融合概率地图法的改进蚁群优化算法无人水面船路径规划

1

作者 白响恩 刘迪 徐笑锋 《上海海事大学学报》 北大核心 2025年第2期1-8,共8页

针对传统蚁群优化(ant colony optimization,ACO)算法存在收敛速度慢、易陷入局部最优等缺陷,对传统ACO算法进行改进,使其适用于无人水面船(unmanned surface vehicle,USV)在复杂和真实海域环境下的全局路径规划。利用概率地图法(probab... 针对传统蚁群优化(ant colony optimization,ACO)算法存在收敛速度慢、易陷入局部最优等缺陷,对传统ACO算法进行改进,使其适用于无人水面船(unmanned surface vehicle,USV)在复杂和真实海域环境下的全局路径规划。利用概率地图法(probabilistic roadmap method,PRM)规划的路径作为ACO算法初始信息素分布的依据,提高算法收敛速度;设计同时考虑路径长度和方向性的启发函数,避免传统ACO算法陷入局部最优;加入转角启发函数,减少传统ACO算法拐点数;引入障碍物密度启发函数,提高传统ACO算法规划路径时感知障碍物的能力;利用三次B样条曲线对规划的路径进一步优化,提高路径的平滑性。仿真实验表明:在不同规模的栅格地图上和真实海域环境下,改进ACO算法在拐点数和迭代次数上具有明显优势,且稳定性较好。所提出的改进ACO算法在航海实际应用中具有重要意义。 展开更多

关键词 无人水面船(USV) 路径规划 蚁群优化(aco)算法 概率地图法 真实海域

在线阅读 下载PDF 职称材料

用于机组组合优化的蚁群粒子群混合算法 被引量：31

2

作者 陈烨 赵国波 +2 位作者 刘俊勇 刘天琪 李华强 《电网技术》 EI CSCD 北大核心 2008年第6期52-56,共5页

提出了一种用于求解机组组合优化问题的蚁群粒子群混合优化算法。通过将机组组合解编码为机组操作序列,降低了蚁群算法搜索的难度,使其空间复杂度由指数型降为线性型,使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子... 提出了一种用于求解机组组合优化问题的蚁群粒子群混合优化算法。通过将机组组合解编码为机组操作序列,降低了蚁群算法搜索的难度,使其空间复杂度由指数型降为线性型,使采用蚁群算法求解更大规模的机组组合问题成为可能。采用协同粒子群算法求解多时段负荷的经济分配问题时,用一个粒子群处理一个时段的优化问题,通过共享粒子群间的惩罚项解决了机组爬升率的约束问题。10机和20机系统的仿真实验和分析结果验证了该方法正确性、有效性和优越性。 展开更多

关键词 机组组合 蚁群算法(aco) 粒子群优化(PSO) 操作编码

在线阅读 下载PDF 职称材料

蚁群算法在道路应急疏散策略选择中的应用 被引量：11

3

作者 毛新华 王建伟 +1 位作者 赵京 甘家华 《中国安全科学学报》 CAS CSCD 北大核心 2014年第10期170-176,共7页

为有效节约道路突发事件发生后车辆的应急疏散时间,基于疏散车辆交通流和非疏散交通流的不确定性,建立带有区间参数的机会约束规划模型,研究道路应急安全疏散策略的选择问题。以某疏散路网为例,模拟道路突发事件发生后的车辆疏散。用蚁... 为有效节约道路突发事件发生后车辆的应急疏散时间,基于疏散车辆交通流和非疏散交通流的不确定性,建立带有区间参数的机会约束规划模型,研究道路应急安全疏散策略的选择问题。以某疏散路网为例,模拟道路突发事件发生后的车辆疏散。用蚁群算法(ACO)计算最优和最差策略。结果表明:疏散路网饱和度上限和置信水平的设置影响疏散策略选择和疏散时间,置信水平取值越高,总疏散时间越短;由于路网非疏散流概率密度的影响,路段饱和度上限取值与整体疏散时间不存在明显的正相关关系。当置信水平取0.95、饱和度上限取0.9时,将得到最优疏散策略;当置信水平取0.8、饱和度上限取0.75时,将得到最差疏散策略。 展开更多

