摘要
对蚁群算法迭代次数多、收敛速度慢提出了改进。针对蚁群算法前期信息素匮乏而导致收敛速度慢的问题,对信息素和启发式信息的权重参数α和β进行改进,动态调整两种参数;针对迭代后期信息素浓度过高,使得蚁群易陷入局部最优问题,对信息素蒸发系数加以改进,使其成为动态全局自适应参数。通过栅格法进行静态已知环境建模,通过不同规模的路径规划的实验验证了改进后的蚁群算法在寻找最优路径时具有更快的运算速度。
引文
[1]T Stützle,M López-Ibá?ez.Parameter Adaptation in Ant Colony Optimization[M].Springer Be-rlin Heidelberg,2011,6(1):23-8.
[2]李士勇.蚁群算法及其应用[M].哈尔滨工业大学出版社.2004,28(1):42-45.
[3]HH Hoos,MAX-MIN Ant system[M].Elsevier Science Publishers B.V.,2000,16(9):889-914.
[4]孟祥萍,片兆宇.基于方向信息素协调的蚁群算法[J].控制与决策.2013(5):782-786.
[5]李冬妮,贾晓宇.基于蚁群算法和遗传规划的跨单元调度方法[J].北京理工大学学报,2017,37(7):704-7102.
[6]周文明.基于智能算法的移动机器人路径规划研究[D].南京理工大学.2016.
[7]ZM Lai,GD Guo.Ant Colony Optimization Based on SelfAdaption Threshold for Path Planning[J].Computer Systems&Applications,2014.
[8]郁磊.matlab智能算法30个案例分析[M].北京航空航天大学出版社.2015.
[9]DP Du,YR Zu Greedy.Strategy Based Self-adaption Ant Colony Algorithm for 0/1 Knapsack Problem[M].Springer Netherlands.2015,331:663-670.
[10]魏星,李燕.蚁群算法中参数优化及其仿真研究[J].制造业自动化,2015(10):33-35.
[11]王越,叶秋冬.蚁群算法在求解最短路径问题上的改进策略[J].计算机工程与应用,2012,48(13):35-38.
[12]T Zhu,G Dong.Research for the Path Planning of the Agricultural Robot Based on the Improved Ant Colony Algorithm[J].Journal of Agricultural Mechanization Research,2016.
[13]DEJACKSON,MHOLCMBE,FLWRA-TNIEKS.Trail geometry gives polarity to ant foraging networks[J].Nature,2004,432(7019):907-909.
[14]钟娟,赵彦强,孙富康,等.基于混合蚁群算法的物流配送路径问题[J].合肥工业大学学报(自然科学版),2009,32(5):686-688.
[15]申铉京,刘阳阳,等.求解TSP问题的快速蚁群算法[J].吉林大学学报(工学版)2013,43(1):147-151.