蟻群導(dǎo)航優(yōu)化算法研究及其在MINIGUI上的實現(xiàn).pdf

1、本文首先介紹了車載導(dǎo)航系統(tǒng)的發(fā)展?fàn)顩r，分析了國內(nèi)車載導(dǎo)航研究現(xiàn)狀。并綜合分析比較了目前常用的導(dǎo)航定位和路徑規(guī)劃技術(shù)，結(jié)合設(shè)計需求，提出了導(dǎo)航系統(tǒng)定位及路徑規(guī)劃比較合理的總體設(shè)計方案。 意大利學(xué)者DorigoM.，MnaiezzoV.和ColorniA.于1992年通過模擬蟻群覓食為提出了一種基于種群的模擬進(jìn)化算法一蟻群優(yōu)化(ACO)。該算法的出現(xiàn)引起了學(xué)們的極大關(guān)注，在過去短短十多年的時間里，已在組合優(yōu)化、網(wǎng)絡(luò)路由、函數(shù)優(yōu)化、據(jù)

2、挖掘、機器人路徑規(guī)劃等領(lǐng)域獲得了廣泛的應(yīng)用，并取得了較好的效果。蟻群優(yōu)化算法(ant colony optimization，ACO)是基于螞蟻群體覓食過程中沿最短路徑行進(jìn)的生物學(xué)行為發(fā)展起來的一類群智能優(yōu)化方法。該算法在解決傳統(tǒng)優(yōu)化方法難以奏效的具有NP-hard特性的組合優(yōu)化問題中取得了令人鼓舞的效果，因而受到學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。目前，蟻群優(yōu)化算法已成為計算智能方法中的一個重要分支，并在很多國際會議上作為專題加以討論，成為蓬勃

3、發(fā)展的熱點研究課題。 最近15年來，蟻群算法得到了蓬勃的發(fā)展，應(yīng)用到了多個領(lǐng)域，并且從TSP問題延伸到了二次分配問題，車輛路由問題等多個相關(guān)問題。但是蟻群優(yōu)化算法的理論研究相對滯后，特別是算法的參數(shù)選擇和收斂性證明方面還有許多問題有待進(jìn)一步研究。 本文基于以上所提出的問題，從基本蟻群算法開始入手，介紹了基本蟻群算法的概念和原理，依次介紹了基本蟻群算法，改進(jìn)蟻群算法，基于時間的蟻群算法，和對基于時間的蟻群算法的改進(jìn)這幾種算

4、法的TSP問題，其中對基于時間的蟻群算法是自己根據(jù)基于時間的蟻群算法進(jìn)行的一些小改進(jìn)，并且給出了收斂性的證明，在數(shù)學(xué)推理過程中，可以看出對于基于時間的蟻群算法的改進(jìn)算法擁有很好的收斂性。并且文中對參數(shù)選擇也給出了自己的見解與實驗數(shù)據(jù)，更加明晰了蟻群算法中參數(shù)的選擇對算法的影響。本文偏重于理論研究，同時也給出了仿真結(jié)果和對比試驗結(jié)果，對基于時間的蟻群算法的改進(jìn)目前只能做到證明收斂性的算法建立階段。本文提到了迷宮最短路徑問題等類似于避障的問