关键词 交通工程 疏散策略选择 机会约束规划 不确定性 蚁群算法(aco)

在线阅读 下载PDF 职称材料

基于蚁群算法的水电站AGC机组组合与负荷分配优化 被引量：8

4

作者 胡飞 张德虎 +1 位作者 杨晓春 曹春建 《水电能源科学》 北大核心 2012年第12期123-126,共4页

针对水电站厂级自动发电控制(AGC)中的经济运行问题,采用蚁群算法求解,所建模型综合考虑了功率平衡、机组出力约束、旋转备用和机组开停机时间约束等多重安全运行限制条件,并根据等微增率原则导出经济负荷分配公式嵌入并行随机搜索模式... 针对水电站厂级自动发电控制(AGC)中的经济运行问题,采用蚁群算法求解,所建模型综合考虑了功率平衡、机组出力约束、旋转备用和机组开停机时间约束等多重安全运行限制条件,并根据等微增率原则导出经济负荷分配公式嵌入并行随机搜索模式中,减少负荷分配时的迭代次数。算例中的机组耗量特性曲线根据实际数据采用二次曲线拟合。仿真结果表明,该方法既带有智能算法搜索的随机性又具有传统算法的稳定性,优化速度快且精度较高。 展开更多

关键词 自动发电控制(AGC) 蚁群算法(aco) 机组组合 负荷分配 水电站

在线阅读 下载PDF 职称材料

基于改进蚁群算法的元胞自动机疏散模型研究 被引量：18

5

作者 王茹 周磊 刘俊 《中国安全科学学报》 CAS CSCD 北大核心 2018年第1期38-43,共6页

为预防实际疏散过程中的人员伤亡,结合人员的疏散特性,建立基于改进蚁群算法（ACO）的元胞自动机（CA）疏散模型。该模型将行人标记为独立的元胞,对ACO算法的启发函数、信息素更新方式和禁忌规则进行修改来描述人员逆行、绕行、避障及... 为预防实际疏散过程中的人员伤亡,结合人员的疏散特性,建立基于改进蚁群算法（ACO）的元胞自动机（CA）疏散模型。该模型将行人标记为独立的元胞,对ACO算法的启发函数、信息素更新方式和禁忌规则进行修改来描述人员逆行、绕行、避障及从众等疏散行为。运用该模型对单出口房间场景下的人员疏散过程进行仿真,并将所得结果与商用软件pathfinder的结果对比。结果表明：该模型能够模拟出实际疏散过程中的＂拱形分布＂现象,所得疏散时间与商用软件pathfinder的结果相近;其相对pathfinder而言,可自动输出主要疏散路径。 展开更多

关键词 疏散模型 元胞自动机(CA) 蚁群算法(aco) 拱形分布 主要疏散路径

在线阅读 下载PDF 职称材料

基于Voronoi图与蚁群算法的UCAV航路规划 被引量：8

6

作者 何艳萍 张安 刘海燕 《电光与控制》 北大核心 2009年第11期22-24,54,共4页

提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法。首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无... 提出一种基于Voronoi图和蚁群优化算法(ACO)的无人作战飞机航路规划的方法。首先根据已知威胁源建立威胁源的Voronoi图,并构建了起始点、目标点与威胁场的Voronoi图赋权有向图,从而建立了无人机搜索路径的集合,结合初始集合,然后给出无人作战飞机航路规划的具体实现过程,最后对UCAV在多种威胁环境下的航路规划进行了仿真实验,仿真结果表明这种航路规划方法是可行和有效的。 展开更多

关键词 UCAV 航路规划 VORONOI图 蚁群优化算法(aco)

在线阅读 下载PDF 职称材料

蚁群-条件禁忌混合计算智能算法的Petri网路径寻优 被引量：3

7

作者 石立宝 张舒 +2 位作者 姚良忠 倪以信 Masoud Bazargan 《系统仿真学报》 CAS CSCD 北大核心 2011年第11期2400-2405,共6页

