亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        一種基于改進(jìn)的蟻群優(yōu)化算法的三維空間路徑搜索算法

        2014-03-25 06:18:22李浩宇呂梅柏
        關(guān)鍵詞:蟻群柵格視域

        李浩宇, 呂梅柏

        (西北工業(yè)大學(xué) 航天學(xué)院, 陜西 西安 710072)

        蟻群優(yōu)化算法 (ant colony optimization,簡稱ACO)是由意大利學(xué)者Dorigo等人于1991年創(chuàng)立,是一種啟發(fā)式搜索算法。螞蟻能在其經(jīng)過的路徑上釋放一種特有的分泌物外激素(pheromone),使得一定范圍內(nèi)的其他螞蟻能夠感覺到且傾向于朝著外激素濃度高的方向移動(dòng)。因此,蟻群的集體行為表現(xiàn)為一種信息正反饋現(xiàn)象,蟻群這種選擇路徑的過程被稱之為自催化行為(autocatalytic behavior)。初步研究結(jié)果己顯示出該方法在求解復(fù)雜優(yōu)化問題(特別是離散優(yōu)化問題)方面具有優(yōu)勢。

        近年來隨著啟發(fā)式智能算法得到廣泛的關(guān)注,尤其是隨機(jī)搜索算法,蟻群優(yōu)化算法也得到了深入發(fā)展。文獻(xiàn)[1-2]對(duì)蟻群優(yōu)化算法原理進(jìn)行了詳細(xì)闡述,并介紹了蟻群優(yōu)化算法的各種改進(jìn)方式。文獻(xiàn)[3]將蟻群算法應(yīng)用于水下自主機(jī)器人的路徑規(guī)劃問題,取得了很好的仿真結(jié)果。文獻(xiàn)[4]中用MATLAB語言實(shí)現(xiàn)了基本的蟻群優(yōu)化算法。文獻(xiàn)[5-6]提出了一種基于梯度計(jì)算的方法將算法推廣至三維或更高維數(shù),本文在此基礎(chǔ)上對(duì)該方法進(jìn)行了改進(jìn),使得算法可以在三維空間的任意點(diǎn)向任意方向搜索路徑,并提高了計(jì)算效率和收斂速度,并通過引入定向搜索方法解決了收斂速度慢且搜索結(jié)果不平滑的問題。

        1 改進(jìn)的蟻群優(yōu)化算法模型

        1.1 環(huán)境模型建立

        本文使用柵格法[7](grid representation methods)建立環(huán)境空間模型,柵格法用大小相同的柵格劃分搜索空間,并用柵格數(shù)組來表示環(huán)境,每個(gè)柵格點(diǎn)標(biāo)以2種狀態(tài)之一,在自由空間中的節(jié)點(diǎn)值為0,在障礙空間中節(jié)點(diǎn)值為1,最短路徑通過搜索這張柵格地圖得到。這種方法的表示效率雖然不高,但其簡單性為路徑規(guī)劃器的實(shí)現(xiàn)帶來了諸多方便,如表示不規(guī)則障礙物的能力,適用于大規(guī)模并行處理機(jī)實(shí)現(xiàn)的特點(diǎn)等。

        1.2 符號(hào)描述與定義

        由于傳統(tǒng)的蟻群優(yōu)化算法在每只螞蟻搜索路徑時(shí)對(duì)其所有的鄰近點(diǎn)進(jìn)行搜索,直至搜索到目標(biāo)點(diǎn),這種方法雖然可以在全域內(nèi)搜索可行的路徑,但是會(huì)造成收斂速度慢,路徑不平滑等問題,在三維空間情況下更為嚴(yán)重。本文引入搜索主方向,可視域以及可行域等定義將上述問題得到了有效抑制,并應(yīng)用于三維空間的搜索問題,其定義如下:

        定義1 為了保證螞蟻在搜索路徑時(shí)盡量減少橫向的跨越,以起始點(diǎn)與終點(diǎn)差距大的坐標(biāo)軸方向?yàn)槿S路徑規(guī)劃的主方向,其可以是橫向、縱向、高度之一,記為MD。若MD為縱軸(x軸)的正方向(序號(hào)增加),則值為1,負(fù)方向值為-1;橫軸(y軸)正方向值為2,負(fù)方向值為-2;豎軸(z軸)正方向值為3,負(fù)方向值為-3。若主方向上終點(diǎn)的坐標(biāo)值大于起點(diǎn)的坐標(biāo)值,即終點(diǎn)的序號(hào)大于起點(diǎn)的,則螞蟻每次在主方向上前進(jìn)一格(序號(hào)加1);若主方向的坐標(biāo)值小于起點(diǎn)的,則相反。

        定義2 假設(shè)MD為x軸正方向(MD=1),則對(duì)于任意一個(gè)柵格空間R中的點(diǎn)gi,j,k,有V(gi,j,k)∈R??啥x可視域V(gi,j,k),滿足

        (1)

        式中:i、j、k為三維坐標(biāo)軸方向上的節(jié)點(diǎn)序號(hào)值,r為一正整數(shù),則稱V(gi,j,k)為gi,j,k的可視域或是螞蟻在gi,j,k處的可視域。如圖1所示:

        圖1 可視域示意圖

        當(dāng)可視域范圍過小,螞蟻在主方向上達(dá)到終點(diǎn)時(shí),有可能由于橫向移動(dòng)范圍不足使得螞蟻無法到達(dá)搜索終點(diǎn),所以可視域須大于某一范圍,同時(shí)需保證搜索空間的連通性,這里?。?/p>

        (2)

        式中:Nx、Ny、Nz分別為起始點(diǎn)和終點(diǎn)之間在3個(gè)軸方向的節(jié)點(diǎn)個(gè)數(shù),NM為主方向上的節(jié)點(diǎn)個(gè)數(shù),ceil為向上取整函數(shù)。

        定義3 設(shè)tn時(shí)刻,螞蟻k處于g(tn),簡記為gn,設(shè)此處的可視域?yàn)閂(gn),則設(shè)螞蟻k的可行后續(xù)節(jié)點(diǎn)集Ak(tn)={g|g∈V(gn),且g≠“1”}。

        2.3 狀態(tài)轉(zhuǎn)移規(guī)則

        設(shè)在時(shí)刻tn,螞蟻s處在gi,j,k∈R,則對(duì)當(dāng)前點(diǎn)的可行后續(xù)點(diǎn)集As(tn)中節(jié)點(diǎn)的選擇概率計(jì)算如下:

        (3)

        ηi,j,k=λexp(ln,e-ln+1,e)

        (4)

        式中:τi,j,k為信息素值;ηi,j,k為啟發(fā)函數(shù)值;α為信息素的重要程度;β為啟發(fā)函數(shù)的重要程度;ln,e和ln+1,e分別為當(dāng)前點(diǎn)和下一點(diǎn)距離終點(diǎn)的直線距離;λ為比例系數(shù)。

        1.4 蟻群信息素更新規(guī)則

        信息素矩陣τ與環(huán)境建模得到的地圖矩陣相對(duì)應(yīng),每一個(gè)點(diǎn)的值代表相應(yīng)地圖上節(jié)點(diǎn)gi,j,k的信息素,信息素?cái)?shù)值大表示螞蟻經(jīng)過此點(diǎn)的次數(shù)多。在初始化時(shí),每一個(gè)點(diǎn)上的信息素值相同,均令其為1,表示信息素對(duì)選擇路徑點(diǎn)的影響都一樣。

        在每次迭代過程蟻群中各螞蟻經(jīng)過的點(diǎn)進(jìn)行局部更新,目的是為了增加搜索未經(jīng)過點(diǎn)的概率,達(dá)到全局搜索的目的,局部更新規(guī)則如下

        τi,j,k=(1-ζ)τi,j,k

        (5)

