并行排序蚁群算法规划仓库AGV路径研究

针对智能仓库中的AGV路径规划问题,提出了一种基于并行排序蚁群算法的路径规划方法,该方法通过多个子蚁群之间较优蚂蚁释放的信息素交互,提高蚁群整体的搜索能力.建立以路径最短和AGV转弯次数最少为优化目标的多目标函数模型,用并行排序蚁群算法求解,再对生成的初始路径通过减少中间节点的方式进行平滑处理.在MATLAB上进行多次仿真,对比实验结果表明,该算法在进行仓库AGV路径规划时收敛速度更快,稳定性更好,且平滑处理后的路径更优.     

基于并行蚁群优化的车间调度研究

借鉴蚁群的并行活动,本文提出通过蚁群信息素分布多样性,蚁群更新信息素策略,体现寻优活动多样性.并在调度过程中,通过各寻优群体分别进行相互独立的蚁群寻优,在局部最优基础上获得全局最优解,实现并行蚁群优化.仿真结果说明,利用蚁群并行寻优的性能比基本蚁群算法更有效.     

基于设备驱动和实质路径的动态并行综合柔性调度算法

针对静态重叠时间段在实际加工过程中并非一定重叠,导致工序并行处理效果不佳的问题,提出基于设备驱动和实质路径的复杂单产品动态并行综合柔性调度算法。该算法先按最短加工时间为工序选择计划加工设备,初步缩小工序加工设备的选择范围;再采用空闲设备驱动策略动态确定并行工序,对并行工序按提出的并行优化分配策略和最早加工结束策略确定并行加工设备。在采用并行优化分配策略时,运用实质短路径策略,避免了某空闲设备上存在多个只能串行加工的工序时,出现较长实质路径的情况。由于该算法在每一个设备驱动时刻,动态的分配可重叠加工的工序到不同的设备上同时加工,实现工序间实质性的并行处理。实例表明:该算法在不提高算法复杂度的前提下,不仅兼顾设备驱动策略和动态实质短路径策略的优点,而且提高了复杂单产品综合柔性调度设备利用率和并行处理率,缩短产品的完成时间。     

基于蚁群算法的物资运送小车路径规划研究

针对路径规划蚁群算法的盲目性、收敛速度慢、路径较长和路径折点多等问题,提出了一种改进蚁群路径规划算法。首先通过改进启发信息的数学模型,限制轮盘赌在8个方向的选择概率,降低迭代次数;然后建立自适应更新影响因子,通过实时监测目标点位置,进一步提高路径的选择方式和算法的鲁棒性;最后通过路径二次寻优,对改进蚁群路径规划算法形成的最优路径进一步消除冗余节点,在已知最优路径进一步寻优,从而提高路径平滑度、减少路径折点,以及缩短路径长度,提高物资运送小车的使用效率。通过栅格环境地图中障碍物不同占比的仿真试验,验证了所提出的改进蚁群算法的迭代速率更快、寻优能力更强、鲁棒性更好和路径更短。     

面向作业车间调度的基于拓扑排序的二级嵌套蚁群算法研究

蚁群算法的出现,为求解作业车间调度问题提供了新思路。然而,由于作业车间调度问题的可行域属性非常复杂,目前,采用蚁群算法进行求解,还存在收敛可靠性差和优化程度不高的问题。针对以上两个问题,在对工序拓扑排序的约束特性进行分析的基础上,提出基于拓扑排序的二级嵌套蚁群算法,其基本思想是:以拓扑排序为基础,采用受限主路径覆盖可行域,从而降低搜索的规模和盲目性,提升收敛可靠性;将问题分解为工艺路径优化和设备遴选优化两个级别的问题,从而构造二级优化机制,采用工艺主路径与设备支路径嵌套递归的方式,实现工序排序与设备遴选之间的相互干涉,从而提升解的满意度。比较试验表明,与目前常用的蚁群算法求解方法相比,采用基于拓扑排序的二级嵌套蚁群算法求解作业车间调度问题,具有良好的收敛可靠性、求解效率和寻优能力。     

