共查询到17条相似文献,搜索用时 62 毫秒
1.
2.
3.
针对时常发生和不断加剧的交通拥挤、堵塞等情况,研究一种动态的、自适应的导航算法,以达到对车辆进行合理有效的路径导航和路径规划的目的.这一算法是在蚁群算法的基础之上,辅以多因素综合评判的方式,改进蚁群算法的评判标准,构建动态导航模型.以该导航模型为基础,通过仿真实验进行求解,仿真实验中将路径宽度、通行时延等随机因素考虑在内并进行综合权衡,使得动态导航的结果具有现实中的指导意义.数据实例表明,该导航算法是可行的、有效的,具有良好的导航效果,可为实际的导航系统提供有力地决策支持. 相似文献
4.
基于改进蚁群算法的运输调度规划 总被引:1,自引:0,他引:1
在运输调度等组合优化问题的最优路线的搜索中,传统蚁群算法ACA(Ant Colony Algorithm)存在搜索时间长、收敛速度慢、易陷于局部最优解等缺点。为了克服这些缺点提出了一种改进的蚁群算法,该算法将遗传算法和蚁群算法结合起来,在蚁群算法的每一次迭代过程中,首先采用自适应策略控制它的收敛速度,然后使用变异操作来确定解值,从而提高它的搜索性能。再结合建立的运输调度性能指标,利用遗传算法、蚁群算法和改进蚁群算法3种方法分别进行运输规划,通过比较其时间花费和运输费用,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,提高了算法性能。 相似文献
5.
6.
文章针对基础RRT算法的不足即搜索的盲目性与复杂条件下较差的适应性,对基础RRT算法进行改进,通过对扩展节点的条件进行约束,使得车辆进行路径规划时更加具有方向性,能够实现对物体的绕行,以快速地寻找出可行的路径.最后通过MATLAB进行仿真,验证了改进算法在简单条件与复杂条件(狭小通道)下路径规划的有效性. 相似文献
7.
8.
9.
10.
11.
12.
蚂蚁演算法发表不过短短十几年,在各类型组合问题求解上皆有不错的表现,因此本研究主要目的是以蚂蚁记忆系统为基础做改良并延伸至车辆途程问题。本研究透过图像检视发现即便有候选名单的限制节点选择范围,但在不断选择节点下,仍会偏离其建构之路径,所以研究方向主要在节点选择路径公式多增加该路径第一选择节点之角度,以减少逐渐扩散之可能性。在效率提昇方面,当路线建构完成後,计算出各路线之重心,并从运量最少路线开始做区域改善,以其重心为基准对附近路线做2-opt及Swap的交换,如此将能有效降低区域改善的时间,进而提升求解效率。利用国际标竿例题来验证AMS之求解效率,在随机问题C1-C10求解平均误差为0.98%,在丛聚问题C11-C14求解平均误差为0.55%。 相似文献
13.
14.
15.
16.