Petri网(PN)的路径寻优问题一直是PN研究与分析中的重点和难点,尤其是研究、开发大型复杂PN的路径寻优智能算法将面临更大的挑战。根据传统蚁群算法(ACO)路径寻优特点,结合PN变迁规则,提出一种蚁群-条件禁忌(ACO-CTS)混合计算智能算法求... Petri网(PN)的路径寻优问题一直是PN研究与分析中的重点和难点,尤其是研究、开发大型复杂PN的路径寻优智能算法将面临更大的挑战。根据传统蚁群算法(ACO)路径寻优特点,结合PN变迁规则,提出一种蚁群-条件禁忌(ACO-CTS)混合计算智能算法求解Petri网路径寻优问题。算法中,Petri网中的令牌类比成ACO中的蚂蚁,令牌/蚂蚁在变迁的过程中将信息素留在所经过的变迁中,通过信息素调整、控制令牌/蚂蚁的变迁,最终找到最短时延的变迁路径。寻优过程中,引入TS算法,根据不同条件通过禁忌最优解中的变迁,使令牌/蚂蚁在寻优过程中能跳出局部最优解,从而有效防止ACO算法路径寻优过早陷入局部最优解。仿真结果验证了所提方法的正确性和有效性。 展开更多

关键词 蚁群算法(aco) TABU搜索 PETRI网 变迁 令牌

在线阅读 下载PDF 职称材料

用蚁群优化算法进行误差修正的手臂姿态跟踪的研究

8

作者 张立国 张志福 +1 位作者 金梅 赵金阁 《高技术通讯》 CAS CSCD 北大核心 2015年第4期404-410,共7页

为了提高人体手臂运动姿态跟踪的精度,提出了一种采用蚁群优化(ACO)算法修正误差的手臂姿态跟踪方法。该方法基于对姿态测量单元中加速度计的误差模型的分析,采用ACO算法进行误差模型参数拟合以修正加速度计的静态误差;应用卡尔曼滤波... 为了提高人体手臂运动姿态跟踪的精度,提出了一种采用蚁群优化(ACO)算法修正误差的手臂姿态跟踪方法。该方法基于对姿态测量单元中加速度计的误差模型的分析,采用ACO算法进行误差模型参数拟合以修正加速度计的静态误差;应用卡尔曼滤波算法对MEMS加速度计、磁力计和陀螺仪数据进行数据融合,得到肢体姿态最优估计;采用了手臂肘关节的几何约束模型,对手臂姿态跟踪过程中因噪声扰动和肌肉变形产生的随机漂移误差进行补偿,得到手臂关节的正确位置估计。试验表明,该方法有效地降低了传感器噪声所引起的漂移,提高了位置测量的准确度和稳定度。 展开更多

关键词 姿态跟踪 蚁群优化(aco)算法 数据融合 几何约束

在线阅读 下载PDF 职称材料

融合猫群算法的动态分组蚁群算法 被引量：18

9

作者 张德惠 游晓明 刘升 《计算机科学与探索》 CSCD 北大核心 2020年第5期880-891,共12页

针对传统蚁群算法在旅行商问题(TSP)中容易陷入局部最优且收敛速度慢等问题,提出了一种融合猫群算法的动态分组蚁群算法。首先,在种群初始化时,人工地使蚂蚁均匀分布在不同的城市。其次,借鉴猫群算法中的分工思想,在蚁群系统中引入动态... 针对传统蚁群算法在旅行商问题(TSP)中容易陷入局部最优且收敛速度慢等问题,提出了一种融合猫群算法的动态分组蚁群算法。首先,在种群初始化时,人工地使蚂蚁均匀分布在不同的城市。其次,借鉴猫群算法中的分工思想,在蚁群系统中引入动态分组机制,将蚂蚁分为搜索蚂蚁和跟踪蚂蚁两类:搜索蚂蚁通过路径构建规则的改善使算法在前期多样性增加;跟踪蚂蚁利用信息素扩散机制对局部信息素进行自适应更新,突出较优子路径的作用,避免算法陷入局部最优。最后,通过信息素全局更新机制加快收敛速度。通过Matlab对TSPLIB中的多组案例进行仿真实验,结果表明改进后的算法平衡了多样性和收敛速度,有效提高了解的质量。 展开更多

