基于改进蚁群算法的火源定位策略研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (2): 207-210.

基于改进蚁群算法的火源定位策略研究

康一梅，杨恩博，杨鑫凯

北京航空航天大学软件学院，北京 100191

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-01-11 发布日期:2012-01-11

Fire localization strategy based on modified Ant Colony Algorithm

KANG Yimei, YANG Enbo, YANG Xinkai

School of Software Engineering, Beihang University, Beijing 100191, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-01-11 Published:2012-01-11

摘要/Abstract

摘要： 为了达到多机器人系统能够模仿蚁群寻找食物源的行为来定位搜索火源目标，对基本蚁群算法和禁忌搜索算法进行融合和修正，形成一种新的目标搜索策略。修正的蚁群算法包括：全局随机搜索、局部遍历搜索和信息素更新三个部分。在搜索过程中，通过设定信息素的有效作用范围来实现对多个火源目标的定位。仿真结果表明，局部遍历搜索能够保证机器人逐步靠近火源目标，而融合了禁忌搜索的蚁群算法在搜索效率上大大提高。

关键词: 蚁群算法, 禁忌搜索算法, 火源定位

Abstract: For robots searching for the fire sources by foraging behavior of art colony, a multi-robots search strategy is proposed by combing and modifying Ant Colony Algorithm（ACA） and Tabu Search algorithm（TS）. The modified ACA includes three parts, which are global random search, local traversal search and pheromone update. In the search process, an effective range of pheromone is set to localize multiple fire sources. Simulation results show that the local traversal search can enable robots to move towards the fire gradually, and search efficiency is improved.

Key words: ant colony algorithm, tabu search algorithm, fire source location

康一梅，杨恩博，杨鑫凯. 基于改进蚁群算法的火源定位策略研究[J]. 计算机工程与应用, 2012, 48(2): 207-210.

KANG Yimei, YANG Enbo, YANG Xinkai. Fire localization strategy based on modified Ant Colony Algorithm[J]. Computer Engineering and Applications, 2012, 48(2): 207-210.

[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]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	张苏英，郭宝樑，陈灵芝，刘慧贤. 双向蚁群算法的智能消防疏散图路径规划[J]. 计算机工程与应用, 2021, 57(14): 259-266.
[13]	陈展，公建宁，刘媛媛，徐京邦. 基于禁忌搜索的多AGV系统路径优化算法[J]. 计算机工程与应用, 2021, 57(10): 273-278.
[14]	付朝晖，刘长石. 生鲜电商配送的开放式时变车辆路径问题研究[J]. 计算机工程与应用, 2021, 57(1): 271-278.
[15]	张松灿，普杰信，司彦娜，孙力帆. 蚁群算法在移动机器人路径规划中的应用综述[J]. 计算机工程与应用, 2020, 56(8): 10-19.