-
题名复杂环境移动机器人路径规划的改进蚁群算法
被引量:11
- 1
-
-
作者
刘锴
游晓明
刘升
-
机构
上海工程技术大学电子电气工程学院
上海工程技术大学管理工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2016年第13期60-63,130,共5页
-
基金
国家自然科学基金(No.61075115)
上海市教委科研创新重点项目(No.12ZZ185)
+1 种基金
上海市学科专业建设项目(No.XKCZ1212)
研究生科研创新课题(No.14KY0210)
-
文摘
针对蚁群算法易陷入路径死锁的缺点,提出了一种复杂环境下移动机器人路径规划的改进蚁群算法。对机器人环境建立栅格模型,在传统转移规则中引入指向上一节点的数组,增强了算法的逃逸能力;在信息素更新中减去最差蚂蚁释放的信息量,有利于种群的进化。仿真分析了主要参数对算法性能的影响,实验结果表明,该算法在复杂地图中搜索到的路径优于传统算法。
-
关键词
移动机器人
路径规划
蚁群算法
栅格法
-
Keywords
mobile robot
path planning
ant colony algorithm
grids
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名结合信息熵的多种群博弈蚁群算法
被引量:11
- 2
-
-
作者
陈佳
游晓明
刘升
李娟
-
机构
上海工程技术大学电子电气工程学院
上海工程技术大学管理工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第16期170-178,共9页
-
基金
国家自然科学基金(No.61673258,No.61075115,No.61403249,No.61603242)
-
文摘
针对蚁群算法在旅行商问题(Traveling Salesman Problem,TSP)求解中难以找到最优解、容易早熟的问题,提出一种基于信息熵的多种群博弈蚁群算法。首先,算法采用主从合作博弈机制,引入夏普里公式和信息熵,自适应调整各算子的使用权重,同时构造奖惩算子,提高算法收敛性;然后,对从种群引入针锋相对策略,进行协同学习,提高从种群多样性;进一步,根据帕累托最优原则,对从种群引入协调博弈机制进行自适应合作,提高算法性能。最后,以TSPLIB标准库中的多组TSP问题作为实验算例,进行算法性能分析。实验结果表明,对比传统算法,该算法具有良好的求解精度和求解稳定性。
-
关键词
信息熵
博弈论
多种群算法
蚁群算法
旅行商问题(TSP)
-
Keywords
information entropy
game theory
multi-population algorithm
ant colony algorithm
Traveling Salesman Problem(TSP)
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名动态分级的改良蚂蚁算法及其应用研究
被引量:8
- 3
-
-
作者
陈佳
游晓明
刘升
李娟
-
机构
上海工程技术大学电子电气工程学院
上海工程技术大学管理工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2019年第2期380-384,共5页
-
基金
国家自然科学基金资助项目(61673258
61075115
+1 种基金
61403249
61603242)
-
文摘
针对蚂蚁算法处理机器人路径规划问题时收敛速度慢、协同机制不够完善的问题,结合狼群算法思想提出一种动态分级的改良蚂蚁算法。首先,根据动态分级算子建立种群分级模型;然后,为了改善协同机制,通过结合轮盘赌的头狼影响策略来增加种群间交流;最后,为了提高收敛速度,在保留蚂蚁算法信息素更新公式的同时,通过采取归一化处理的动态信息素更新策略来体现精英作用。为验证效果,采用栅格法对机器人运动空间进行建模,将该算法运用于路径规划问题求解中,并与另外几种智能算法进行比较。仿真结果表明,该算法的收敛速度较快,能以较少的迭代次数找到最优路径,效率较高。
-
关键词
蚂蚁算法
狼群算法
动态分级算子
头狼影响策略
动态信息素更新策略
-
Keywords
ant algorithm
wolf colony algorithm
dynamic hierarchical operator
head-effect strategy
dynamic pheromone update strategy
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名结合ABC算法动态分级的双蚁态蚁群算法
被引量:6
- 4
-
-
作者
李顺东
游晓明
刘升
-
机构
上海工程技术大学电子电气工程学院
上海工程技术大学管理工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2020年第12期37-46,共10页
-
基金
国家自然科学基金(No.61673258,No.61075115)。
-
文摘
针对蚁群算法收敛速度慢、易陷入局部最优等问题,结合人工蜂群算法的分级思想,提出动态分级的双蚁态蚁群算法。根据适应度不同,将蚁群划分为寻优蚁和侦查蚁,并执行不同加权系数的动态信息素更新策略:寻优蚁负责较优路径的搜索,执行较大权重的信息素更新策略,以增强其导向性,提高算法收敛速度。侦查蚁则负责探索非较优路径,发现其他更优解,以保证算法多样性。然后,每次迭代结束则两类蚂蚁进行优良解交换,以提高解的质量。以旅行商问题为例,将其与经典蚁群算法、最新蚁群改进算法以及其他最新优化算法进行对比,其表现皆更优。
-
关键词
蚁群算法
人工蜂群算法
适应度
双蚁态
动态信息素更新策略
优良解交换
-
Keywords
ant colony algorithm
artificial bee colony algorithm
fitness
dualmorphic
dynamic pheromone updating strategy
exchange excellent solutions
-
分类号
TP24
[自动化与计算机技术—检测技术与自动化装置]
-