关键词 蚁群算法(aco) 猫群算法(CSO) 旅行商问题(TSP) 动态分组 自适应信息素扩散

在线阅读 下载PDF 职称材料

基于改进蚁群算法的机器人路径规划算法 被引量：26

10

作者 刘学芳 曾国辉 刘瑾 《传感器与微系统》 CSCD 2019年第10期129-131,138,共4页

针对机器人路径规划中,传统蚁群算法收敛速度慢、易陷入局部最优解等问题,提出了一种移动机器人路径规划的改进蚁群优化(ACO)算法。用栅格法建立环境模型,并基于人工势场建立启发信息素矩阵,降低了蚂蚁在初始阶段搜索的盲目性;引入激励... 针对机器人路径规划中,传统蚁群算法收敛速度慢、易陷入局部最优解等问题,提出了一种移动机器人路径规划的改进蚁群优化(ACO)算法。用栅格法建立环境模型,并基于人工势场建立启发信息素矩阵,降低了蚂蚁在初始阶段搜索的盲目性;引入激励函数,降低搜索过程中的死锁现象;改进信息素的更新机制,增强了优秀蚂蚁对全局路径规划的影响。仿真结果表明:改进后蚁群算法的机器人路径规划算法加快了收敛速度,具有较强的鲁棒性和全局寻优能力。 展开更多

关键词 蚁群优化(aco)算法 人工势场 路径规划 机器人

在线阅读 下载PDF 职称材料

融合奖惩学习策略的动态分级蚁群算法 被引量：4

11

作者 莫亚东 游晓明 刘升 《计算机科学与探索》 CSCD 北大核心 2021年第9期1703-1716,共14页

为应对传统蚁群算法在解决旅行商问题(TSP)中求解精度不高、算法易早熟等问题,提出融合奖惩学习策略的动态分级蚁群算法(DHL-ACS)。首先将蚁群动态划分为帝国蚁、殖民蚁及国王蚁,其中帝国蚁与殖民蚁执行局部信息素更新,国王蚁执行全局... 为应对传统蚁群算法在解决旅行商问题(TSP)中求解精度不高、算法易早熟等问题,提出融合奖惩学习策略的动态分级蚁群算法(DHL-ACS)。首先将蚁群动态划分为帝国蚁、殖民蚁及国王蚁,其中帝国蚁与殖民蚁执行局部信息素更新,国王蚁执行全局信息素更新,在局部信息素更新中帝国蚁执行较大权重系数,负责对较优解的开发增强算法导向性,殖民蚁执行较小权重系数,负责对次优解的探索保证算法多样性,并利用帝国蚁与殖民蚁交换优质解的方式提高解的精度。其次提出一种改进的学习策略,通过奖励帝国蚁与殖民蚁的公共路径以实现较优解的同化作用,进而提高算法收敛速度;进一步当算法停滞时,引入反馈算子来减少国王蚁路径上的信息素,以达到对较高信息素路径的惩罚作用,从而提高种群多样性,增强算法跳出局部最优能力。通过对多组TSP数据集实验对比分析,实验结果表明改进后的算法很好地平衡了收敛速度与多样性之间的关系,尤其应对大规模TSP问题,能有效改善解的精度。 展开更多

关键词 蚁群算法(aco) 学习策略 反馈算子 动态分级 旅行商问题(TSP)

