混合改进人工蜂群算法的机器人路径规划研究
传统群智能算法在研究路径规划时,存在早熟、搜索效率低及难以获取最佳路径等不足。针对这些问题,提出了一种混合改进人工蜂群算法。新算法首先利用人工势场法高效简单的优势将其与标准人工蜂群算法相结合,然后针对算法中存在易于陷入局部最优等缺陷将Levy分布与柯西变异算子引入标准人工蜂群算法中,新算法用Levy分布产生的步长取代食物源更新公式中的随机步长,在随机搜索策略中运用柯西分布的特点进行全局搜索。实验结果表明,改进后的算法在求解机器人运动路径时能够有效提高搜索效率和精度,新算法具有可行性和有效性。
基于遗传-蚁群算法的装配序列规划研究
产品的装配序列影响产品的装配效率、装配成本,传统装配序列求解方法当面对多零件复杂产品时,易产生组合爆炸,求解效率低下。为求解复杂产品的装配序列,通过给定产品的三维模型,建立产品的干涉矩阵、接触矩阵和工具列表表达产品的基本装配信息。利用蚁群算法所具有的正反馈机制和启发式概率搜索的特点,启用优先约束矩阵对装配序列进行优化,使得搜索过程不断收敛,迅速逼近最优路径。为了避免陷入局部最优,将蚁群算法和遗传算法相结合,以获得更好的优化效果。最后通过实例验证了遗传蚁群算法的有效性和高效性。
-
共1页/2条