蚁群算法在船舶路径优化仿真中的应用

随着航运业的发展,海上物流的经济性成为各国需要考虑的重要因素之一,对各港口的船舶进行路径优化成为现代航运业的重要研究方向。同时,船舶的路径优化朝着智能化方向发展。蚁群算法是解决路径优化问题最常用的算法,但是其求解结果往往陷入了局部最优解,在海上船舶路径规划中具有局限性。本文研究传统路径优化中的蚁群算法,针对海上船舶航行特点,对蚁群算法中的信息素更新策略及搜索区域机制进行改进,提高算法的效率。     

自适应蚁群算法求解车间作业调度问题

车间作业调度问题(JSP)是组合优化问题中的NP-Hard问题,应用传统的蚁群算法在求解时存在易于陷入局部最优解、收敛速度慢等缺点.通过在蚁群算法的信息素局部更新策略和全局更新策略两处引入自适应方法对蚁群算法进行了改进,并应用此算法对经典的FT06问题和FT10问题进行了大量的求解试验.试验结果表明该自适应蚁群算法在求解车间作业调度问题时,搜索速度和收敛速度比传统的蚁群算法都有较好的提高.     

基于改进型A*-蚁群混合算法的USV航迹规划

针对高密度复杂环境下的无人水面航行器(USV)航迹规划问题,将A*算法和蚁群算法相结合,提出一种改进型A*-蚁群混合算法。本算法结合A*算法在低密度环境区域航路规划的优势性,同时,当遇到高密度环境区域时引入蚁群算法提高局部规划能力,在传统蚁群算法基础上,改进了信息素的更新模型,增强了可行路径中最优路径的信息浓度,减弱了最差路径的信息浓度,并通过调整信息素浓度总和比例,增强算法的寻优能力。该方法能够有效地平衡全局和局部规划,提高在复杂环境下的USV航迹规划能力。通过仿真,验证了在复杂环境下该算法的有效性和优越性。     

蚁群算法在舰船建模与控制中的应用

传统蚁群算法只能单纯针对舰船路径进行规划,且在规划计算过程中仅能针对一个目标进行分析计算,导致计算中的有效信息素过少,计算所建立的规划控制模型准确度降低。因此,本文提出蚁群算法在舰船建模与控制中的应用。首先,采用蚁群算法对舰船航行场景进行建模,并对模型中的有效信息素进行优化量的导入更新。最后,对完成更新信息素的模型进行多目标参量计算,实现提升蚁群算法规划控制模型的精准度。为了证明设计的有效性,通过对比仿真实验来完成验证操作并得出可行性结论。     

基于蚁群算法的航线自动生成方法

利用基本蚁群算法自动生成航线,在搜索的过程中容易陷入局部最优、搜索时间长等问题,引入Adadelta算法,增加了蚁群算法的随机性,改变了信息素的更新规划,将信息素挥发系数进行自适应调整,从而极大改善了蚁群算法的性能。仿真试验结果显示,本文方法比对比方法的搜索能力更强,效率更高,得到的航线不仅有效避开了海上障碍物与禁航区,而且距离更短,是一种有效的航线自动生成算法。     

改进蚁群算法的舰船避碰辅助决策系统可靠性研究

传统舰船避碰辅助决策系统所采用的蚁群算法在对船舶路径碰撞信息素计算过程中,存在收敛速度慢、碰撞信息素浓度低的问题,导致输出结果的可靠性较低,因此提出改进蚁群算法的舰船避碰辅助决策系统可靠性设计方法。通过对船舶避碰路径模型的构建与分析,结合传统蚁群算法在避碰决策计算上的缺失数据,对蚁群算法进行改进,并将改进的蚁群算法引入到避碰辅助决策系统进行仿真计算,通过对决策数据的分析得到舰船避碰辅助决策可靠性数据。通过设计仿真实验对得到的可靠性数据进行验证,证明了本文方法所得数据的可靠性。     

基于改进蚁群算法的物流配送路径优化问题研究

物流配送在国民经济中发挥着越来越重要的作用,先进的物流配送系统是企业增强竞争力的重要手段.而进行物流配送系统的优化,主要就是配送路径的选择.虽然蚁群算法已广泛应用于解决路径优化问题,但此算法所固有的收敛速度缺陷一直制约着物流系统配送路径优化问题的解决.本文在系统分析蚁群算法的基础上,结合遗传算法,提出了一种新型的改进蚁群算法,并通过算例对改进蚁群算法的有效性进行了验证.     

