基于迭代Bargaining策略优化服务合成执行路径

服务质量(QoS)是优化服务合成执行路径的关键研究内容,当前绝大多数存在的方法很少注意到商业环境下服务商之间存在的隐性竞争压力可能会迫使服务商动态改变他们的QoS值以至于合成优化执行路径发生改变.针对此问题,提出一个基于迭代Bargaining策略的约束违背纠正方法.该方法使用本地最优化策略,在没有考虑用户QoS约束的情况下建立一条最优执行路径.对此路径,全局QoS计算模型和全局约束违背检查模型能找出所有发生的约束违背.一个迭代的Bargaining策略被递归作用于关键路径执行节点,使得更好服务提供商被选出替换原有执行节点,从而一个优化的执行路径能被重新建立以满足用户综合的QoS约束需求.     

武警部队快速机动中最优路径的实现

紧急条件下武警部队快速机动最优路径,是一个多目标多约束随机动态交通网络寻优问题。在分析交通网络拓扑化特点及最短路模型前提下,着重研究道路通行能力带给复杂公路网络道路寻优问题的影响,并结合GIS系统利用改进的Dijkstra算法求解。     

基于改进A星算法对自动导引小车路径规划研究

路径规划是自动导引小车应用的关键环节和研究热点,为了适应更加复杂多变的环境,提出了一种改进A星算法的自动导引小车动态路径规划算法.针对地图建模繁琐复杂的问题,在A星算法基础上增加了自动识别地图功能,极大减轻了地图建模难度;针对运算速度与精度受地图类型及大小影响较大的问题,增加了固化栅格数的方法,使算法在不影响精确度的前提下,极大地提高了算法运算速度;针对A星算法本身会出现多余拐点的问题,提出了拉直消除多余拐点的方法;为了提高路径的平滑程度,引入3次样条插值函数和膨胀函数的平滑处理算法,使路径更加平滑;针对A星算法无法处理动态规划问题,结合了D星算法搜索路径模式,使算法可以实时规划路径以避免碰撞动态障碍物.针对上述改进,利用MATLAB GUI开发工具开发出自动导引小车路径规划仿真平台,并通过对比分析,验证了算法的有效性与优越性,可应用于较复杂环境的自动导引小车动态路径规划问题.     

基于几何算法的水下航行器路径规划

在分析水下航行器路径规划影响因素及主要障碍物特点的基础上,提出了一种基于几何算法的水下航行器路径规划算法,并采用该算法对障碍物进行建模和路径规划研究,解决了水下航行器航经多障碍物海区的路径规划问题.最后,通过仿真试验验证了该算法的准确性与可行性.     

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CBBA的多域作战无人系统任务规划方法研究

针对多域作战任务中异构无人系统的分布式任务规划问题,建立考虑时间窗约束、路径受限等情况下的多域作战任务分配模型;基于一致性束算法求解异构无人系统的任务分配问题;采用Bezier曲线和粒子群算法对一致性束算法进行了扩展,将路径规划耦合到任务分配过程中。仿真结果表明,扩展后的一致性束算法可以同步得到无冲突的多域作战无人系统任务分配解和路径规划结果,验证了其在多域作战无人系统任务规划方面的适用性。     

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。     

基于改进蚁群算法的战时不确定性路径规划模型求解

战时路径规划的不确定性包括参数、约束条件和决策目标等的不确定性。以基本蚁群算法为基础,结合随机模拟和模糊模拟技术,提出了一种改进蚁群算法来求解战时不确定性路径规划问题,并通过仿真示例与其他算法进行了比较。结果表明：该算法求解效率更高,求解过程更为直观,能够满足战时不确定性路径规划问题的研究。     

多媒体传感器网络中基于ACO的QoS路由协议

针对目前无线多媒体传感器网络QoS路由协议算法复杂、能耗较大等缺点,提出将蚁群优化算法用于改进无线多媒体传感器网络的路由选择.首先,抽象出多媒体传感器网络QoS 路由模型,进而,利用蚁群算法设计了一个运用带网络约束条件的权值去更新信息素浓度增量的路由算法--AntWMSN算法,AntWMSN算法利用正向蚂蚁F_(ant)收集链路带宽、时延、丢包率等参数,结合精华蚂蚁系统更新本地节点的网络状态模型以及每个访问过的节点上的信息素,从而找到满足多约束QoS条件下的最佳路由.仿真结果表明,该算法具有分布式全局优化网络路由选择的特性,比传统的QoS路由协议具有更好的收敛性,并且在满足网络对QoS参数需求的前提下,有效地提高了网络的生命周期.     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.