改进的蚁群算法及其在弹道优化中的应用

doi:10.3778/j.issn.1002-8331.2008.28.071

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (28): 217-219.DOI: 10.3778/j.issn.1002-8331.2008.28.071

改进的蚁群算法及其在弹道优化中的应用

王华,杨存富,刘恒军

航天科工集团二院二部，北京 100854

收稿日期:2007-11-15 修回日期:2008-02-01 出版日期:2008-10-01 发布日期:2008-10-01
通讯作者: 王华

Improved ant colony algorithm and its application on trajectory optimization

WANG Hua,YANG Cun-fu,LIU Heng-jun

The Second Academy of China Aerospace Science & Industry Corporation，Beijing 100854，China

Received:2007-11-15 Revised:2008-02-01 Online:2008-10-01 Published:2008-10-01
Contact: WANG Hua

摘要/Abstract

摘要： 针对连续空间的优化问题提出了一种改进蚁群算法及搜索空间的自适应调整方法，将搜索空间逐步缩小到最优解附近，并通过信息素扩散机制增强对最优解附近区域的搜索，这些改进措施有利于改善蚁群算法的收敛速度和提高算法的求解精度。将这种改进算法应用到弹道优化过程中，可以有效收缩搜索空间范围获得高精度的最优弹道，这说明了算法的有效性。

关键词: 弹道优化, 蚁群算法, 信息素

Abstract: An improved ant colony algorithm is proposed for the optimization of continuous problems.In the algorithm a method of auto-adapt search space is presented to tighten the range of search space gradually.Pheromone diffusion mechanism is adopted to enhance the search near the optimal solution.With these methods the ant colony algorithm has improved convergance speed and solution accuracy.During the simulation of trajectory optimization，the range of search space was evidently reduced and the optimal trajectory was obtained.The result proves the validity of the algorithm.

Key words: trajectory optimization, ant colony algorithm, pheromone

王华,杨存富,刘恒军. 改进的蚁群算法及其在弹道优化中的应用[J]. 计算机工程与应用, 2008, 44(28): 217-219.

WANG Hua,YANG Cun-fu,LIU Heng-jun. Improved ant colony algorithm and its application on trajectory optimization[J]. Computer Engineering and Applications, 2008, 44(28): 217-219.

[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]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[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.

改进的蚁群算法及其在弹道优化中的应用

Improved ant colony algorithm and its application on trajectory optimization

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