發(fā)布時間：2022-12-10 08:04

　　為了找到一條最短路徑,并克服傳統(tǒng)算法在路徑規(guī)劃中不適合離散域求解以及收斂速度慢等問題,提出一種改進的狼群算法。通過在初始化階段引入位置—次序編碼的方法,研究了離散域的路徑優(yōu)化;同時在迭代過程中引入二次搜索來提高算法求解速度與精度,以實現(xiàn)在達到最大迭代次數(shù)前出現(xiàn)最優(yōu)解。結果表明,改進的狼群算法相比已有的算法求解精度更高,收斂速度更快,更加有效地避免陷入局部最優(yōu)。可見改進狼群算法可以很好地應用于求解最優(yōu)路徑規(guī)劃問題。 

【文章頁數(shù)】：4 頁

【文章目錄】：
1 狼群算法的概述
2 改進狼群算法求解路徑規(guī)劃
    2.1 改進狼群算法求解路徑規(guī)劃原理
    2.2 改進狼群算法的描述
        2.2.1 狼的位置—次序編碼過程
        2.2.2 適應度的確定
        2.2.3 二次搜索策略
3 改進狼群算法的仿真實驗及分析
    3.1 實驗結果
        3.1.1 Dantzig42問題
        3.1.2 Eil51問題
        3.1.3 Berlin52問題
    3.2 實驗分析
4 結束語


【參考文獻】：
期刊論文
[1]基于差分進化的改進狼群算法研究[J]. 王盈祥,陳民鈾,程庭莉,盛琪,董龍昌,李哲.  計算機應用研究. 2019(08)
[2]一種改進量子行為粒子群優(yōu)化算法的移動機器人路徑規(guī)劃[J]. 劉潔,趙海芳,周德廉.  計算機科學. 2017(S2)
[3]改進遺傳模擬退火算法在TSP優(yōu)化中的應用[J]. 何慶,吳意樂,徐同偉.  控制與決策. 2018(02)
[4]一種改進的狼群算法[J]. 惠曉濱,郭慶,吳娉娉,趙昱.  控制與決策. 2017(07)
[5]基于人工蜂群算法的柔性工藝與車間調(diào)度集成優(yōu)化[J]. 宋栓軍,楊佩莉,石雯麗.  計算機應用. 2017(02)
[6]基于量子狼群進化的多目標匯聚節(jié)點覆蓋算法[J]. 金杉,金志剛.  電子與信息學報. 2017(05)
[7]一種動態(tài)搜索策略的蟻群算法及其在機器人路徑規(guī)劃中的應用[J]. 游曉明,劉升,呂金秋.  控制與決策. 2017(03)
[8]求解PFSP的雙種群協(xié)同學習算法[J]. 亓祥波,朱云龍,張丁一.  控制與決策. 2017(01)
[9]多配送中心車輛路徑問題的狼群算法[J]. 葉勇,張惠珍.  計算機應用研究. 2017(09)
[10]求解指路標志指引路徑規(guī)劃問題的改進人工蜂群算法[J]. 鄭健,黃敏,張騰,劉芳.  計算機應用研究. 2017(08)

碩士論文
[1]基于群體智能優(yōu)化的AGV路徑規(guī)劃算法研究[D]. 荀燕琴.吉林大學 2017
[2]改進的遺傳算法求解TSP問題的應用與研究[D]. 葛海明.江西理工大學 2016



本文編號：3716389