科研之友
微信
新浪微博
Facebook
分享链接
摘要
蚁群算法拥有良好的全局性、自组织性、鲁棒性，但传统蚁群算法存在许多不足之处。本文针对这些算法缺陷，在路径规划问题上，基于传统蚁群算法上，加入目标点距离因素和引导素到状态转移公式上优化蚁群算法在路径规划上的算法收敛性和改进局部最优点缺陷。在车辆路径问题（Vehicle Routing Problem with Time Windows，VRPTW）上，融合蚁群算法和遗传算法，并将顾客时间窗宽度以及机器人等待时间加入蚁群算法状态转移公式中，以及将蚁群算法的解作为遗传算法的初始种群，提高遗传算法的初始解质量，然后进行编码，设置违反时间窗约束和载重量的惩罚函数和适应度函数，在传统遗传算法的交叉，变异操作后加入了破坏-修复基因的操作来优化每一代新解的质量，在Solomon benchmark算例上进行仿真，对比算法改进前后的最优解，验证了算法可行性。最后在餐厅送餐问题中把带有障碍物的仿真环境路径规划问题和VRPTW问题的结合，使用改进后的算法解决了餐厅环境下送餐机器人对顾客服务配送问题。
- 出版日期2023
- 单位自动化学院; 重庆邮电大学
