基于改进蚁群算法的AGV路径研究

针对传统蚁群算法在复杂仓储环境中路径规划时不具备自主避障并且陷入局部最优解从而得不到最优路径的问题进行研究。文章通过构造MAKLINK无向网络图和优化蚁群算法中的启发函数,引入动态光滑因子和全局信息因子,达到控制AGV路径的长度和光滑程度,并构造避障因子使AGV路径在达到全局最优路径的同时拥有避开障碍的能力。通过研究,提出的改进算法可以实现自主避障,并且在最大迭代次数、路径距离和光滑程度方面优于传统蚁群算法。     

自动化烟丝库的仓储调度策略研究

本文提出了一种改进后的仓储调度策略算法,对多AGV系统进行路径规划,并对增加AGV运行期间的复合循环调度进行研究,结论显示该方法能有效地提高仓储调度系统与AGV系统的兼容性及实时调度的柔性、效率和鲁棒性,对相似系统应用具有参考价值。     

离散制造系统环境下基于深度Q学习的AGV路径规划

针对传统深度Q学习算法在AGV路径规划问题容易过估计和收敛效果不好的问题，提出一种改进的双深度Q学习算法，通过引入优先经验回放机制和基于启发式信息的连续奖励函数，提高AGV智能体的有效训练，利用贪婪策略和玻尔兹曼策略结合的动作选择策略在与环境交互的训练中引导AGV智能体充分探索环境。仿真实验结果表明，所提出的算法能够规划出良好的AGV路径，而且在算法的稳定性和收敛速度上有所提升。     

基于QPSO算法的卷烟配送优化策略

针对卷烟配送点多、路线复杂的特点,提出采用量子粒子群算法(QPSO)制定最优配送策略,解决卷烟配送过程中的组合NP难题.以配送路径最短且配送量均衡为优化目标,建立卷烟配送问题的通用数学模型;在对比分析QPSO和粒子群算法原理的基础上,构建卷烟配送的QPSO求解模型,以实现车辆编号和配送次序同步寻优.实例计算表明,QPSO优化的卷烟配送策略能够使配送量均衡、配送行程最短、配送成本最低,可有效解决多目标非线性的卷烟配送问题.     

自适应协方差矩阵进化策略算法

自适应协方差矩阵进化策略（CMA—ES）算法是Nikolaus Hansen等人提出的一种新的进化算法。通过模拟自然界生物进化过程,达到寻优目的。多个测试函数结果表明,该算法具有全局性能好、寻优效率高的特点,为解决高计算代价复杂工程优化问题的求解提供了新的途径。     

基于QPSO算法的卷烟配送优化策略

针对卷烟配送点多、路线复杂的特点，提出采用量子粒子群算法（QPSO）制定最优配送策略，解决卷烟配送过程中的组合NP难题。以配送路径最短且配送量均衡为优化目标，建立卷烟配送问题的通用数学模型；在对比分析QPSO和粒子群算法原理的基础上，构建卷烟配送的QPSO求解模型，以实现车辆编号和配送次序同步寻优。实例计算表明，QPSO优化的卷烟配送策略能够使配送量均衡、配送行程最短、配送成本最低，可有效解决多目标非线性的卷烟配送问题。     

AGV系统调度策略在AutoMod仿真模型中的实现

AGV系统在物料柔性搬运中是一个非常重要的环节，如何准确评估AGV系统的运行效率。特别是在项目前期确定AGV数量及路径优化。是非常重要的课题。本文建立了基于AGV实际调度策略的仿真模型。为评估AGV系统运行效率提供了实用的仿真方法。     

车辆数不确定的时间窗车辆路径问题的小生境混合遗传算法

建立了优化的多目标带有时间窗的车辆路径问题模型,提出一种小生境混合遗传算法。算法采用混合并行选择方法、最优保留策略以及随机权重适应值函数,克服遗传算法固有的搜索能力差和“早熟”等缺点。实验结果表明,该算法对于解决车辆数不确定的时间窗车辆路径问题提供了一个非常有效的求解方法。     

基于遗传禁忌搜索算法的AGV物料输送调度问题研究

研究AGV物料输送工作过程,建立多复杂、多约束条件的AGV物料输送多参数调度问题数学模型。将禁忌搜索算法引入遗传算法组成混合遗传禁忌搜索算法。通过所建立的数学模型进行算法设计和仿真,结果表明该算法比较单纯的遗传算法的计算结果有一定的改进,使AGV完成物料输运任务时耗用时间最短。     

无人快递机器人路径规划算法研究综述

为解决快递“最后一公里”问题,无人快递机器人逐渐成为研究热点,路径规划是无人快递机器人的难点之一。本文对无人快递机器人的路径规划算法进行研究,当下常用的路径规划算法分为基于几何模型算法、基于局部避障算法、智能仿生算法、基于深度学习算法4类,本文归纳各类算法前沿研究成果与应用,为研究无人快递机器人的学者提供参考。     

