求解不确定型车辆路径问题的弱鲁棒优化方法

为降低鲁棒优化模型最优解的保守性,以最小化违约车辆数和总惩罚成本为目标,建立针对旅行时间不确定的开放式车辆路径问题的弱鲁棒优化模型。对于不确定数据集的每个取值,该模型的最优解可以使其目标函数值始终不超过某数值,进而改善最优解的保守性。为提高启发式算法发现最优解的概率,提出一种自设计遗传算法对模型进行求解,其主要思想是利用粒子群算法搜索出可使遗传算法预期产生最好解的算法要素,并将其进行组合,从而产生新的遗传算法。采用新产生的遗传算法对模型继续求解,输出最好解。计算结果表明:与以往的鲁棒优化方法相比,弱鲁棒优化方法的最优解的保守性显著降低。     

基于Dubins路径的智能车辆路径规划算法

路径规划是车辆智能化的核心问题之一,而所有路径均可分解为简单的Dubins路径。在Dubins路径的思想下对智能车辆的行驶路径进行分段研究,并利用经典PID控制对该算法的执行性能进行检验。研究表明:算法能计算出车辆行驶的最短路径,减少了车辆行驶的路径长度,缩短了行驶时间,减少了控制系统的计算量,提高了车辆执行系统的执行力度,降低了执行误差,对最优路径具有较好的选择性。     

随机网络的α最短路径问题

为了求解随机网络中满足置信度为α的最短路径问题,提出了一种BP神经网络遗传算法。首先给出了随机网络的定义,建立了α最短路径模型;然后采用BP神经网络拟合非线性函数,遗传算法优化BP神经网络输出的方法求解该问题。实验结果表明,提出的模型和算法能有效求解随机网络的α最短路径问题。     

基于遗传算法的配送路线优化

探讨物流配送路径优化问题,研究选取恰当的配送路径,是在物流过程中提升响应速度,提高服务质量,降低物流成本,提高效率的有效途径.物流配送路径优化问题是一个NP完全问题,使用传统优化方法很难得到最优解或满意解.通过对配送路线优化问题和遗传算法的分析研究,探讨了基于配送路线优化的遗传算法设计,给出了一个算法实例,利用Matlab强大的数值计算能力较好地解决了这个难题并进行了实例验证.说明了遗传算法在求解配送路线优化时的有效性和实用性.对物流系统进行科学的配送路径的优化决策具有实际指导意义.     

需求可拆分的应急物资调度问题的蚁群算法

应急物资调度问题是个典型的需求可拆分的车辆路径问题,区别于传统的车辆路径问题,将每个需求节点只能由一辆车访问的约束去除,允许需求节点由多辆车进行访问。针对应急物资调度问题的特点,建立相应的多目标车辆路径数学规划模型(SDVRP),并根据模型特点设计改进蚁群优化算法。最后,进行相应的算例分析,验证了该模型和算法的有效性。     

蚁群算法的路径规划改进策略

研究了潜艇路径规划问题,基于遗传算法变异策略,提出了针对蚁群算法路径规划问题的改进策略,分别以威胁概率和路径长度作为代价指标构建了仿真分析。仿真结果表明,改进的算法从算法收敛速度和收敛性较改进之前更具优势,研究成果可为潜艇路径规划问题提供解决方法和途径。     

基于粒子群遗传算法的多无人机协同路径搜索

为解决不确定环境中多无人机路径搜索针对性不强、效率低问题,提出一种基于粒子群遗传算法的多无人机协同路径搜索方法.建立区域栅格图环境和搜索概率图模型,采取滚动预测的方式,提出使用协同粒子群遗传算法生成预测路径,通过适应度函数确定最优搜索路径,该路径满足无人机最小转弯半径限制,并能实现威胁区域规避和重点区域加强搜索.仿真结果验证了所提算法的有效性.     

遗传算法在装备调拨辅助决策中的应用

利用遗传算法求解装备调拨中的路径优化问题和运输装载问题,并利用MATLAB进行了实例仿真,对装备调拨的辅助决策具有积极的意义。     

车辆 GPS 定位的一般性问题研究

为了适应现时特种车辆管理系统对车辆GPS定位的精度的需要 ,并考虑到未来的发展趋势 ,对差分GPS方案进行了介绍。针对上述方案的不可靠性问题提出了一种车辆路径匹配定位方法 ,并通过实验证明了这种方法不仅可以提高定位精度 ,同时还有效地避免了车辆在电子地图上显示混乱的问题。     

基于多项式拟合的无人机攻击路径规划

针对具有终端约束的无人机攻击路径规划问题,提出了一种基于多项式拟合的路径规划方法。首先,通过分析敌方防空雷达的探测过程和敌方防空武器的攻击过程,给出了无人机突破敌方防空的威胁代价计算模型。然后,对无人机攻击目标时的终端约束条件进行了研究。最后,推导了具有终端约束条件的基于多项式拟合的无人机路径规划方法。运用遗传算法对路径规划问题进行了仿真。仿真表明算法能够对具有终端约束条件的无人机路径规划问题进行求解,获得的路径满足该规划问题的性能约束条件。