在线阅读 下载PDF 职称材料

基于动态重组和协同交流策略的蚁群优化算法 被引量：3

12

作者 刘一凡 游晓明 刘升 《计算机科学与探索》 CSCD 北大核心 2021年第8期1511-1525,共15页

针对传统蚁群算法在解决旅行商问题(TSP)时所存在的收敛速度慢、易陷入局部最优等问题,提出了基于动态重组和协同交流策略的蚁群优化算法(RCACO)。首先,将蚁群划分为贪婪蚁群和探索蚁群,两类蚁群执行不同的路径构建规则和信息素更新策略... 针对传统蚁群算法在解决旅行商问题(TSP)时所存在的收敛速度慢、易陷入局部最优等问题,提出了基于动态重组和协同交流策略的蚁群优化算法(RCACO)。首先,将蚁群划分为贪婪蚁群和探索蚁群,两类蚁群执行不同的路径构建规则和信息素更新策略,以平衡算法的收敛速度和多样性。其次,采用一种基于线索二叉树的新型动态重组算子,并根据不同的重组策略对解集进行有导向性的动态重组,以提升算法的多样性。进一步,提出一种基于相似度和潜力值的协同交流策略,从全局的角度出发,找到最有潜力成为最优解的路径,并对这些路径给予信息素奖励,以提升算法的收敛速度。最后,算法还加入了停滞规避策略,以帮助蚁群跳出局部最优,提升算法的求解精度。通过Matlab对TSPLIB中的多组案例进行仿真实验,与传统蚁群算法和其他优化算法进行对比分析,仿真结果表明,改进的蚁群算法显著提高了收敛速度和求解精度。 展开更多

关键词 旅行商问题(TSP) 蚁群优化算法(aco) 动态重组 协同交流 停滞规避

在线阅读 下载PDF 职称材料

融合分级诱导策略的自适应蚁群优化算法 被引量：3

13

作者 孟令武 游晓明 刘升 《传感器与微系统》 CSCD 2020年第11期130-133,共4页

针对蚁群优化(ACO)算法在求解旅行商问题(TSP)时易陷入局部最优,收敛速度较慢的问题,提出一种融合分级诱导策略的自适应蚁群优化(HIACO)算法。首先运行传统ACO算法,找出局部收敛迭代点,根据该点设置自适应平衡因子N,便于自适应平衡算法... 针对蚁群优化(ACO)算法在求解旅行商问题(TSP)时易陷入局部最优,收敛速度较慢的问题,提出一种融合分级诱导策略的自适应蚁群优化(HIACO)算法。首先运行传统ACO算法,找出局部收敛迭代点,根据该点设置自适应平衡因子N,便于自适应平衡算法的种群多样性和收敛速度;然后,在HIACO算法前期(N代前)使用传统ACO算法,在HIACO算法后期(N代后)引入分级诱导策略,增加了算法的种群多样性,加快了算法收敛速度;最后,选取TSPLIB标准库中的多组TSP进行仿真实验。实验结果表明:相比传统ACO算法、最大最小蚂蚁系统(MMAS)算法和最新的蚁群优化算法A-ACS,本算法不易陷入局部最优,具有更强的寻优能力,更快的收敛速度。 展开更多

关键词 蚁群优化(aco)算法 分级诱导 旅行商问题(TSP) 自适应

在线阅读 下载PDF 职称材料

基于支持向量机和改进蚁群算法的移动机器人路径规划 被引量：4

14

作者 张劲波 左韬 +1 位作者 胡新宇 伍一维 《高技术通讯》 CAS 2021年第3期288-297,共10页

针对传统蚁群算法(ACO)收敛速度慢、全局搜索能力不佳、易陷入局部最优、路径不光滑及不安全等缺点,本文提出一种将改进的蚁群算法和非线性支持向量机(SVM)结合的移动机器人路径规划算法。对传统蚁群算法引入两个角度信息,增加算法的朝... 针对传统蚁群算法(ACO)收敛速度慢、全局搜索能力不佳、易陷入局部最优、路径不光滑及不安全等缺点,本文提出一种将改进的蚁群算法和非线性支持向量机(SVM)结合的移动机器人路径规划算法。对传统蚁群算法引入两个角度信息,增加算法的朝向性,克服局部最优问题;信息素挥发因子随迭代次数自适应调整,加快全局搜索能力和收敛速度。在此基础上结合高斯径向基核最小二乘支持向量机,采用提出的改进蚁群算法获得支持向量机的惩罚系数和核函数宽度,利用径向基核函数和决策函数在改进蚁群算法的路径转向位置处训练优化,得到平滑及安全的路径。仿真结果表明,提出的算法不但可以有效提高收敛速度和精度,而且使得路径光滑且安全。 展开更多

