matlab蟻群算法精講及仿真圖-資料下載頁
2024-11-17 22:30本頁面
【正文】 ?；鞠伻核惴ǖ牟蛔阒? 從上面針對路由選擇優(yōu)化問題的分析可以看出，雖然蟻群算法已經(jīng)被證明是一種有效的解決組合優(yōu)化問題的方法，但是由于問世的時間比較短，還存在如下不足：(1)限于局部最優(yōu)解．從算法解的性質(zhì)而言，蟻群算法也是在尋找一個比較好的局部最優(yōu)解，而不是強求是全局最優(yōu)解．(2)工作過程的中間停滯問題．和算法開始時收斂速度快一樣，在算法工作過程當(dāng)中，迭代到一定次數(shù)后，螞蟻也可能在某個或某些局部最優(yōu)解的鄰域附近發(fā)生停滯．(3)較長的搜索時間．盡管和其他算法相比，蟻群算法在迭代次數(shù)和解的質(zhì)量上都有一定的優(yōu)勢，但對于目前計算機網(wǎng)絡(luò)的實際情況，還是需要較長的搜索時間．雖然計算機計算速度的提高和蟻群算法的并行性在一定程度上可以緩解這一問題，但是對于大規(guī)模復(fù)雜的計算機網(wǎng)絡(luò)，這還是一個很大的障礙．【基本蟻群算法及其改進 孔令軍 ，張興華 ，陳建國。】 改進后的蟻群算法及其仿真實現(xiàn) 基于人工勢場的改進后的蟻群算法 機器人路徑規(guī)劃的勢場蟻群算法(ant colony optimlzation with potential field，ACOPF)，其思想是，利用機器人受到的人工勢場力及其距目標(biāo)的距離構(gòu)造綜合啟發(fā)信息，以蟻群算法作為全局路徑搜索策略。勢場力啟發(fā)信息可以有效引導(dǎo)機器人規(guī)避障礙物，向目標(biāo)方向行進。距離啟發(fā)信息除了引導(dǎo)最優(yōu)路徑搜索外還保證了機器人在勢場合力為零的局部極值點上仍然可以有效進行至目標(biāo)位置的最優(yōu)路徑搜索，從而避免失去搜索方向。最后，通過仿真實驗表明了所提算法的有效性?！净趧輬鱿伻核惴ǖ臋C器人路徑規(guī)劃羅德林，吳順祥】 根據(jù)前面的基本蟻群算法，經(jīng)常在機械手遇到如圖所示的障礙物環(huán)境時，會看到其路徑會是這樣選擇，根據(jù)機械手碰撞分析知，遇到障礙物時會和柵格有點接觸或者線接觸，其運動的安全性不高。 內(nèi)容總結(jié)（1）蟻群算法matlab精講及仿真
,（2）【基于蟻群算法和遺傳算法的 機器人路徑規(guī)劃研究】
該算法的特點：
自我組織能力，螞蟻不需要知道整體環(huán)境信息，只需要得到自己周圍的信息，并且通過信息傳遞物質(zhì)來作用于周圍的環(huán)境，根據(jù)其他螞蟻的信息素來判斷自己的路徑
物理相關(guān)推薦
鄂ICP備17016276號-1