[发明专利]基于蚁群算法的路径优化方法及水面垃圾收集路径规划

权利要求书

1.基于蚁群算法的路径优化方法，其特征在于，包括以下步骤：

S1：初始化参数：蚂蚁数量m、迭代次数N、起始点和终止点、信息素启发因子α、期望启发因子β、信息素挥发系数ρ、信息素总量Q；

S2：m个蚂蚁从起始点出发；

S3：蚂蚁根据各节点的信息素和启发信息来选择下一节点，计算蚂蚁k从节点i转移到节点j的转移概率

S4：依据更新规则进行信息素全局更新；

S5：判断蚂蚁是否遍历了所有节点，或者寻找到了终止点，若是则执行步骤S6，否则跳转到步骤S3-S4继续寻路；

S6：保存每只蚂蚁的搜索路线和长度；判断是否达到最大迭代次数N，若是则选择长度最小的搜索路线作为最优路线，若否则跳转到步骤S2。

2.如权利要求1所述的基于蚁群算法的路径优化方法，其特征在于，所述S1中，m＝19、α＝1、β＝5、ρ＝0.3、Q＝50。

3.如权利要求1所述的基于蚁群算法的路径优化方法，其特征在于，所述S3中，转移概率的计算公式为：

公式(1)中，τ_ij(t)表示在t时刻从位置i到j的信息素，α表示的是信息素启发因子，η_ij(t)表示节点i和j的启发式函数、η_is(t)表示节点i和s的启发式函数,β表示期望启发因子，J_k(i)表示第k只蚂蚁从位置i到可行路径点的集合，τ_is(t)表示在t时刻从位置i到s的信息素；[allow_ij(t)]^φ表示蚂蚁从节点i到节点j可行节点的个数，[allow_is(t)]^φ表示蚂蚁从节点i到节点s可行节点的个数。

4.如权利要求1所述的基于蚁群算法的路径优化方法，其特征在于，所述S4中，更新规则具体如下：

τ_ij(t+n)＝(1-ρ)·τ_ij(t)+Δτ_ij(t,t+n)

公式(2)中，τ_ij(t+n)表示t+n时刻节点i与节点j的信息素浓度；ρ表示信息素挥发系数；τ_ij(t)表示t时刻连接节点i与节点j的路径的信息素浓度；表示蚂蚁k在本次循环(t时刻到t+n时刻)中留在路径ij上的信息量；Q表示信息素总量；L_K表示K只蚂蚁在本次循环中所走路径的总长度；d_ij表示节点i到节点j的欧氏距离；η_ij表示启发函数；节点i的坐标为(x_i，y_i)，节点j的坐标为(x_j，y_j)。

5.如权利要求4所述的基于蚁群算法的路径优化方法，其特征在于，所述信息素挥发系数ρ的设置为：

ρ的区间范围为[0，1]，将ρ的初始值设置为0.95，若连续10次迭代中相邻两次最优解的差值小于等于0.1％时，ρ自动调节为原来的0.9倍；当ρ小于0.2时，强制设置ρ为0.2；

6.基于权利要求1-5任一所述基于蚁群算法的路径优化方法的水面垃圾收集路径规划，其特征在于，包括以下步骤：

步骤1、建立水面垃圾的网络拓扑图；

步骤2、输入收集路径的起点和终点；

步骤3、采用权利要求1-5任一所述的基于蚁群算法的路径优化方法对水面垃圾的网络拓扑图进行分析，输出最优路径。