Dijkstra改进算法在机器人避障问题的应用

本文研究了机器人避障问题中如何计算最短路径,建立了相应的数学模型。利用Dijkstra最短路径改进算法对该模型进行求解,解决了由确定起点经过若干目标点到达终点的问题。     

基于改进蚁群算法的时间窗约束下物流配送车辆路径优化研究

物流配送车辆路径优化作为一个涉及多影响因素、多目标需求的组合优化问题,其中带时间窗约束的物流配送车辆路径优化问题更是一个NP难题,较难得到最优解。文章分析带时间窗约束的车辆路径问题并建立相应数学模型,提出将变异和动态信息更新的改进蚁群算法应用于解决这类优化问题,同时仿真实验结果表明该算法能快速收敛于全局最优解,能有效地解决有时间窗约束下的物流配送车辆路径优化问题。     

物流配送路径优化问题的模型及改进混合算法

在建立带有时间窗的物流配送路径优化问题数学模型的基础上．构造了求解该问题的遗传模拟退火混合算法。该混合算法利用了遗传算法较强的全局搜索能力和模拟退欠算法较好的局部搜索能力,克服了两种算法各自在寻优方面的不足,使其在全局最优搜索和计算速度方面都有了很大的提高。最后经仿真试验证实了混合算法解决物流配送路径优化问题的优越性。     

基于末端视觉导航的无人机机群最优路径规划

主要应用于未来城市空中交通,研究城市无人机路径规划系统,解决城市无人机群体协同最优路径规划以及无人机在城市空域运行安全所面临的首要问题——避障.利用具有启发式优化的蚁群算法建立初步模型,使用样条插值对路径进行优化使其适用于真实的飞行路径,解决了空间交叉点上无人机与无人机碰撞的问题;借鉴地面无人驾驶汽车基于视觉的防撞系统,设计了基于机器视觉的载人无人机辅助防撞系统,使用SqueezeNet深度神经网络与迁移学习相结合的方法,以飞鸟、建筑物和马路作为研究对象,最终经过验证得到准确率达98％以上的防撞系统.     

基于混合微粒群算法的带时间窗的车辆路径问题研究

本文在基本微粒群算法（PSO）的位置更新中引入了模拟退火算法思想，并改进了模拟退火算法（SA）中的降温操作该算法结合了基本PSO的快速寻优能力和SA的慨率突跳性，避免了基本PSO易于陷入局部最优的缺点，提高了进化后1期算法的收敛精度.把该算法用于解决有时间窗的车辆路径问题（VRHTW），它可以有效地求得有时间窗车辆路径问题的优化解。     

航空器滑行调度优化研究

民航业的持续快速发展,机场场面运行压力与日俱增。为解决航空器滑行调度策略的优化性与运算量之间的矛盾,提出一种基于多Agent系统(MAS)的滑行调度方法,将航空器在机场滑行道运行调度策略的制定过程抽象为航空器自主选择最优路径与滑行时间调度问题。     

基于混合粒子群算法的车辆路径优化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法．该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点．避免了基本粒子群算法易陷入局部最优的缺点,提高了求解速度。该算法用于解决车辆路径问题。通过实验表明了这种算法具有较好的性能。     

基于反向学习策略粒子群的物流配送路径优化研究

针对粒子群优化算法后期寻优能力,并易陷入局部最优等不足,提出了一种反向学习粒子群的物流配送路径优化算法(OBLPSO)。首先建立物流配送路径优化的数学模型,然后通过粒子之间的相互协作和信息交流进行求解,并引入反向学习机制提高粒子群寻优能力和收敛速度,最后在Matlab2012平台上对OBLPSO算法性能进行仿真测试。仿真结果表明,相对其它物流配送路径优化算法,OBLPSO算法可以获得时间短、路径合理的物流配送方案,具有一定的实用价值。     

带时间窗车辆路径问题的混合量子粒子群算法

针对带时间窗的车辆路径问题,采用混合量子粒子群算法对该问题进行了求解,该算法将量子粒子群算法与模拟退火算法相结合．充分发挥量子粒子群算法全局寻优能力强以及模拟退火算法局部寻优能力强的特点,从而能有效地避免早熟。仿真结果表明,该算法不仅收敛速度快,而且还具有较高的求解质量。     

基于混合粒子发群算法的车辆路径化问题研究

设计了一种引入了量子和遗传算法思想的粒子群算法.该算法结合了粒子群优化算法的快速寻优能力和量子算法可以同时处理多个目标的优点,避免了基本粒子群算法易陷入局部最优的缺点.提高了求解速度.该算法用于解决车辆路径问题.通过实验表明了这种算法具有较好的性能.