公开(公告)号：CN113743608B

公开(公告)日：2024-01-30

申请号：CN202110652142.6

申请日：2021-10-21

Applicant: 安徽工程大学

Inventor： 李东东 ,  王雷 ,  耿赛 ,  黄胜洲 ,  王风涛 ,  马康康 ,  谢芳琳 ,  刘明豪 ,  顾瀚 ,  王飞

IPC: G06N3/126 ,  G06Q10/047

Abstract: 本发明涉及一种基于基因库解决堆垛机路径规划的蚁群遗传混合算法，首先，将创建一个基因库，用来存放个体的基因片段，在生成个体时，通过蚁群算法从基因库中挑选优良的基因片段来尝试构建较为优秀的个体，通过以上策略，能有效的避免不好的基因片段对遗传算法造成的影响，从而加速遗传算法的收敛，同时，由于蚁群算法对未知的基因片段也具有一定的选择概率，因此，对克服陷入局部最优解也具备一定的效果。大量的仿真结果表明，采取本文新型策略的蚁群‑遗传混合算法在解决堆垛机路径规划的效果明显，相对比传统遗传算法，不仅收敛速度更快，而算法对最优解的获得也具有较好的稳定

公开(公告)号：CN113743608A

公开(公告)日：2021-12-03

申请号：CN202110652142.6

申请日：2021-10-21

Applicant: 安徽工程大学

Inventor： 李东东 ,  王雷 ,  耿赛 ,  黄胜洲 ,  王风涛 ,  马康康 ,  谢芳琳 ,  刘明豪 ,  顾瀚 ,  王飞

IPC: G06N3/12 ,  G06Q10/04

Abstract: 本发明涉及一种基于基因库解决堆垛机路径规划的蚁群遗传混合算法，首先，将创建一个基因库，用来存放个体的基因片段，在生成个体时，通过蚁群算法从基因库中挑选优良的基因片段来尝试构建较为优秀的个体，通过以上策略，能有效的避免不好的基因片段对遗传算法造成的影响，从而加速遗传算法的收敛，同时，由于蚁群算法对未知的基因片段也具有一定的选择概率，因此，对克服陷入局部最优解也具备一定的效果。大量的仿真结果表明，采取本文新型策略的蚁群‑遗传混合算法在解决堆垛机路径规划的效果明显，相对比传统遗传算法，不仅收敛速度更快，而算法对最优解的获得也具有较好的稳定性。

公开(公告)号：CN112904853B

公开(公告)日：2022-02-01

申请号：CN202110067912.0

申请日：2021-01-19

Applicant: 安徽工程大学

Inventor： 李东东 ,  王雷 ,  凌雪 ,  耿赛 ,  马康康 ,  谢芳琳 ,  刘明豪 ,  顾瀚 ,  黄胜洲

IPC: G05D1/02

Abstract: 本发明公开一种基于代价矩阵的堆垛机路径规划方法，通过改变堆垛机问题解的模型，构建一个代价矩阵，以该矩阵的若干元素组合成方案的代价值，最终，最低的带价值即代表着全局的最优价；通过本方法，即可在保证最优解的前提下，使得寻优速率大幅提升；大量的仿真结果表明，采取本文新型策略的改进穷举算法在解决堆垛机路径规划的效果明显，整体性能不仅明显优于传统的穷举法，同时不亚于许多改进的启发式算法。

公开(公告)号：CN112327876B

公开(公告)日：2022-02-01

申请号：CN202011315641.8

申请日：2020-11-21

Applicant: 安徽工程大学

Inventor： 李东东 ,  王雷 ,  耿赛 ,  黄胜洲 ,  马康康 ,  谢芳琳 ,  刘明豪 ,  顾瀚

IPC: G05D1/02 ,  G01C21/34

Abstract: 本发明公开一种基于终距指数的机器人路径规划方法，包括以下步骤：S1、采用栅格法创建机器人环境地图；S2、采用蚁群算法寻找环境最短路径，蚁群算法包含以下步骤：S21、初始化蚁群算法的参数；S22、将m只蚂蚁放在起始点开始搜索；S23、利用概率选择公式选择下一步移动栅格；S24、判断所有蚂蚁是否到达目标点，如果是则进行步骤S25，如果否返回步骤S23；S25、根据当代取得的所有可行路径进行终距指数的更新；S26、判断是否达到最大迭代次数，如果是则结束；如果否，则令迭代次数加1并返回步骤S22；S3、将步骤S2得到最短路径作为规划的最优路径；本发明不仅提高了全局最优解而且提高了收敛速度。

公开(公告)号：CN112327876A

公开(公告)日：2021-02-05

申请号：CN202011315641.8

申请日：2020-11-21

Applicant: 安徽工程大学

Inventor： 李东东 ,  王雷 ,  耿赛 ,  黄胜洲 ,  马康康 ,  谢芳琳 ,  刘明豪 ,  顾瀚

IPC: G05D1/02 ,  G01C21/34

Abstract: 本发明公开一种基于终距指数的机器人路径规划方法，包括以下步骤：S1、采用栅格法创建机器人环境地图；S2、采用蚁群算法寻找环境最短路径，蚁群算法包含以下步骤：S21、初始化蚁群算法的参数；S22、将m只蚂蚁放在起始点开始搜索；S23、利用概率选择公式选择下一步移动栅格；S24、判断所有蚂蚁是否到达目标点，如果是则进行步骤S25，如果否返回步骤S23；S25、根据当代取得的所有可行路径进行终距指数的更新；S26、判断是否达到最大迭代次数，如果是则结束；如果否，则令迭代次数加1并返回步骤S22；S3、将步骤S2得到最短路径作为规划的最优路径；本发明不仅提高了全局最优解而且提高了收敛速度。

公开(公告)号：CN112904853A

公开(公告)日：2021-06-04

申请号：CN202110067912.0

申请日：2021-01-19

Applicant: 安徽工程大学

Inventor： 李东东 ,  王雷 ,  凌雪 ,  耿赛 ,  马康康 ,  谢芳琳 ,  刘明豪 ,  顾瀚 ,  黄胜洲

IPC: G05D1/02

Abstract: 本发明公开一种基于代价矩阵的堆垛机路径规划方法，通过改变堆垛机问题解的模型，构建一个代价矩阵，以该矩阵的若干元素组合成方案的代价值，最终，最低的带价值即代表着全局的最优价；通过本方法，即可在保证最优解的前提下，使得寻优速率大幅提升；大量的仿真结果表明，采取本文新型策略的改进穷举算法在解决堆垛机路径规划的效果明显，整体性能不仅明显优于传统的穷举法，同时不亚于许多改进的启发式算法。