        式中:ζ為衰減系數(shù);τi,j,k為螞蟻選擇的后續(xù)節(jié)點(diǎn)。

        全局信息素更新是對(duì)每次迭代中的最優(yōu)路徑進(jìn)行更新。更新信息素矩陣中相對(duì)應(yīng)最優(yōu)路徑節(jié)點(diǎn)的值,是為了將每次迭代過程中按照指標(biāo)函數(shù)得到的最優(yōu)路徑p0,p1,…pn的節(jié)點(diǎn)上的值增加,從而在下次迭代中以更大的概率選擇此條路徑上的節(jié)點(diǎn)。在多次迭代之后,路徑就會(huì)逐漸收斂到全局最優(yōu)路徑。

        全局信息素更新規(guī)則如下式計(jì)算:

        (6)

        (7)

        式中:ρ為揮發(fā)系數(shù);Q為常數(shù);τi,j,k為每次迭代中最優(yōu)路徑上的信息素值;fk為最優(yōu)路徑適應(yīng)度值,一般取為路徑的長度。

        1.5 基于柵格法的三維空間蟻群優(yōu)化算法步驟

        根據(jù)定義的符號(hào)描述,基于柵格法的蟻群優(yōu)化算法在三維空間的路徑搜索流程如圖2所示,其步驟可以總結(jié)如下:

        1) 根據(jù)輸入的柵格離散化地圖及起始點(diǎn)(gsi,sj,sk)終點(diǎn)(gei,ej,ek)位置初始化信息素矩陣τ,給它賦一個(gè)較小正數(shù)(可取為1),計(jì)算得到MD,進(jìn)化代數(shù)計(jì)數(shù)器count=0,最大進(jìn)化代數(shù)為max,它標(biāo)志算法的結(jié)束,每代螞蟻總數(shù)為m;

        2) k=1;

        3) 如果k>m,轉(zhuǎn)第7)步;否則轉(zhuǎn)下一步;

        4) 螞蟻k放置在起始位置gsi,sj,sk上;

        5) 計(jì)算出此時(shí)螞蟻的Ak,若Ak為空,則宣告這只螞蟻死亡,k=k+1,轉(zhuǎn)第3)步;否則,按狀態(tài)轉(zhuǎn)移規(guī)則計(jì)算螞蟻選擇任意gn+1∈Ak的概率,按輪盤賭的方式選擇某一gn+1,并設(shè)置此柵格點(diǎn)為螞蟻k的當(dāng)前位置,轉(zhuǎn)第6)步;

        6) 若主方向MD所表示的軸方向上,當(dāng)前位置gn的下標(biāo)序號(hào)與終點(diǎn)gei,ej,ek的下標(biāo)一樣(若MD等于1或-1,即x軸方向上的節(jié)點(diǎn)序號(hào)相同,其余主方向上以此類推),則將gei,ej,ek設(shè)為當(dāng)前位置,k=k+1,轉(zhuǎn)第3)步,否則轉(zhuǎn)第5)步;

        7) 進(jìn)化代數(shù)計(jì)數(shù)器count遞增1;

        8) 若count>max,則算法停止,否則按信息素更新規(guī)則對(duì)蟻群信息素進(jìn)行更新處理,轉(zhuǎn)第2)步。

        圖2 改進(jìn)的蟻群搜索算法流程

        2 仿真結(jié)果及分析

        表1規(guī)定了仿真時(shí)需要用到的一些基本搜索參數(shù),本文后面的仿真結(jié)果均以此參數(shù)設(shè)置得出,并且均為仿真計(jì)算90次的統(tǒng)計(jì)值。其中信息素?fù)]發(fā)系數(shù)ρ表示每次迭代信息素在最優(yōu)路徑上的揮發(fā)速度;局部信息素衰減系數(shù)ζ表示每次迭代中每只螞蟻所選路徑上的信息素衰減速度;信息素和啟發(fā)函數(shù)的重要程度α和β均為1,表明兩者的重要程度一樣。

        表1 仿真基本參數(shù)

        算法模擬仿真時(shí)使用52×60×50的柵格地圖模擬地形,起點(diǎn)坐標(biāo)為(50,4,1.925),終點(diǎn)坐標(biāo)為(3,57,2.353),由改進(jìn)的蟻群優(yōu)化搜索算法搜索的三維路徑表示如圖3所示:

