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

1、本文首先介紹了車(chē)載導(dǎo)航系統(tǒng)的發(fā)展?fàn)顩r，分析了國(guó)內(nèi)車(chē)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(jì)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(jì)方案。 意大利學(xué)者DorigoM.，MnaiezzoV.和ColorniA.于1992年通過(guò)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(guò)去短短十多年的時(shí)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(jī)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(guò)程中沿最短路徑行進(jìn)的生物學(xué)行為發(fā)展起來(lái)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(wèn)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(jì)算智能方法中的一個(gè)重要分支，并在很多國(guó)際會(huì)議上作為專題加以討論，成為蓬勃

3、發(fā)展的熱點(diǎn)研究課題。 最近15年來(lái)，蟻群算法得到了蓬勃的發(fā)展，應(yīng)用到了多個(gè)領(lǐng)域，并且從TSP問(wèn)題延伸到了二次分配問(wèn)題，車(chē)輛路由問(wèn)題等多個(gè)相關(guān)問(wèn)題。但是蟻群優(yōu)化算法的理論研究相對(duì)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(wèn)題有待進(jìn)一步研究。 本文基于以上所提出的問(wèn)題，從基本蟻群算法開(kāi)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(shí)間的蟻群算法，和對(duì)基于時(shí)間的蟻群算法的改進(jìn)這幾種算

4、法的TSP問(wèn)題，其中對(duì)基于時(shí)間的蟻群算法是自己根據(jù)基于時(shí)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(guò)程中，可以看出對(duì)于基于時(shí)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(duì)參數(shù)選擇也給出了自己的見(jiàn)解與實(shí)驗(yàn)數(shù)據(jù)，更加明晰了蟻群算法中參數(shù)的選擇對(duì)算法的影響。本文偏重于理論研究，同時(shí)也給出了仿真結(jié)果和對(duì)比試驗(yàn)結(jié)果，對(duì)基于時(shí)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(wèn)題等類似于避障的問(wèn)