基于改进型蚁群算法的最优路径问题求解

doi:10.3969/j.issn.1000-565X.2010.10.020

华南理工大学学报（自然科学版） ›› 2010, Vol. 38 ›› Issue (10): 105-110.doi: 10.3969/j.issn.1000-565X.2010.10.020

基于改进型蚁群算法的最优路径问题求解

胡耀民^1,2刘伟铭¹

1.华南理工大学土木与交通学院, 广东广州 510640；2.广州番禺职业技术学院信息工程学院, 广东广州 511483

收稿日期:2009-11-02 修回日期:2010-05-04 出版日期:2010-10-25 发布日期:2010-10-25
通信作者: 胡耀民（1975-），男，博士生，主要从事智能交通和数据挖掘研究． E-mail:hymscut@163．com
作者简介:胡耀民（1975-），男，博士生，主要从事智能交通和数据挖掘研究．
基金资助:
国家自然科学基金资助项目（50978106）

Solving of Optimal Path Problem Based on Improved Ant Colony Algorithm

Hu Yao-min ^1.2 Liu Wei-ming¹

1.School of Civil Engineering and Transportation,South China University of Technology,Guangzhou 510640,Guangdong,China;2.Guangzhou Panyu Polytechnic,Information Engineering College,Guangzhou 511483,Guangdong,China

Received:2009-11-02 Revised:2010-05-04 Online:2010-10-25 Published:2010-10-25
Contact: 胡耀民（1975-），男，博士生，主要从事智能交通和数据挖掘研究． E-mail:hymscut@163．com
About author:胡耀民（1975-），男，博士生，主要从事智能交通和数据挖掘研究．
Supported by:
国家自然科学基金资助项目（50978106）

摘要/Abstract

摘要： 如何向用户提供＂高质量＂的最优路径是导航系统应解决的关键问题.针对该问题,文中提出了带多个路径质量约束的最优路径数学模型.为求解该模型,在蚁群算法的基础上重新设计信息素局部更新规则和全局更新规则,引入信息素更新算子,动态调整、增加最优路径上信息素的规则,并通过改进能见度启发因子,得到改进型蚁群算法.仿真实验证明,改进后的蚁群算法具有良好的寻优性和收敛性,能准确找出路网中满足路径质量约束的最优路径.

关键词: 路径规划, 最优路径, 改进型蚁群算法, 路径质量

Abstract:

In order to provide ＂high quality＂ optimal path for the user of navigation systems,a mathematical model of the optimal path with multiple quality constraints is proposed.Then,to solve this model,local pheromone update rules and global update rules of the ant colony algorithm are re-designed,a pheromone update operator is introduced to increase the pheromone on the optimal path dynamically,and a heuristic factor of visibility is improved.As a result,an improved ant colony algorithm is generated.Simulated results demonstrate that the improved ant colony algorithm is of good optimization ability and rapid convergence,and that it helps to accurately find the optimal path meeting multiple quality constraints in the road network.

Key words: route planning, optimal path, improved ant colony algorithm, path quality

胡耀民刘伟铭. 基于改进型蚁群算法的最优路径问题求解[J]. 华南理工大学学报（自然科学版）, 2010, 38(10): 105-110.

Hu Yao-min Liu Wei-ming. Solving of Optimal Path Problem Based on Improved Ant Colony Algorithm[J]. Journal of South China University of Technology (Natural Science Edition), 2010, 38(10): 105-110.

[1]	姚道金, 殷雄, 罗真, 等. 复杂环境下AGVS路径规划[J]. 华南理工大学学报(自然科学版), 2023, 51(11): 56-62，139.
[2]	温惠英, 元昱青, 林译峰. 考虑道路负载均衡的码头多AGV无冲突路径规划[J]. 华南理工大学学报(自然科学版), 2023, 51(10): 1-10.
[3]	魏武, 韩进, 李艳杰, 等. 基于双树 Quick-RRT* 算法的移动机器人路径规划[J]. 华南理工大学学报（自然科学版）, 2021, 49(7): 51-58.
[4]	温惠英, 林译峰, 吴昊书, 等. 基于城市道路交通环境演变的 ECEA 路径规划算法[J]. 华南理工大学学报（自然科学版）, 2021, 49(10): 1-10.
[5]	张家旭, 杨雄, 施正堂, 等. 汽车紧急换道避障的路径规划与跟踪控制[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 86-93,106.
[6]	赵星吉康林灏徐鹏. 基于多目标路径规划的应急资源配置模型[J]. 华南理工大学学报（自然科学版）, 2019, 47(4): 76-82.
[7]	洪晓斌魏新勇黄烨笙刘艳霞肖国权. 融合图像识别和 VFH + 的无人艇局部路径规划方法 [J]. 华南理工大学学报（自然科学版）, 2019, 47(10): 24-33.
[8]	潘晓芳周顺平杨林万波. OD 约束的出租车经验模型与路径规划[J]. 华南理工大学学报（自然科学版）, 2017, 45(8): 57-64,83.
[9]	张好剑苏婷婷吴少泓郑军王云宽. 基于改进遗传算法的并联机器人分拣路径优化[J]. 华南理工大学学报（自然科学版）, 2017, 45(10): 93-99.
[10]	吴玉香王超. 一种改进的移动机器人三维路径规划方法[J]. 华南理工大学学报（自然科学版）, 2016, 44(9): 53-60.
[11]	周熙阳杨兆升张伟邴其春商强. 考虑信号交叉口转向类型的最优路径规划算法[J]. 华南理工大学学报（自然科学版）, 2016, 44(4): 101-108.
[12]	章权温惠英孙博. 适于配送车辆导航路径规划的遍历模型的改进型粒子群优化算法[J]. 华南理工大学学报（自然科学版）, 2011, 39(8): 109-112,117.
[13]	孙跃杨芳勋戴欣. 基于改进型蚁群算法的无线电能传输网组网[J]. 华南理工大学学报（自然科学版）, 2011, 39(10): 146-151,164.
[14]	王福元徐家文. 整体叶轮分步法数控电解加工工艺与关键技术[J]. 华南理工大学学报（自然科学版）, 2010, 38(8): 72-77.
[15]	崔建勋安实崔娜, . 基于时间扩展网络的区域疏散公交路径规划[J]. 华南理工大学学报（自然科学版）, 2010, 38(3): 64-69.

基于改进型蚁群算法的最优路径问题求解

Solving of Optimal Path Problem Based on Improved Ant Colony Algorithm

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价