群智能算法在气体源定位中的应用综述

doi:10.3778/j.issn.1002-8331.1906-0252

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (18): 21-33.DOI: 10.3778/j.issn.1002-8331.1906-0252

群智能算法在气体源定位中的应用综述

王巍，崔益豪，王彤，朱天宇，田立勤

1.河北工程大学信息与电气工程学院，河北邯郸 056038
2.河北省安防信息感知与处理重点实验室，河北邯郸 056038
3.江南大学物联网工程学院，江苏无锡 214122
4.华北科技学院河北省物联网数据采集与处理工程技术研究中心，河北廊坊 065201

出版日期:2019-09-15 发布日期:2019-09-11

Survey of Application of Swarm Intelligence Algorithm in Gas Source Location

WANG Wei, CUI Yihao, WANG Tong, ZHU Tianyu, TIAN Liqin

1.School of Information & Electrical Engineering, Hebei University of Engineering, Handan, Hebei 056038, China
2.Hebei Key Laboratory of Security & Protection Information Sensing and Processing, Handan, Hebei 056038, China
3.School of Internet of Things Engineering, Jiangnan University, Wuxi, Jiangsu 214122, China
4.Hebei Engineering Technology Research Center for IoT Data Acquisition & Processing, North China Institute of Science and Technology, Langfang, Hebei 065201, China

Online:2019-09-15 Published:2019-09-11

摘要/Abstract

摘要： 近几年频繁发生的气体泄漏事件使得气体源定位成为了公共安全领域亟待解决的问题。气体源定位问题本质上可以转化为最优化问题，群智能算法作为一种高效的优化算法，为其提供了一个全新的解决方案。介绍了气体源定位问题的研究背景和研究现状；根据群智能算法在气体源定位中应用的研究思路和研究内容对具有代表性研究成果进行了分类综述和对比分析；对目前基于群智能算法的气体源定位研究中存在的问题和未来发展趋势进行了分析和展望，对气体源定位问题的进一步研究提供一定的参考作用。

关键词: 气体源定位, 群智能算法, 蚁群算法, 粒子群算法

Abstract: In recent years, frequent gas leakage incidents make gas source location becoming an urgent problem in the field of public safety. Gas source location problem can be transformed into optimization problem in essence. As an efficient optimization algorithm, swarm intelligence algorithm provides a new solution for it. The research background and status quo of gas source location are introduced. The representative research results are classified, summarized and compared according to the research ideas and contents of swarm intelligence algorithm applied in gas source location. The existing problems and future development trend of gas source location research based on swarm intelligence algorithm are analyzed and discussed. The prospect will provide some reference for further research on gas source location.

Key words: gas source localization, swarm intelligence algorithm, ant colony algorithm, particle swarm algorithm

王巍，崔益豪，王彤，朱天宇，田立勤. 群智能算法在气体源定位中的应用综述[J]. 计算机工程与应用, 2019, 55(18): 21-33.

WANG Wei, CUI Yihao, WANG Tong, ZHU Tianyu, TIAN Liqin. Survey of Application of Swarm Intelligence Algorithm in Gas Source Location[J]. Computer Engineering and Applications, 2019, 55(18): 21-33.

[1]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[2]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[3]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[4]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[7]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[8]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[9]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[10]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[11]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[12]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[13]	张琳，汪廷华，周慧颖. 基于群智能算法的SVR参数优化研究进展[J]. 计算机工程与应用, 2021, 57(16): 50-64.
[14]	何雅颖，范昕炜. 改进蚁群算法在机器人路径规划中的应用[J]. 计算机工程与应用, 2021, 57(16): 276-282.
[15]	付朝晖，刘长石. 多物流中心共同配送的车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(16): 291-298.

群智能算法在气体源定位中的应用综述

Survey of Application of Swarm Intelligence Algorithm in Gas Source Location

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics