基于改进多因素蚁群算法的路径规划研究OA
针对传统蚁群(Ant Colony Optimization,ACO)算法在路径规划中存在收敛速度慢、易陷入局部最优解和算法能耗高等问题,提出了一种改进的ACO算法。针对算法迭代初期盲目搜索的问题,改进了初始信息素的分配方式,进行不均匀分配;考虑到路径成本,将多目标函数用于改进启发式函数;采用改进伪随机转移策略,加快算法的收敛速度;改进了信息素更新规则和自适应挥发系数,平衡了收敛速度和全局寻优;将算法得出的最优路径进行节点优化,减少路径长度和转弯…查看全部>>
吴学礼;史思远;宋凯;甄然;袁明明
河北科技大学电气工程学院,河北石家庄050018 河北省生产过程自动化工程技术研究中心,河北石家庄050018河北科技大学电气工程学院,河北石家庄050018河北科技大学电气工程学院,河北石家庄050018河北科技大学电气工程学院,河北石家庄050018 河北省生产过程自动化工程技术研究中心,河北石家庄050018河北科技大学电气工程学院,河北石家庄050018
计算机与自动化
路径规划蚁群算法多目标函数伪随机自适应挥发系数
《无线电工程》 2025 (1)
P.11-17,7
国家自然科学基金(62003129)河北省重点研发计划项目(19250801D)。
评论