多蚁群协同进化的液压集成块布孔优化

液压集成块内部布孔是一种典型的带约束组合优化问题。为了提高布孔效率及整体性能,提出了一种基于合作型协同进化蚁群算法的集成块多孔道布孔方法。利用蚁群算法非常善于处理智能寻径等带约束的大规模组合优化问题的特点,在种群内部寻找孔道连通的最短且安全的路径;在各种群之间,利用协同进化算法进行多孔道的并行布孔,解决了布孔顺序问题,实现了内部孔道连通的优化设计。最后通过孔道连通实例对算法进行了验证,得到了较满意的结果。     

改进蚁群算法的变电站群机器人路径规划研究

群机器人提高了单个机器人的工作效率,同时群机器人协作路径规划是保障机器人之间能够安全运行的前提,对此提出了一种基于改进蚁群算法的路径规划研究,是在蚁群搜索路径时产生个别蚂蚁开辟没走过的道路,采用分块式的格局让机器人在变电站巡检更少的触碰,利用改进蚁群算法在变电站中规划一条总路径最短的有效路径。所提出改进的蚁群算法提高了传统蚁群算法的搜索能力,明显改变了传统算法的局部性调整,而且在搜索过程中体现改进蚁群算法对机器人路径规划的有效性。     

超强启发异类蚁群算法的机器人导航路径规划

为了提高机器人在栅格环境下的路径规划质量,提出了基于超强启发式异类蚁群算法的路径规划方法.建立了机器人工作环境的栅格模型;在蚁群算法基础上,提出了由开创型蚂蚁、守旧型蚂蚁、传统型蚂蚁组成的异类蚁群算法,并通过仿真看出,开创型蚂蚁主导的异类蚁群算法具有最优性能;在信息素更新方面,按照"奖励先进、惩罚后进"的原则,提出了超强启发式信息素更新方法,引导传统型蚂蚁和守旧型蚂蚁快速向开创型蚂蚁搜索的较优路径靠近.经过仿真验证,异类蚁群算法在简单环境和复杂环境下规划的路径均优于传统蚁群算法,且异类蚁群算法寻优稳定性更好,寻优耗时更短.     

基于改进蚁群算法的无人矿车路径规划研究

针对地形复杂、坡度大的矿区中矿车的路径规划,提出一种改进的蚁群算法,引入了障碍探索的方法,将下一节点的附近一定区域的障碍状况作为影响因素,如果影响蚂蚁寻找最优路径,则会规避此节点。针对矿区坡度较大问题,将速度-坡度模型引入状态转移概率中,在路径较短的前提下选择坡度较小的节点。将每代蚂蚁中的优秀蚂蚁进行局部路径融合,提高寻优能力。实验结果表明,与传统蚁群算法相比,改进的蚁群算法的全局寻优能力更好,收敛速度更快,用时更短。     

考虑环境复杂度的机器人路径双向蚁群规划

为了减少机器人的路径长度、提高路径平滑性，提出了基于配对双向新型蚁群算法的路径规划方法。介绍了栅格环境模型的建立方法；给出了基于改进K-means的环境复杂度聚类方法，实现了以复杂度为标准的环境分区；将环境复杂度作为新型启发信息引入到蚁群算法中，引导蚂蚁选择简单环境区域。借鉴蚂蚁的双向搜索思想，提出了配对双向搜索的新型蚁群算法，并将该算法应用于栅格环境的路径规划。经仿真验证可以看出，与传统蚁群算法、文献[12]算法比，配对双向新型蚁群算法的路径长度最短、拐点数量最少、收敛时迭代次数最少，验证了这里算法在路径规划中的优越性。     

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。     

[供应链调度]装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

基于动态蚁群算法的模拟电路最优测点选择

针对模拟电路的最优测点选择问题,提出一种改进的基于动态城市规划的蚁群算法,由蚁群寻找最短路径获得最优测点集合.将故障字典映射到二维空间,空间中每个点代表一个城市.为了不重复访问能被多个测点辨识的故障类,每次寻优后动态规划蚁群下一次访问的城市分布.启发因子矩阵由惩罚矩阵和距离邻接矩阵构成,其目的是在辨识出相同数目的故障条件下选择的测点数最少.动态更新信息素矩阵,得到蚁群访问城市的概率.该方法与其他3种比较,实验结果表明该方法能够得到最优的测点集合,同时具有良好的寻优效率.     