        圖3 路徑規(guī)劃結(jié)果

        當(dāng)選擇信息素?fù)]發(fā)系數(shù)ρ=0.2,局部衰減系數(shù)ζ=0.2而蟻群種群數(shù)量不同時(shí),規(guī)劃的路徑長度隨迭代次數(shù)的變化趨勢如圖4所示。從圖中可以看出隨著迭代次數(shù)的增加路徑的長度趨于最優(yōu),且隨著種群數(shù)量的增加改進(jìn)方法的優(yōu)勢更加明顯。圖5所示為不同種群數(shù)量規(guī)劃的每次迭代結(jié)果的平均方差變化趨勢,從對(duì)比可以看出改進(jìn)方法的平均方差遠(yuǎn)小于傳統(tǒng)方法,且波動(dòng)幅度比傳統(tǒng)方法小,說明改進(jìn)方法的穩(wěn)定性明顯優(yōu)于傳統(tǒng)方法。

        圖4 改進(jìn)方法與傳統(tǒng)方法的規(guī)劃結(jié)果隨迭代次數(shù)變化規(guī)律

        圖5 改進(jìn)方法與傳統(tǒng)方法的規(guī)劃結(jié)果方差的變化規(guī)律

        表2為種群數(shù)量為5、ζ=0.2的情況下改進(jìn)算法與傳統(tǒng)算法時(shí)間消耗隨揮發(fā)系數(shù)的變化對(duì)比關(guān)系。表3為種群數(shù)量為5、ρ=0.2的情況下改進(jìn)算法與傳統(tǒng)算法時(shí)間消耗隨信息素衰減系數(shù)的變化對(duì)比關(guān)系。從表2中可以看到,由于揮發(fā)系數(shù)的引入,收斂速度變慢,使得傳統(tǒng)方法規(guī)劃時(shí)間相對(duì)變長;而改進(jìn)方法的規(guī)劃時(shí)間只取決于搜索起始點(diǎn)與終點(diǎn)之間的節(jié)點(diǎn)數(shù),所以其規(guī)劃時(shí)間基本保持不變。從表3中可以看到衰減系數(shù)的引入使得兩種方法規(guī)劃的路徑長度都有相應(yīng)的減小,平均方差增大,說明衰減系數(shù)的引入提高了算法在極值點(diǎn)附近的搜索能力,但降低了算法的穩(wěn)定性;同時(shí)傳統(tǒng)方法的計(jì)算時(shí)間有一定的減少。表2和表3都顯示出改進(jìn)的蟻群算法明顯比傳統(tǒng)算法節(jié)省計(jì)算時(shí)間,為實(shí)時(shí)規(guī)劃提供了可能。

        表2 規(guī)劃結(jié)果隨揮發(fā)系數(shù)變化規(guī)律

        表3 規(guī)劃結(jié)果隨衰減系數(shù)變化規(guī)律

        總體上講,改進(jìn)的蟻群算法在規(guī)劃路徑的長度、平均方差和計(jì)算時(shí)間上均明顯比傳統(tǒng)方法占優(yōu)。

        3 結(jié) 論

        文中通過引入搜索主方向、可視域以及可行域等定義,將傳統(tǒng)的二維蟻群搜索算法改進(jìn),并擴(kuò)展至三維情況。并給出了算法的流程及步驟,然后通過Matlab進(jìn)行了仿真分析。通過仿真得出該改進(jìn)方法與傳統(tǒng)方法相比,運(yùn)行效率大大提高,收斂速度加快,具有更好的穩(wěn)定性。

        參考文獻(xiàn):

        [1] Dorigo M, Stützle T. The Ant Colony Optimization Metaheuristic: Algorithms, Applications and Advances∥Handbook of Metaheuristics[M]. Glover F, Kochenberger G. MA: Kluwer, 2002

        [2] 李士勇. 蟻群算法及其應(yīng)用[M]. 哈爾濱:哈爾濱工業(yè)大學(xué)出版社,2004

        Li Shiyong. Ant Colony Algorithms with Applications[M]. Harbin: Harbin Institute of Technology Press, 2004 (in Chinese)

