基于改进蚁群算法的铁路路网最优路径规划

doi:10.3778/j.issn.1002-8331.2010.03.058

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (3): 189-191.DOI: 10.3778/j.issn.1002-8331.2010.03.058

基于改进蚁群算法的铁路路网最优路径规划

薛明昊，杨淮清

沈阳工业大学，沈阳 110178

收稿日期:2009-06-22 修回日期:2009-08-16 出版日期:2010-01-21 发布日期:2010-01-21
通讯作者: 薛明昊

Railway network optimization path planning based on improved ant colony algorithm

XUE Ming-hao，YANG Huai-qing

Shenyang University of Technology，Shenyang 110178，China

Received:2009-06-22 Revised:2009-08-16 Online:2010-01-21 Published:2010-01-21
Contact: XUE Ming-hao

摘要/Abstract

摘要： 多条件最优路径规划问题是铁路出行查询系统的重要功能之一。将路径规划问题转化为以用户多种条件组合为目标函数的最优化问题，并将改进的蚁群算法应用于该问题，使查询系统能够满足各类用户的查询要求，并给出最优解或次优解。仿真实验表明：该算法的实时性很高，是一种行之有效的方法。

关键词: 蚁群算法, Dijkstra算法, 路径规划

Abstract: Multi-conditional optimal path planning problem is the important function of the railway travelling query system.The path planning problem is converted to the optimization problem with the objective function of the user’s multi-condition’s combination，and the improved ant colony algorithm is applied to the question in order to satisfy kinds of user’s demands for query and then the optimal solution or the subprime solution is proposed.Simulation experiments manifest that the algorithm has higher real time ability and is an effective method.

Key words: ant colony algorithm, dijkstra algorithm, path planning

中图分类号:

TP311

薛明昊，杨淮清. 基于改进蚁群算法的铁路路网最优路径规划[J]. 计算机工程与应用, 2010, 46(3): 189-191.

XUE Ming-hao，YANG Huai-qing. Railway network optimization path planning based on improved ant colony algorithm[J]. Computer Engineering and Applications, 2010, 46(3): 189-191.

[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]	槐创锋，郭龙，贾雪艳，张子昊. 改进A*算法与动态窗口法的机器人动态路径规划[J]. 计算机工程与应用, 2021, 57(8): 244-248.
[4]	廖列法，李浩瀚，李帅，朱合隆，李志军. 结合Winner-Take-All的足球机器人控制策略研究[J]. 计算机工程与应用, 2021, 57(7): 136-143.
[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]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[7]	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.
[8]	刘建宇，范平清. 基于改进的RRT*-connect算法机械臂路径规划[J]. 计算机工程与应用, 2021, 57(6): 274-278.
[9]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[10]	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.
[11]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[12]	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.
[13]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[14]	王琛，茅健. 基于时间窗模型的双向机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(23): 287-294.
[15]	赵伟，吴子英. 双层优化A*算法与动态窗口法的动态路径规划[J]. 计算机工程与应用, 2021, 57(22): 295-303.

基于改进蚁群算法的铁路路网最优路径规划

Railway network optimization path planning based on improved ant colony algorithm

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