摘要：为了提高无人机执行突防侦察任务时的成功率,在敌人防御区域内执行侦察任务前必须规划设计出高效的无人机飞行路径,以保证无人机能够以最小的被发现概率及最优路径到达目标点.针对这一问题,根据敌人防御区域内的威胁源建立威胁代价模型,并且在基本蚁群算法的基础上进行了分析讨论,通过调整信息素挥发因子大小,提出了一种适用于路径规划的自适应蚁群算法,并对算法得到的最优路径进行了仿真计算.仿真结果表明,采用自适应蚁群算法可以得到17.5km的最优路径长度,算法收敛时间为7.2s,只需迭代8次;采用基本蚁群算法可以得到18.4km的最优路径长度,算法收敛时间为15.6s,需要迭代54次.对比可知自适应蚁群算法具有明显的优势.

摘要：针对目前大多数作业车间调度算法都是静态调度,而实际工业生产中调度任务都是动态变化的问题,提出了一种求解动态作业车间调度问题的自适应蚁群算法。算法采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,并且对每次调度采用自适应蚁群算法优化调度方案。最后,通过实例仿真验证了算法的有效性。仿真结果表明,该算法自适应性表现在算法针对"搜索结果是否陷入局部收敛"分别对各路径上的信息素进行了自适应调整,有助于算法快速跳出局部收敛,继续向全局最优解进行搜索。

摘要：将分类学习看作是一个找出最优分类规则的优化问题,提出一种自适应蚁群分类算法——Adaptive L_AMP,以得到一组可理解的分类规则.在基于规则的分类方法中,规则评价函数的选取至关重要,本文提出的算法能够针对不同数据集自动选取与之相适应的规则评价函数以提高分类准确性.此外,为进一步提高算法的分类准确率,设计了一种局部搜索策略并将其融入到Adaptive L_AMP算法中.最后对算法进行了分析,并在多个公用的真实数据集上与相关算法进行了比较,结果表明Adaptive L_AMP算法能够更加有效地解决分类问题.

摘要：针对智能汽车主动避障路径规划问题,为有效提高路径规划质量、加快算法的收敛速度,提出了一种改进的自适应蚁群智能规划方法。首先,阐释了传统蚁群算法的原理和具体流程,并分析了传统算法存在的缺陷;其次,提出了信息素因子和启发因子的自适应更新算法以扩大算法的搜索范围、提高全局搜索能力,从而避免算法陷于局部最优;再者,设计了信息素挥发率和信息素浓度函数的自适应调节算法以加快算法的粒子进化速度,从而保证了算法的快速收敛。智能汽车避障实验结果表明,与传统蚁群算法相比,这里改进蚁群算法能够有效加快路径规划速度、提升算法的收敛速度并显著缩短规划的路径长度。

摘要：为分析基于决策优化的应急疏散方案引导下,商业步行街发生突发事件时大规模人群应急疏散的安全性,以某商业步行街为例,利用改进的自适应蚁群算法,进行疏散决策优化和疏散方案的优化设计;结合Pathfinder软件对基于优化疏散方案的人员疏散行为进行数值模拟,对比分析决策优化前后商业步行街大规模人群疏散的效率和安全性。结果表明:基于优化疏散方案对大规模人群进行疏散,在无火灾环境下疏散效率提高了8.86%;在火灾环境下疏散效率提高了6.57%。基于大规模应急疏散决策优化的应急疏散方案可有效缓解部分安全出口的人员群集滞留状况,实现应急疏散决策的全局优化。

摘要：随着现代飞机制造制孔技术的不断发展,对制孔效率、定位精度及加工质量提出更高的要求。采用CATIA软件建立飞机部件模型,提出自适应蚁群算法并应用于机器人制孔路径规划设计中。仿真实验表明,信息素挥发因子的大小对算法的全局搜索能力及收敛速度有直接影响,提出的自适应蚁群算法通过动态调整信息素挥发因子,充分改善了制孔方式的无目的性、生成的路径质量低等一些不足之处,从而实现机器人制孔路径规划的最优。

摘要：为了扩大机场空侧容量,优化机场场面交通调度信息,以优化抵达航班的滑行路径为目标,通过分析机场场面滑行调度问题,构建了机场场面滑行的数学模型。采用蚁群算法结合该数学模型,并对蚁群算法信息素的更新采取自适应性改进,应用于国内某枢纽机场的局部滑行道系统和停机坪系统,对抵达航班的滑行路径进行优化设计。并用Matlab对两种算法实现计算机仿真。实验结果表明:与普通蚁群算法相比,自适应蚁群算法降低了抵达航班波的滑行时间,加快了迭代收敛速度,并缩短了抵达航班的滑行距离,同时减少了航班等待时间。即自适应蚁群算法实现了抵达航班的滑行路径优化设计。

摘要：提高网络服务质量的关键在于寻找出高性能路由,然而传统的路由算法却很难解决此类NP-C问题。基于此,本文提出一种基于改进后的自适应蚁群算法的路由解决方案,将路由问题假设为平面路由,并建立相应的网络模型。针对该网络模型,建立特定的平面QoS蚁群路由算法,并在MATLAB上对其进行模拟仿真,从而验证了它的性能。仿真实验结果表明,该路由选择方案在求解实际网络路由问题时具有一定的优越性,能够有效地解决QoS平面网络路由问题。

摘要：研究跨区域机载移动网络通信优化问题,对保证飞行器的安全有一定的实际意义。传统的跨区域机载移动网络通信在飞机高空快速、跨区域移动的过程中,面临越来越多的跨区域临界节点通信的问题,造成机载移动网络在跨区域边界节点选择中频繁切换,通信过程不稳定。提出自适应蚁群算法的跨区域机载移动网络优化方法。构建跨区域机载移动网络优化的数学模型,建立计算成功率公式,依据自适应蚁群算法理论,将待求解区域划分为若干小区域,对小区域进行分别求解获取最优值,形成较优解集合,结合自适应调整相关系数、信息素数量等,获取全局最优解,实现跨区域机载移动网络优化设计。实验结果表明,利用改进算法进行跨区域机载移动网络优化设计,能够保证机载在跨区域中移动网络的稳定性,提高跨区域机载移动网络数据传输速度,为跨区域机载移动网络的实现提供了技术支持。

摘要：在增强无人机战斗力的研究中,针对无人作战飞机(UCAV)对地多目标序次攻击决策问题展开研究,建立多目标序次攻击的决策模型。为提高UCAV执行多目标攻击任务的成功率,决策模型综合考虑了UCAV在整个任务过程中所面临的战场风险,并将决策算法与航路规划问题分解,提出一种基于威胁分布密度的飞机生存概率评估方法,提高了决策效率。将序次决策问题转化为最优搜索问题,利用自适应蚁群算法求解决策问题并给出具体算法流程。仿真结果表明,多目标序次攻击决策方法能有效解决复杂战场环境分布所带来的目标排序优化问题,给出合理的多目标攻击时序,为方案设计提供了依据。