装卸一体化车辆路径问题的自适应并行遗传算法

为了同时实现总配送成本最低、车辆行驶距离最短、车辆数最小等目标,综合考虑车辆指派成本及运输路径成本,建立了装卸一体化车辆路径问题的混合整数规划模型。针对该问题搜索空间的离散性和求解算法的局部收敛性,提出了一种自适应并行遗传算法。算法以C-W节约法为基础,设计了三种基于双重需求的启发式种群初始化方法,缩小搜索空间并优化初始解;引入多样性种群和高质量种群的双种群并行策略,实现深度与广度的同步搜索;设计自适应交叉变异操作,改善高质量种群个体搜索停滞,并针对全局最优个体采用特殊变异的后优化操作以进一步提高全局优化性能。采用标准数据集作为算例进行寻优测试,验证了所提算法的可行性和有效性。     

准三维机器人路径规划的改进蚁群算法

机器人在荒野物资运输和山地自由行走时,需要在山地表面规划出行走路线,为此提出改进的蚁群算法加以求解。根据坡度提出避障规则,在满足避障约束条件下,合理增加路径的多样性;根据当前节点到目标点和起点的距离,重新设计启发式函数,驱使机器人尽量沿着起点和目标点之间的最短路径行进;依据实时路径长度,动态调整挥发系数,以精炼搜索空间、提高收敛性能。将改进蚁群算法与原始算法进行比较,实验结果表明改进蚁群算法的有效性优于原始蚁群算法。     

基于蚁群算法AS-R移动式机器人路径规划的研究

蚂蚁算法是—种新的仿生优化方法。它吸收了昆虫中蚂蚁的行为特性,通过其内在的搜索机制,在一系列组合优化问题求解中进行寻优。本文提出了一种适用于移动式机器人路径规划的蚁群优化方法,该方法在移动式机器人执行任务时可以在避开障碍的情况下,以最短路径到达目标点。实验研究证明了该方法的可行性和优越性。     

考虑层间停光的废旧机械零件多区域多层激光熔覆路径规划

激光熔覆是实现废旧机械产品广义生长的关键技术之一.层间停光时间对激光熔覆后产品组织特性和力学性能有重要影响.在分析熔覆层整体硬度与层间停光时间和熔覆层数关系的基础上,建立最高熔覆区域硬度条件下最佳层间停光时间与熔覆层数的数学模型.综合考虑最佳层间停光时间和激光逐层扫描路径,制定熔覆头空行程移动路径挑选规则,建立多区域多层激光熔覆路径规划模型.提出一种改进蚁群算法对模型寻优求解,采用多层整数编码方式,克服不同区域不同熔覆层编码混乱的问题;提出路径选择策略并引入激励函数,避免算法在运算初期出现局部最优现象;改进信息素分配机制,以提高运算收敛速度和准确性.通过方案的对比仿真,验证模型的正确性;将改进算法与传统算法寻优结果进行对比,验证改进算法的有效性和优越性.     

基于蚁群算法变电站带电高压开关合闸路径最优的双体机器人轨迹规划

针对合闸过程中最优路径规划问题,采用蚁群算法求解合闸需走的最短路径,实现合闸路径最优化。为了实现在执行最优路径时,巡检机器人能够平滑高效率地完成目标作业,采用五次多项式对最优路径进行轨迹规划,实现控制每一个路径点的运动属性,从而达到预期要求。实验数据表明,采用蚁群算法实现了相对最短的机械手移动路径,经过五次多项式插值运算,使得全局中最大的误差控制在0.03cm。     

机器人导航路径的动态分级蚁群算法规划策略

为了提高机器人工作路径质量并减少算法运行时间,提出了蜂巢栅格模型与动态分级蚁群算法结合的路径规划方法。建立了工作环境的蜂巢栅格环境模型,在转向角、避障路径比、路径质量等方面均优于传统方形栅格模型;将蜂群算法的分级思想引入到蚁群算法中,根据适应度将蚁群分为寻优蚁和侦查蚁两级;寻优蚁更加注重信息素的引导作用,利于算法收敛,侦查蚁更加注重启发信息的牵引作用,不断探索新的路径而增加路径多样性;提出了兼顾全局信息素更新和局部信息素更新的动态加权信息素更新方法。经仿真验证,动态分级蚁群算法在迭代过程中的路径多样性优于蚁群算法;将动态分级蚁群算法应用于路径规划,路径长度比蚁群算法降低了22.12%,平均运行时间减少了32.33%,充分证明了动态分级蚁群算法在路径规划中的有效性。     

双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。