蚁群算法在巡航导弹航路规划中的应用

针对巡航导弹的航路规划问题,提出了一种应用蚁群算法在连续空间中的航路搜索方法,并进行了仿真验证.建立了将数字地图和战场环境信息转化为航路搜索空间的航路代价模型,通过一元多项式函数逼近航路的水平投影将航路搜索问题转为求解连续空间优化问题,而后将蚁群算法拓展到该问题的求解.仿真表明,蚁群算法可以在连续空间的航路规划中得到较好的搜索效果.     

基于改进蚁群算法的多自主式水下机器人任务分配

[目的]以多自主式水下机器人(MAUV)执行海底地形勘察任务为背景,提出一种基于改进蚁群算法的MAUV最优任务分配算法。[方法]首先,建立任务分配问题模型;然后,针对基本蚁群算法进行改进。改进的蚁群由多个子群组成,通过对任务执行能力蚂蚁的选择方法、启发函数和全局信息素更新方式进行改进,以此提高算法的自适应能力和全局搜索能力,并在局部搜索中通过2-opt算法进一步加快最优解的收敛速度。[结果]Matlab仿真结果表明,改进的蚁群算法可以有效提高MAUV的任务分配效率,从而快速地平衡航行距离和能耗代价。[结论]研究成果可为MAUV海底地形勘察任务分配提供参考。     

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。     

基于分阶段搜索连续蚁群算法的船舶纵向运动参数辨识

提出了一种分阶段搜索的连续蚁群算法,并成功应用于求解船舶纵向运动参数辨识问题.首先将船舶纵向运动的参数辨识问题转化为参数空问非线性优化问题,然后在优化问题求解过程中,依据待辨识参数对待优化问题影响的大小,将所有参数进行动态分组,依据影响由大到小的顺序,利用连续蚁群算法依次对各组参数进行寻优,确定各组参数的范围,最后对所有参数进行小范围精细搜索,从而使算法最终收敛到最优解.求解结果表明,该算法能够快速地辨识出满足精度要求的船舶纵向运动水动力参数,验证了算法的有效性.     

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。     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

基于改进蚁群算法的邮船舱室模块移运路径规划

针对大型邮船舱室模块运输过程中存在的移运路线长、路线混乱、舱室模块易与障碍物发生碰撞等问题,提出应用加入动态搜索模型的蚁群算法对邮船舱室模块进行路线规划,为运输舱室模块提供清晰、便捷的移运路线。对主竖区的障碍物进行分析,建立模拟实际工况的栅格地图,采用改进蚁群算法寻找移运路径。对不同位置所经过的栅格地图和蚁群数量进行动态调整。采用模拟退火算法寻找蚁群算法的参数。采用离散点分析确定移运路径的主、支通道。仿真试验结果表明,应用改进蚁群算法建立主、支通道进行舱室移运模块可有效提高舱室模块的运输效率。     

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。     

基于模拟退火-蚁群变步长优化算法的椭偏数据反演分析

椭圆偏振光谱方法是获取薄膜复光学常数和厚度的最优光学测量手段之一,椭偏方程作为超越方程,其逆向求解过程中的反演算法直接影响着椭偏数据的处理效率与精度.以前期的蚁群算法为基础,为进一步提高算法的收敛速度和跳出局部最优解的能力,研究了模拟退火算法和蚁群算法的融合策略,并提出了一种基于最优蚂蚁的变步长方法,通过动态改变最优蚂蚁的领域局部搜索步长,提升算法的精细化搜索能力,最终给出了模拟退火-蚁群变步长优化算法.应用该优化算法分析了高温超导薄膜FeSe的椭偏光谱,测试结果表明,该混合优化算法可以实现椭偏数据的精确反演分析,并且具有更快的收敛速度和更优的评价函数.     

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。     

混合蚁群算法求解集装箱箱位分配问题

集装箱船配载过程中的重要环节是合理的箱位分配,它对保证集装箱船装载后的航行性能及其码头装箱效率有重要的影响.随着集装箱船的大型化及待装船箱量的增加,该问题的求解较为困难.结合集装箱船配载中箱位分配的实际操作特点,提出了利用与禁忌算法相结合的混合蚁群算法来求解集装箱的箱位分配问题.仿真模拟试验表明该算法能够在不影响装箱难度的同时,大幅提高集装箱装船后船舶的航行性能.     

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。     

基于蚁群算法的长江干散货船中部结构优化设计研究

以长江散货船舯剖面纵向构件重量最小为优化目标,针对长江散货船在结构上的特点,采用蚁群算法,通过Matlab语言编程实现该目标寻优过程。利用该程序对实例进行计算,结果说明蚁群算法适用于船舶的结构优化设计,并能取得良好的优化结果。     

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。     

基于蚁群算法的大型油船中剖面结构优化设计

采用蚁群算法对大型油船中剖面结构进行了优化设计,选取了纵骨型号等18个设计变量,建立了以单位长度中剖面构件重量最轻的目标函数,根据DNV(挪威规范)提取了总纵强度等29个约束条件,从而建立了大型油船中剖面结构优化模型。改进的蚁群算法对该模型进行优化计算,该船的中剖面纵向结构单位长度的重量减轻3.35%,结果表明蚁群算法是行之有效的。     

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。     

基于改进蚁群算法的船舶冰区航行路径规划

在北极航道开通的背景下,针对在冰区航行环境中船舶航行路径选择的特殊性,通过改进蚁群算法提高船舶航行路径的规划效果。综合考虑航线距离、航行操作复杂度和流冰规避在内的冰区航行路径影响因素,建立路径选择多目标规划模型,结合人工势场法对蚁群算法进行改进,通过人工势场法获得初始路径和节点间距离因素构造启发信息,并以电子海图为基础建立海冰覆盖率分别为30%和50%情况下的冰区航道环境栅格模型,将算法应用在栅格模型中对算法进行验证。结果表明:该算法实现简单,规划的路径优良,能够有效地满足船舶在冰区复杂环境中航行路径规划的需要。     

应用GA,PSO,ACO算法进行水下自主运载器路径规划(英文)

In this paper,an underwater vehicle was modeled with six dimensional nonlinear equations of motion,controlled by DC motors in all degrees of freedom.Near-optimal trajectories in an energetic environment for underwater vehicles were computed using a numerical solution of a nonlinear optimal control problem(NOCP).An energy performance index as a cost function,which should be minimized,was defined.The resulting problem was a two-point boundary value problem(TPBVP).A genetic algorithm(GA),particle swarm optimization(PSO),and ant colony optimization(ACO) algorithms were applied to solve the resulting TPBVP.Applying an Euler-Lagrange equation to the NOCP,a conjugate gradient penalty method was also adopted to solve the TPBVP.The problem of energetic environments,involving some energy sources,was discussed.Some near-optimal paths were found using a GA,PSO,and ACO algorithms.Finally,the problem of collision avoidance in an energetic environment was also taken into account.