关键词 蚁群算法(aco) 支持向量机(SVM) 路径规划 移动机器人

在线阅读 下载PDF 职称材料

基于蚁群算法优化的黄酒发酵温度模糊控制系统

15

作者 蔡梦萍 杨丽明 +2 位作者 孙玉东 缪新兴 徐大新 《食品与发酵工业》 CAS CSCD 北大核心 2013年第10期6-10,共5页

黄酒发酵过程中温度对象具有大滞后、非线性和突变性等特点,且生化反应机理不明,难以建立明确的机理模型,采用常规的控制方案难以获得理想的控制效果。针对这一难题,笔者提出了基于蚁群算法优化的模糊控制策略,用蚁群算法对模糊算法的... 黄酒发酵过程中温度对象具有大滞后、非线性和突变性等特点,且生化反应机理不明,难以建立明确的机理模型,采用常规的控制方案难以获得理想的控制效果。针对这一难题,笔者提出了基于蚁群算法优化的模糊控制策略,用蚁群算法对模糊算法的量化因子和比例因子进行优化,提高了模糊控制器的精度和自适应能力。仿真运行结果显示,该算法收敛速度更快,超调量小,能较好地跟踪目标工艺曲线。 展开更多

关键词 蚁群算法(aco) 黄酒发酵 模糊控制

在线阅读 下载PDF 职称材料

改进蚁群优化算法求解折扣{0-1}背包问题

16

作者 张铭 邓文瀚 +1 位作者 林娟 钟一文 《计算机工程与应用》 CSCD 北大核心 2021年第13期85-95,共11页

折扣{0-1}背包问题(Discounted{0-1}Knapsack Problem,DKP)是一个NP-困难的组合优化问题,尽管已经存在一些求解DKP的智能优化算法,但目前尚没有用蚁群优化(Ant Colony Optimization,ACO)算法求解DKP的研究。提出了一个求解DKP的改进ACO(... 折扣{0-1}背包问题(Discounted{0-1}Knapsack Problem,DKP)是一个NP-困难的组合优化问题,尽管已经存在一些求解DKP的智能优化算法,但目前尚没有用蚁群优化(Ant Colony Optimization,ACO)算法求解DKP的研究。提出了一个求解DKP的改进ACO(Modified ACO,MACO)算法。MACO算法使用整数编码以保证每组物品最多只有一个物品被选中,在MACO算法构造解的每一步,采用组内竞争选择来降低算法的时间复杂性,对计算选择概率的公式,放弃启发式信息以减少参数并简化算法参数设置,对蚂蚁构造出的解,经修复后使用基于价值密度和价值的混合贪婪优化算子来提高算法的寻优能力。在四类测试用例上对MACO算法进行了测试并与其他算法进行比较,实验结果表明MACO算法的性能明显优于其他算法。 展开更多

关键词 折扣{0-1}背包问题(DKP) 蚁群优化算法(aco) 信息素 组内选择 混合优化

在线阅读 下载PDF 职称材料

一种基于ACO的K-medoids聚类算法 被引量：9

17

作者 孟颖 罗可 +1 位作者 姚丽娟 王琳 《计算机工程与应用》 CSCD 2012年第16期136-139,152,共5页

K-medoids算法作为聚类算法的一种,不易受极端数据的影响,适应性广泛,但是K-medoids聚类算法的精确度不稳定,平均准确率较低,用于实际的聚类分析时效果较差。ACO是一种仿生优化算法,其具有很强的健壮性,容易与其他方法相结合,求解效率... K-medoids算法作为聚类算法的一种,不易受极端数据的影响,适应性广泛,但是K-medoids聚类算法的精确度不稳定,平均准确率较低,用于实际的聚类分析时效果较差。ACO是一种仿生优化算法,其具有很强的健壮性,容易与其他方法相结合,求解效率高等特点。在K-medoids聚类算法的基础上,借鉴ACO算法的优点,提出了一种新的聚类算法,它提高了聚类的准确率,算法的稳定性也比较高。通过仿真实验,验证了算法的可行性和先进性。 展开更多

