双向蚁群算法在无人驾驶车辆路径规划中的应用

针对传统蚁群算法在无人驾驶车辆路径规划中收敛速度慢、易陷入局部最优等问题,提出一种全局路径规划的双向蚁群算法。通过双向搜索策略改进蚁群算法,设计相遇机制求解更多可行路径,提高算法全局搜索能力;引入奖惩因子分别扩大和减小双向搜索后的较优路径和较差路径对信息素浓度的影响,加快求解最优路径的速度;最后在Matlab中模拟无人驾驶车环境,随机生成不同地图面积和障碍物出现率的车辆仿真栅格地图,比对传统蚁群算法和双向蚁群算法的实验效果。结果表明:双向蚁群算法的迭代次数和求解时间明显减少,在加快收敛速度、提高全局搜索能力以及避免局部最优方面有较大改进。     

基于改进蚁群算法的山区无人机路径规划方法

对无人机在山区执行应急物资运输任务时的飞行路径规划问题进行研究.基于对无人机的性能分析与比选,探讨了路径规划的约束条件,提出了一种考虑路径安全度的改进蚁群算法.首先,基于高海拔山峰的位置构造泰森多边形,获取无人机在山区避障飞行条件下的路径可行解;其次,为避开山峰密集区域,建立路径安全度约束,缩小可行解范围;进而,利用蚁群算法搜索最短路径;最后,消除路径中不必要的障碍点以进一步缩短距离,并综合考虑无人机性能参数对拐角进行平滑处理,获得最终可用于实际飞行的最优安全路径.算例分析表明,改进的蚁群算法较传统算法收敛速度更快,且生成的路径更短.     

车辆数目未知的带时间窗口的车辆路径混合遗传算法

研究带时间窗口的车辆路径问题(VRPTW),主要考虑车辆容量约束、时间窗口约束、最大距离等约束,且完成配送所需的车辆数目不确定,要求在车辆数目最少的条件下再使总的行驶路径最短.用基于邻域搜索的混合遗传算法求解该问题,该算法既具有遗传算法的全局搜索能力,又具有邻域搜索算法的局部搜索能力.在求解过程中,设计新的前置交叉算子进行遗传操作,然后进行互换和逆转等邻域操作.应用MATLAB语言编程进行模拟计算,结果表明该混合遗传算法明显增强了群体演化的质量,提高了算法收敛速度,较好地解决了早熟收敛问题.     

混合超启发式法求解大规模VRP的优化研究

车辆路径是一类NP(non-deteministic polynomial)完全问题,研究解决车辆路径问题的高质量启发式算法有着重要理论价值和现实意义.提出一种将最近邻搜索法和禁忌搜索法优势相结合的混合超启发式算法,用来解决带容量约束的车辆路径问题.先利用最近邻搜索法构建初步路线,再利用禁忌搜索法对内部线路和互跨线路进...     

转向约束网络中的对偶最短路径树原理及其原型算法

为比较有无转向约束条件下最短路径特征及其搜索算法的异同点,基于对偶图理论证明了转向约束网络中从单个源点到所有弧的最短路径集构成其对偶网络的生成树,提出了对偶最短路径树(DSPT)概念,并利用其分析算法之间的关系。研究结果表明:转向约束下的现有求解方法包括弧标号算法、节点标号算法和对偶网络法都可以统一到DSPT算法框架内,而且与无转向约束的最短路径树(SPT)算法在路径搜索策略上是相同的;对于转向约束网络中的最短路径问题可建立一个DSPT原型算法,结合各种SPT标号技术能设计出更多的有效算法。     

双向双车道超车行为的智能车队间隙控制优化

建立了双向双车道环境下单车超越车队模型, 分析了影响双向双车道超车危险区域范围的主要因素; 设计了分步式单车超越车队算法, 研究了安全间隙前后车速度、超车车辆入队速度与车队安全间隙范围四者之间的关系, 提出了车辆入队所需最小安全间隙的速度匹配方案; 建立了单车超越车队算法的目标函数, 设定最大允许超车时间内超车车辆与车队行驶距离最大, 超车车辆超越车队车辆数最多, 前、后车形成安全间隙过程中加速度、减速度最小; 提出了基于改进粒子群的分级约束多目标优化方法, 为单车超越车队算法中的三级车速引导提供了优化的速度引导方案。研究结果表明: 双向双车道环境下超车危险区域范围与车队车辆数及对向车辆行驶速度成正相关关系; 改进的粒子群优化算法相比传统算法具有更强的鲁棒性和更快的收敛速度, 平均收敛时间缩短39.2%;在分步式单车超越车队过程中, 车队车辆平均速度提升9.04%, 即在车队间隙生成过程中, 虽然部分车辆速度减小, 但车队整体平均速度得到提升; 超车车辆平均速度提升16.8%, 即在超车过程中, 不仅超车车辆的安全性得到保证, 其运行效率也得到提升。      

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

城市区域物流无人机路径规划

针对城市区域物流无人机路径规划问题，采用栅格法进行环境建模，综合考虑无人机性能、任务性质和城市环境等影响要素，以航程、高度变化和危险度最小为目标函数，构建多约束物流无人机路径规划模型.改进A*(A-star)算法求解：为合理预估距离，采用欧氏距离与曼哈顿距离线性组合的方式设计启发函数；为提高搜索效率，引入双向搜索策略；为保证平稳飞行，采用B样条(B-spline)法进行路径优化.结果表明：模型可以实现多目标优化，具有有效性；算法与传统A*算法相比，规划时间少，规划路径航程短，高度变化少，飞行安全稳定.分析参数权重值得出：当3个子目标代价权重系数分别为0.4、0.1和0.5，2种距离权重系数分别为0.15和0.85时，规划路径最优.     

分支定价割平面法求解带时间窗和人力分配的车辆路径问题

本文研究了带时间窗和人力分配的车辆路径问题,并提出用分支定价割平面法来求其最优解.分支定价割平面法首先根据Dantzig-Wolfe分解技术将问题的数学模型分解为基于路径的主问题模型和求最短路径的子问题模型,然后利用列生成和标签算法在主问题和子问题之间进行迭代,并使用割平面法调整可行区域来求得主问题的最优松弛解,最后采用基于车辆数目和弧的分支策略获取原问题的整数解.算法中加入了两种加速策略:双向标签算法和递减搜索空间法.通过对多组算例进行测试,验证了模型和算法的准确性,并分析了患者数目和车辆数目对结果的影响,也说明了割平面法具有提高算法效率的作用.最后,对大规模算例进行测试的结果也为实际应用提供了理论依据.     

基于层次蝙蝠算法的应急车辆调度与交通疏散协同决策

城市路网多事故应急救援中，因交通拥堵造成应急车辆滞留现象时常发生，严重影响道路交通事故救援效率.提出通过交通疏散提高救援路径的可靠性，构建双层规划模型对应急车辆调度和交通疏散进行协同决策. 设计一种双层蝙蝠算法，上层算法在应急车辆需求、事故时间窗和可用车辆约束下求解响应时间最短的调度方案，下层算法在路段容量和疏散需求约束下求解多条最短路径的交通疏散策略，从中选取最短时间路径. 算例结果表明，本文模型通过缩短应急车辆在途时间有效提升了应急救援效率，算法具有优秀的寻优能力和运行速度.