基于蚁群算法的AUV全局路径规划方法

在大范围海洋环境中，应用蚁群算法对自主式水下潜器（AUV）的全局路径规划问题进行了研究。基于栅格环境模型建立了蚁群可视图模型，设计了蚁群信息素更新规则；给出了蚁群全局路径规划的操作步骤；针对蚁群规划路径不平滑问题，设计了切割算子和插点算子。仿真实验结果表明，蚁群全局规划算法非常适合于求解复杂环境中的规划问题，规划时间短、路径平滑。     

基于蚁群“觅食”机制的深海自组织网络路由算法F—ACO

根据蚁群“觅食”机制的生物习性,提出一种应用于水下自组织网络实时通信路由选择的蚁群算法-FACO。该算法与传统蚁群算法相比,增加了食物自身散发的“气味”信息素一独立于蚁群释放的信息素,并根据不同的信息素设立了不同的释放和寻优机制。     

基于蚁群优化的AUV全局路径规划研究(英文)

路径规划是自主式水下潜器(AUV)导航研究的重要课题,AUV可用于未知环境如海洋空间探测.在大范围海洋环境中,应用蚁群优化原理对自主式水下潜器的全局路径规划问题进行了研究.引入栅格建模方法建立了蚁群可视图模型,设计了蚁群信息素更新规则;给出了蚁群全局路径规划的操作步骤;针对蚁群规划路径不平滑问题,设计了切割算予和插点算子.仿真实验结果表明,蚁群全局规划算法非常适合于求解复杂环境中的规划问题,规划时间短、路径平滑,其原型系统可应用于非结构化无人环境监测.     

基于蚁群算法的舰船避险航路规划

采用蚁群算法研究舰船避险航路规划问题,利用栅格法将航行海区进行细分,建立舰船避险航路模型,进而求算优化解。仿真结果表明,蚁群算法求解舰船优化航路具有较强的稳定性和鲁棒性。     

基于蚁群算法的港内集装箱运输调度模式研究

以集装箱码头船舶装卸作业调度问题为研究对象，综合考虑港口多种装卸资源和流程，在船舶泊位占有时间确定的条件下，以装卸运输作业总成本最低为目标，提出单船装卸作业调度模型；用蚁群算法对所建立的模型进行求解和仿真，并结合实际问题给出具体调度结果。此模型和方法考虑了生产效率和作业成本之间的平衡，保证以较低的成本完成规定作业。     

蚁群算法在海面图像识别系统中的应用

在海上图像识别系统中,由于海上环境的不稳定及海上噪声的影响,对于海上拍摄图像纹理进行特征值的全面稳定提取还存在很大的提升空间。蚁群算法由于具有全局智能化的搜索能力,且同时有很好的自适应反馈能力及优良的鲁棒性特征而得到广泛应用。本文在研究现有蚁群算法基础上,提出一种新的对海面图像特征提取的有效蚁群算法,从而实现对海上图像有效识别。仿真表明,该算法不仅具有较低的算法复杂度,并且图像识别率较高。     

军用飞行器低空突防航路规划算法分析

通过分析军用飞行器低空突防航路规划算法应满足的条件及特点，阐述了目前国内外正在研究和应用的几种航路规划算法：动态规划法、启发式A^＋搜索法、遗传算法、蚁群算法等，并分别指出了其优缺点。最后简要总结低空突防航路规划算法的发展方向。     

舰船总布置中的综合评估模型及其应用研究

为解决舰船总布置设计的复杂性和多样性带来总布置多方案评估的困难,针对舰船总布置设计建立多目标综合评估模型,在对蚁群算法做出适应性改进的基础上,提出多专家综合评估算法,通过文章介绍的舰船总布置设计的数学模型及评估算法的处理流程,可有效应用于舰船总体布置设计,实现自动舰船总布置多方案评估选优,有效地解决了工程问题,该方法可提高舰船总布置设计综合评估的自动化程度。     

基于人工智能的无人机航路设计的浅用

论文在蚁群算法实现人工智能优化的基础上,建立了基于最短路径的风险规避模型。利用数学几何原理对初步方案再优化,得到满足决策者风险要求的最优飞行方案。基于Matlab软件实现了对模型模拟仿真,其计算机模拟计算过程也显示了良好的风险规避效果。     

基于改进蚁群算法的水面无人艇智能避碰方法研究

针对水面无人艇路径规划中算法搜索能力的不足以及蚁群算法的早熟和停滞现象的问题,本文提出了改进的蚁群算法。具体是：在基本蚁群的基础上,通过增加方向角权值这一参数,来改变选择概率,从而实现智能避碰和优化全局路径。二维路径的matlab仿真实验表明,改进的蚁群算法具有更好的路径规划和适应度值变化。     

基于蚁群算法的船舶件排样研究

针对船舶件排样问题,提出一种应用蚁群算法优化求解船舶件排样问题的方法.提出船舶件图形编码和预处理的方法,利用组合和填充的方法把船舶件排样问题转化为正交矩形的排样问题,使用剩余矩形匹配法和正交靠接算法完成自动排样.根据提出的求解算法,给出具体的实例,排样结果证明了用蚂蚁算法求解船舶件优化排样问题的可行性.     

基于蚁群算法的敏捷造船关键链识别研究

基于企业内部关键链生产计划与控制原理,通过对其应用范围的进一步扩展,把关键链思想运用到船舶敏捷制造中.在敏捷制造环境下结合船舶制造的特点,提出船舶敏捷制造中的关键链模型和基于蚁群算法的关键链识别方法,为船舶敏捷制造计划的制定和制造过程中的任务控制提供有效的参考.