关键词 蚁群优化算法(aco) 聚类分析 K-medoids算法

在线阅读 下载PDF 职称材料

基于云计算的ACO-K中心点资源优化算法 被引量：2

18

作者 孟颖 罗可 +1 位作者 刘建华 姚丽娟 《计算机工程与应用》 CSCD 2013年第5期103-107,219,共6页

云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算... 云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算法结合等优点。K中心点算法是K均值的改进算法,鲁棒性强,不易受极端数据的影响。结合这两种算法的优点,提出一种基于云计算环境下的ACO-K中心点资源分配优化算法,得到最优的计算资源,提高云计算的效率。通过仿真验证了该算法的有效性。 展开更多

关键词 云计算 资源分配 K中心点算法 蚁群算法(aco) 动态负荷

在线阅读 下载PDF 职称材料

基于ACO-USK优化VMD参数的滚动轴承故障诊断研究 被引量：1

19

作者 张卫国 王紫阳 +1 位作者 夏立成 陈永和 《中国工程机械学报》 北大核心 2024年第5期695-700,共6页

传统变分模态分解(VMD)技术需要人为主观预设模态分解个数K和二次惩罚因子α,由此可能导致信号的欠分解、过分解、模态混叠或信息丢失等问题,从而影响对滚动轴承早期故障信号的分解效果。本文根据峭度指标对滚动轴承早期故障异常敏感的... 传统变分模态分解(VMD)技术需要人为主观预设模态分解个数K和二次惩罚因子α,由此可能导致信号的欠分解、过分解、模态混叠或信息丢失等问题,从而影响对滚动轴承早期故障信号的分解效果。本文根据峭度指标对滚动轴承早期故障异常敏感的特点,提出了一种以联合平方峭度(USK)指标为目标函数,结合蚁群优化(ACO)算法的ACO-USK优化方法,对VMD模态分解个数K和二次惩罚因子α进行自适应寻优。研究结果表明:对于滚动轴承早期故障信号,与以包络熵(EE)为目标函数的VMD优化方法对比,本文提出的方法既具有较好的包络谱信噪比(SNRES),又有在计算用时上的优越性,具有一定的工程应用价值。 展开更多

关键词 变分模态分解(VMD) 滚动轴承 故障诊断 联合平方峭度(USK) 蚁群优化(aco)算法

在线阅读 下载PDF 职称材料

融合改进A^(*)蚁群和滚动窗口法的平滑路径规划 被引量：17

20

作者 殷绍伟 彭力 戴菲菲 《计算机科学与探索》 CSCD 北大核心 2021年第10期1969-1979,共11页

针对蚁群算法应用于移动机器人路径规划时,出现的死锁、收敛慢、易陷入局部最优以及路径不平滑的问题,提出了一种融合改进A^(*)蚁群算法与滚动窗口法的平滑路径规划方法。首先,用改进的A^(*)算法初始化蚁群信息素,解决前期蚁群效率低的... 针对蚁群算法应用于移动机器人路径规划时,出现的死锁、收敛慢、易陷入局部最优以及路径不平滑的问题,提出了一种融合改进A^(*)蚁群算法与滚动窗口法的平滑路径规划方法。首先,用改进的A^(*)算法初始化蚁群信息素,解决前期蚁群效率低的问题。然后,改进状态转移概率函数,在函数中考虑可行路径“活跃度”以及终点位置,避免死锁现象。同时,基于不平等原则机制更新蚁群的信息素,避免陷入局部最优路径,加快算法的收敛速度。其次,融合滚动窗口法,在全局路径规划的基础上,结合动态避障策略进行局部实时路径规划。最后,使用贝塞尔曲线对所规划出的路径进行平滑度处理,使平滑后的路径更加接近实际运动路径。为确保算法表现出最好的性能,利用带精英策略的遗传算法对该算法中的参数进行自主优化选择。三组实验结果表明,无论是简单还是复杂的静态或动态障碍物存在的环境中,该算法均有不错的效果。 展开更多

关键词 路径规划 蚁群算法(aco) A^(*)算法 滚动窗口法 遗传算法(GA) 贝塞尔曲线 动态避障

在线阅读 下载PDF 职称材料