        [3] 伍祥紅. 基于蟻群優(yōu)化的自主水下機(jī)器人路徑?jīng)Q策方法研究[D]. 哈爾濱:哈爾濱工程大學(xué),2007

        Wu Hongxiang. Research on Path Decision Making Method for AUV Based on ACO[D]. Harbin, Harbin Egineering University, 2007 (in Chinese)

        [4] 史峰,王輝,胡斐,等. MATLAB智能算法30個(gè)安例分析[M]. 北京:北京航空航天大學(xué)出版社,2011:229-236

        Shi Feng, Wang Hui, Hu Fei, et al. 30 Intelligent Algorithm Cases Analysis in MATLAB[M]. Beijing: Beihang University Press, 2011: 229-236 (in Chinese)

        [5] Christian Blum, Marco Dorigo. The Hyper-Cube Framework for Ant Colony Optimization[J]. IEEE Trans Syst Man Cybern B, 2004, 34(2): 1161-1172

        [6] Blum C, Roli A, Dorigo M. HC-ACO: the Hyper-Cube Framework for ant Colony Optimization[C]∥Proc MIC’2001——Metaheuristics Int Conf, 2001: 399-403

        [7] 王曉林. 基于柵格法的仿生機(jī)器魚路徑規(guī)劃研究[D]. 天津:天津大學(xué),2010

        Wang Xiaolin. Path Planning of the Biomimetic Robotic Fish Based on the Grid Method[D]. Tianjin, Tianjin University, 2010 (in Chinese)

        猜你喜歡
        蟻群柵格視域
        對(duì)戊戍維新派思想家心路歷程的思考——以“啟蒙自我循環(huán)”為視域
        基于鄰域柵格篩選的點(diǎn)云邊緣點(diǎn)提取方法*
        游戲社會(huì):狼、猞猁和蟻群
        “一帶一路”視域下我國冰球賽事提升與塑造
        基于養(yǎng)生視域論傳統(tǒng)武術(shù)的現(xiàn)代傳承與發(fā)展
        基于自適應(yīng)蟻群的FCM聚類優(yōu)化算法研究
        基于奇異值差分譜分析和蟻群算法的小波閾值降噪
        不同剖面形狀的柵格壁對(duì)柵格翼氣動(dòng)特性的影響
        基于CVT排布的非周期柵格密度加權(quán)陣設(shè)計(jì)
        三維視域下的微電影透視
        聲屏世界(2014年8期)2014-02-28 15:18:11
        国产精品毛片无遮挡高清| 亚洲Av无码专区尤物| 国产一区二区三区资源在线观看 | 一区二区三区四区在线观看视频| 国产免费人成视频在线观看| 精品国产偷窥一区二区| 欧美日韩亚洲国产精品| 亚洲精品国产品国语在线app | 青青草久久久亚洲一区| 伦伦影院午夜理论片| 男女一边摸一边做爽爽的免费阅读| 无码熟妇人妻AV影音先锋| 中文字幕丰满人妻有码专区| 一区二区精品国产亚洲 | 中文字幕精品久久久久人妻红杏1| 91精品欧美综合在线观看| 青青青爽在线视频免费播放| 精品乱人伦一区二区三区| 一个人在线观看免费视频www| 精品视频在线观看一区二区三区| 国产91精品一区二区麻豆亚洲 | 无码人妻精品一区二区三区不卡| 亚洲动漫成人一区二区| 亚洲久热无码av中文字幕| 欧美高h视频| 一区二区三区亚洲视频| 国产精品成人va在线观看| 免费一级毛片在线播放不收费| 在线播放中文字幕一区二区三区 | 国产精品原创永久在线观看| 少妇人妻精品久久888| 亚洲综合色婷婷七月丁香| 国内精品大秀视频日韩精品| 极品少妇被后入内射视| 午夜视频国产在线观看| 精品国产aⅴ无码一区二区| 国内精品久久久久国产盗摄| 最新国产激情视频在线观看| 久久久久久久波多野结衣高潮| 久久综合五月天| 国产激情在线观看视频网址|