索效率,以协同考虑装配任务作业时间和后续任务数的分级位置权重作为蚁群算法的启发式信息.最后通过实例验证,说明了算法的有效性.