【摘要】：隨著科技的發(fā)展與進(jìn)步,路徑規(guī)劃領(lǐng)域?qū)χ悄芩惴ㄐ阅艿囊蟛粩嗵岣?如何提高智能算法的性能并應(yīng)用于路徑規(guī)劃領(lǐng)域就顯得尤為重要。蟻群算法作為一種群智能優(yōu)化算法,具有記憶性、并行性等特點(diǎn),且在路徑規(guī)劃領(lǐng)域中應(yīng)用十分廣泛,因此基于改進(jìn)蟻群算法及其路徑規(guī)劃應(yīng)用的研究具有十分重要的意義。本文主要圍繞如何改進(jìn)蟻群算法及其路徑規(guī)劃應(yīng)用的相關(guān)問題展開研究。針對(duì)蟻群算法在尋優(yōu)過程中存在局部最優(yōu)、搜索效率低、搜索停滯的三個(gè)典型問題,結(jié)合蟻群算法典型的改進(jìn)策略,本文提出算法改進(jìn)的方案策略,最后將改進(jìn)方案運(yùn)用到二維和三維路徑規(guī)劃問題中進(jìn)行實(shí)驗(yàn),并驗(yàn)證其方法的有效性。具體內(nèi)容如下:針對(duì)蟻群算法在路徑規(guī)劃過程中易陷入局部最優(yōu)問題,本文提出角度劃分的思想構(gòu)造啟發(fā)函數(shù)。本文在二維路徑規(guī)劃應(yīng)用中,通過引入當(dāng)前節(jié)點(diǎn)與全局終點(diǎn)、待選節(jié)點(diǎn)間動(dòng)態(tài)劃分夾角構(gòu)造啟發(fā)函數(shù),使得節(jié)點(diǎn)選擇趨向于全局最優(yōu)的方向;本文在三維路徑規(guī)劃應(yīng)用中,將角度劃分思想作為角度因素與距離因素、可行性因素構(gòu)造多元化啟發(fā)信息,有效的提高了路徑規(guī)劃的目標(biāo)點(diǎn)趨向性。針對(duì)蟻群算法在路徑規(guī)劃中存在搜索效率低的問題,本文提出初始信息素選擇性分配原則。本文在二維路徑規(guī)劃應(yīng)用中,利用Dijkstra算法粗規(guī)劃出一條次優(yōu)路徑,以此作為蟻群算法初始信息分配初始路徑,致力于克服前期信息素不足導(dǎo)致搜索緩慢的現(xiàn)象;本文在三維路徑規(guī)劃應(yīng)用中,引入分層策略與區(qū)塊化策略相結(jié)合的搜索策略,用以減少前期搜索的盲目性。針對(duì)蟻群算法在路徑規(guī)劃過程中存在搜索停滯的問題,本文引入一種信息素自適應(yīng)更新規(guī)則。本文在二維與三維路徑規(guī)劃應(yīng)用中,通過限定信息素閾值范圍、引入動(dòng)態(tài)調(diào)整的信息素?fù)]發(fā)系數(shù),使得搜索過程中信息素的正反饋?zhàn)饔秒S著迭代次數(shù)的增加而逐漸減弱,用以減少搜索后期的隨機(jī)性、加快收斂速度,迅速輸出最優(yōu)解。
【圖文】：

圖 2-5 蟻群算法的機(jī)制原理邏輯結(jié)構(gòu)圖Fig.2-5 Logic structure diagram of ant colony algorithm system.2 蟻群算法的系統(tǒng)學(xué)特征（1）基本蟻群算法作為系統(tǒng)存在通過上文中蟻群算法的內(nèi)在仿生原理的復(fù)現(xiàn)，可以發(fā)現(xiàn)自然界中蟻群理具備系統(tǒng)的諸多特性，諸如多元素性，關(guān)聯(lián)性和完整性。從算法角看，相比致力于處理優(yōu)化無約束問題的梯度下降法，，其算法具備累加單次迭代的優(yōu)化結(jié)果累加后等于算法整體優(yōu)化結(jié)果，因此梯度下降法作一個(gè)系統(tǒng)；顯然蟻群算法的最優(yōu)解不依賴于單次算法迭代的最優(yōu)解附于單個(gè)螞蟻元素的最優(yōu)解，算法整體效果不等于局部元素或子集的累加和，且整體效果優(yōu)于局部累加效果；因此基本蟻群算法是一個(gè)無系統(tǒng)。（2）分布式計(jì)算

圖 2-7 城市分布的平面坐標(biāo)圖Fig.2-7 Plane coordinate map of urban distribution提取實(shí)際環(huán)境中城市坐標(biāo)，通過在 MATLAB2016a 環(huán)境下搭建實(shí)驗(yàn)仿真環(huán)。上述坐標(biāo)圖即為二維無向圖，在圖 2-7 的基礎(chǔ)上求解最短遍歷路徑的大致程如圖 2-8 所示。圖 2-8 TSP 問題求解流程Fig.2-8 Solving process of TSP problem基本蟻群算法尋優(yōu)的結(jié)構(gòu)程序流程如圖 2-9 所示。算法步驟：Step1：初始化基本參數(shù),令 t = 0；迭代統(tǒng)計(jì) 0cN = ；迭代次數(shù)上限cmaxN ；m個(gè)螞蟻置于在n座城市ci上；令每條路徑上的初始信息素含量 ( )ijτ t = cons中const 可調(diào)常數(shù)閾值，且初始時(shí)刻 (0) 0ijΔτ = ；Step2：令 1c cN ← N+ ；Step3：令 k = 1；
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張宏哲;;FFT算法的一種改進(jìn)[J];長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

2 苑寶生,俞鐵城;連呼漢語(yǔ)識(shí)別研究[J];聲學(xué)學(xué)報(bào);1989年06期

3 孫楊模;;操作系統(tǒng)常見的幾種算法舉例分析[J];湖北三峽職業(yè)技術(shù)學(xué)院學(xué)報(bào);2010年02期

4 郜振華;吳昊;;一種改進(jìn)的混合蝙蝠算法[J];南華大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年01期

5 吳天行;郭鍵;;基于“反學(xué)習(xí)”理論的人工蜂群算法在訂單分批問題中的應(yīng)用[J];物流技術(shù);2017年12期

6 全燕;陳龍;;算法傳播的風(fēng)險(xiǎn)批判:公共性背離與主體扭曲[J];華中師范大學(xué)學(xué)報(bào)(人文社會(huì)科學(xué)版);2019年01期

7 肖海軍;成金華;何凡;;雙核因素蝙蝠算法[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2018年01期

8 張進(jìn);;一種快速雙對(duì)分邏輯運(yùn)算算法[J];情報(bào)學(xué)報(bào);1992年03期

9 陳廣江;用MUSIC算法處理非均勻間隔采樣數(shù)據(jù)[J];系統(tǒng)工程與電子技術(shù);1998年09期

10 于浩;王芳;;ROHC算法在LWIP上的仿真與實(shí)現(xiàn)[J];計(jì)算機(jī)仿真;2017年12期

相關(guān)會(huì)議論文 前8條

1 李孟霖;余祥;巫岱s

本文編號(hào)：2635504