[发明专利]基于目标评价因子的自适应蚁群A星混合算法在审
| 申请号： | 201911042714.8 | 申请日： | 2019-10-30 |
| 公开（公告）号： | CN110686695A | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 陆敬怡;梁志伟;祝子健;李欣昱 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G01C21/34 | 分类号： | G01C21/34 |
| 代理公司： | 32243 南京正联知识产权代理有限公司 | 代理人： | 张玉红 |
| 地址： | 210023 *** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于目标评价因子的自适应蚁群A星混合算法，为一种在RCRSS中应用的动态路径规划算法，通过引入目标评价因子，延伸融合蚁群和A星算法的优点，旨在面对有路障的复杂实时动态环境中，规划出一条最优路径。本发明将A星启发式路径规划与群体智能算法的蚁群算法相结合，使得在智能体受到环境限制条件下，实现对智能体分工协作的局部性优化，并鉴于此进而对全局实况进行分析预测以及群体决策优化。本发明提出的自适应蚁群A星混合算法与各式各样现在流行的路径规划算法相比，不仅考虑到路径长度因素，还着重关注于路径的可达性、路况的动态性等方面，能够在动态复杂未知的环境下，达到良好的效果。 | ||
| 搜索关键词： | 蚁群 混合算法 目标评价 智能体 自适应 算法 动态路径规划 路径规划算法 群体智能算法 环境限制 路径规划 群体决策 实时动态 蚁群算法 最优路径 动态性 局部性 可达性 启发式 路障 路况 优化 实况 分工 融合 引入 延伸 协作 预测 全局 应用 分析 规划 | ||
【主权项】：
1.基于目标评价因子的自适应蚁群A星混合算法，其特征在于：包括如下步骤：/n步骤1，系统参数初始化，信息素共享更新；/n步骤2，初始化蚂蚁；/n步骤3，选择下一节点，计算蚂蚁转移概率，计算各蚂蚁路径长度，记录当前最优解；/n步骤4，判断是否达到终点，如达到则进入下一步，如未达到则返回上一步；/n步骤5，局部信息素更新，评价蚁群；全局信息素更新；蚁群间信息素共享更新；/n步骤6，判断是否达到最大迭代次数，如达到则进入下一步，如未达到则返回初始化蚂蚁；/n步骤7，比较每次循环最优解的代价值；遍历候选节点，选择代价最小的边，将候选节点加入OPEN表；按代价对OPEN表进行排序；/n步骤8，判断是否找到目标节点，如找到则进入下一步，如未找到则返回遍历候选节点；/n步骤9，输出路径，结束算法循环。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于南京邮电大学，未经南京邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911042714.8/，转载请声明来源钻瓜专利网。
