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.     

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.     

改进蚁群算法及其在船舶最优航线导航中的应用

由于海洋航行环境复杂,同时受到各种风、浪、流等多种因素的影响,使得在通航水域发生的安全事故随之增加,造成巨大的财产损失,同时危及船员的生命安全。为了保障船舶在海洋上安全高速航行,必须设计出最为安全可靠的最优航线。针对传统的蚁群算法在船舶最优航线导航过程中后期存在收敛速度慢、易出现停滞的缺陷,设计一种改进的蚁群算法进行船舶最优航线导航。首先利用混合更新策略,对船舶航线栅格上的信息素进行更新,然后在找到的船舶的所有可行航线中,搜索出最优航线,最后进行仿真测试。实验结果表明,相比较于对比算法,改进蚁群算法搜索到的航线更优,更为安全可靠,所耗费的时间少于对比算法,是一种效率高、可靠性好的船舶最优航线导航算法。     

改进蚁群算法的船舶软件系统可靠性评价

船舶软件系统可靠性是评价软件系统生命周期的一个重要指标,支持向量机在船舶软件系统可靠性评价中存在的参数优化难题,使得船舶软件系统可靠性评价错误率大。以减少船舶软件系统可靠性评价错误率为目标,提出改进蚁群算法的船舶软件系统可靠性评价方法。首先分析当前船舶软件系统可靠性评价国内外研究状态,指出了参数对船舶软件系统可靠性评价结果的影响程度,然后采用改进蚁群算法对支持向量机的参数进行估计,并应用于船舶软件系统可靠性评价的建模中,最后与传统支持向量机的船舶软件系统可靠性评价方法进行对比分析。结果显示本文算法的船舶软件系统可靠性评价错误率大约为5%,而传统支持向量机误率大约为10%左右,本文算法的船舶软件系统可靠性评价可信度更高。     

基于改进蚁群算法的装配序列规划研究

针对复杂装配产品的装配序列规划问题,构建了包含零部件装配方向、重量、尺寸、装配关系数以及装配连接方法的装配序列评价体系函数.提出一种改进的蚁群算法,建立了算法寻优的数学模型和以零部件为对象的启发式函数,将启发式函数值作为引导蚂蚁进行零部件选择的信息素,并在蚂蚁逐步寻优过程中加入候选零部件筛选规则、装配方向规则和装配阻碍规则等计算规则,辅助蚂蚁摒弃劣质解选择最优解,直到获得产品的整条装配序列.最后以船舶某机型柴油机气缸盖模型为例,验证了改进蚁群算法在求解复杂产品装配序列规划问题的可行性和有效性.     

蚁群算法在港口船舶物流中的应用研究

在全球化经济日益繁荣的今天,国内出现了众多超大吞吐容量的港口,同时各种超级运输船舶也被制造出来,因此在全球港口运输能力有限的情况下,如何有效安排船舶物流的作业流程,改善港口运输效率,对提高经济效益,降低成本显得非常必要。因此,本文主要分析现阶段港口运输行业面临的主要问题,并基于蚁群算法提出具体的优化措施。通过建立港口船舶物流的数学模型,对物流运输中的任务序列进行优化调度,从而最终确定最优的调度算法。     

基于改进蚁群算法的物流网络

文中将受容量限制的单分配轴-辐式网络抽象为一个三次变量的混合整数线性规划模型方程;提出了一种改进的蚁群算法,将6种局域搜索算子加入算法中,因此具有较高的全局搜索能力和局部搜索能力;同时提出“解对”的概念,对问题的构成进行分解优化,转化为确定问题,切实使本问题符合蚁群算法使用的前提和优势;最后,使用澳大利亚邮政的数据进行选址仿真实验,验证此算法模型在该应用中的求解效率和计算稳定性。     

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。     

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.     

面向复杂装配体的装配序列规划研究

为实现复杂装配体的装配序列规划,从复杂产品的三维装配模型出发,提取装配相关信息,结合超零件的设置,实现装配模型自动层次划分,摆脱传统的以零件为单元的编制序列模式,以降低装配复杂性。基于改进遗传算法,根据装配配合约束关系,辨别零部件链接干涉情况,生成链接干涉矩阵,结合装配累计重量、重定向次数及工装夹具改变次数等评价指标设置目标函数,提出面向复杂装配体的装配序列规划方法。最后以船用柴油机汽缸盖为例进行了实验,验证了此算法的有效性。     

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。     

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。     

基于干涉矩阵的拆卸序列规划算法研究

为解决拆卸序列规划理论算法存在的求解空间过大的问题,提出一种基于干涉矩阵的规划算法。该算法用于涉矩阵和干涉图来表现装配体零部件间的约束关系,通过对干涉矩阵的分析处理,简化干涉图,生成拆卸序列,达到了缩减求解空间的目的,保证了算法同工程实际的一致性,提高了实际应用和软件编程的能力。     

基于蚁群算法的航线自动生成研究

为了减轻航海人员制定航线的繁复劳动,减少航线制定时的个人主观性,基于蚁群算法进行航线自动生成研究.以电子海图为基础,论述了网格划分、搜索策略、信息更新、航线选优、航线平滑、计算流程等相关问题和具体做法,通过示例证明了蚁群算法用于航线自动生成的可行性.该法不仅实现了航线制定的自动化,而且可以在相关搜索策略中运用专家的思想,增加航线制定的科学性,提高航行的安全性.     

基于蚁群算法的AUV动目标避碰规划的方法研究

提出了基于蚁群算法(ACA)实现AUV对运动目标避碰规划的方法.该方法把避碰、路径最短和航迹跟踪等约束条件映射为目标函数,使得路径搜索过程快速高效.计算机仿真表明:该方法使AUV能够较好地实现对运动目标的避碰;由此说明此项研究具有一定的可行性和有效性.     

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.