蟻群導航優(yōu)化算法研究及其在MINIGUI上的實現.pdf

1、本文首先介紹了車載導航系統(tǒng)的發(fā)展狀況，分析了國內車載導航研究現狀。并綜合分析比較了目前常用的導航定位和路徑規(guī)劃技術，結合設計需求，提出了導航系統(tǒng)定位及路徑規(guī)劃比較合理的總體設計方案。 意大利學者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化算法一蟻群優(yōu)化(ACO)。該算法的出現引起了學們的極大關注，在過去短短十多年的時間里，已在組合優(yōu)化、網絡路由、函數優(yōu)化、據

2、挖掘、機器人路徑規(guī)劃等領域獲得了廣泛的應用，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的生物學行為發(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，因而受到學術界和工業(yè)界的廣泛關注。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，應用到了多個領域，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，特別是算法的參數選擇和收斂性證明方面還有許多問題有待進一步研究。 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基于時間的蟻群算法進行的一些小改進，并且給出了收斂性的證明，在數學推理過程中，可以看出對于基于時間的蟻群算法的改進算法擁有很好的收斂性。并且文中對參數選擇也給出了自己的見解與實驗數據，更加明晰了蟻群算法中參數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果和對比試驗結果，對基于時間的蟻群算法的改進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