基于统计分析的自适应蚁群算法及应用

被引：12

作者：

许明乐 ^{[1
]}

游晓明 ^{[1
]}

刘升 ^{[2
]}

机构：

[1] 上海工程技术大学电子电气工程学院

[2] 上海工程技术大学管理学院

来源：

计算机应用与软件 | 2017年 / 34卷 / 07期

关键词：

路径规划; 自适应精英策略; 统计分析; 蚁群算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP242 [机器人];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 1111 ;

摘要：

路径规划是机器人关键技术之一。利用改进的蚁群算法进行机器人的路径规划。针对传统蚁群算法收敛速度慢且易陷入局部最优解的缺陷,在Ant Colony System算法基础上,对每代蚁群动态随机统计分析,提取最优、平均和最差的蚂蚁信息,构成自适应算子用于局部信息素的自适应更新。仿真实验结果证明该自适应算子在平衡增加收敛速度和陷入局部最优解矛盾的问题中是有效的。

引用

页码：204 / 211

页数：8

共 18 条

[1] 中国机器人学40年
蔡自兴
[J]. 科技导报, 2015, 33 (21) : 23 - 31
[2] 基于蚁群算法的水果图像分割技术
杨业娟
屠莉
[J]. 江苏农业科学, 2014, 42 (09) : 380 - 382
[3] 移动机器人路径规划技术综述
朱大奇
颜明重
[J]. 控制与决策, 2010, 25 (07) : 961 - 967
[4] 智能移动机器人技术现状及展望
徐国保
尹怡欣
周美娟
[J]. 机器人技术与应用, 2007, (02) : 29 - 34
[5] 蚁群算法理论及应用研究的进展
段海滨
王道波
朱家强
黄向华
[J]. 控制与决策, 2004, (12) : 1321 - 1326+1340
[6] 移动机器人技术研究现状与未来
李磊
叶涛
谭民
陈细军
[J]. 机器人, 2002, (05) : 475 - 480
[7] 最优保留遗传算法及其收敛性分析
何琳
王科俊
李国斌
金鸿章
[J]. 控制与决策, 2000, (01) : 63 - 66
[8] 蚁群优化算法及在网络路由中的应用研究[D]. 吕勇.浙江大学 2005
[9] 基于改进蚁群算法的机器人路径规划研究[D]. 郭玉.哈尔滨工业大学 2008
[10] Ant system: optimization by a colony of cooperating agents. Dorigo M,Maniezzo V,Colorni A. IEEE Transactions on Systems, Man, and Cybernetics Part B: Cybernetics . 1996

← 1 2 →