基于改进蚁群算法的应急救援路线选择

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (23): 256-260.

基于改进蚁群算法的应急救援路线选择

崔丽群，张明杰，许堃

1.辽宁工程技术大学软件学院，辽宁葫芦岛 125105
2.辽宁工程技术大学通信学院，辽宁葫芦岛 125105

出版日期:2014-12-01 发布日期:2014-12-12

Improved ant colony algorithm for emergency rescue route choice

CUI Liqun, ZHANG Mingjie, XU Kun

1.College of Software, Liaoning Technical University, Huludao, Liaoning 125105, China
2.College of Communication, Liaoning Technical University, Huludao, Liaoning 125105, China

Online:2014-12-01 Published:2014-12-12

摘要/Abstract

摘要： 应急救援路线的选择关系到应急救援的成败，合理有效地选择应急救援路线对挽救生命和财产具有重要意义，其属于组合优化问题。针对蚁群算法求解速度慢、算法稳定性差、易出现早熟或停滞等缺陷和应急救援路线选择的特点，主要研究了改进蚁群算法在应急救援路线选择中的应用并根据实际应用提出了应急救援路线选择的蚁群算法的数学模型，为城市应急救援路线选择提供了有效的解决方案。通过实验证明该模型可以应用到解决应急救援路线选择问题方面，具有快速、高效的特点。

关键词: 应急救援, 蚁群算法, TOP-K排序算法

Abstract: The choice of emergency rescue route is related to the success or failure of emergency rescue, and it has great significance for saving lives and properties to select a reasonable and effective emergency rescue route, and it belongs to the field of combinatorial optimization. For the slow solution, poor algorithm stability, prone to premature or stagnation and other defects of ant colony algorithm and characteristics of emergency rescue route choice, this paper mainly studies the application of improved ant colony algorithm in emergency rescue route choice and provides an effective solution for city emergency rescue route choice and according to the practical application proposes mathematical model of ant colony algorithm of emergency rescue route choice. It is proved by experiments that the model which applied to solving problems of emergency rescue route choice has fast and efficient features.

Key words: emergency rescue, ant colony algorithm, Top-K sorting algorithm

崔丽群，张明杰，许堃. 基于改进蚁群算法的应急救援路线选择[J]. 计算机工程与应用, 2014, 50(23): 256-260.

CUI Liqun, ZHANG Mingjie, XU Kun. Improved ant colony algorithm for emergency rescue route choice[J]. Computer Engineering and Applications, 2014, 50(23): 256-260.

[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]	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.
[14]	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.
[15]	胡春阳，姜平，周根荣. 改进蚁群算法在AGV路径规划中的应用[J]. 计算机工程与应用, 2020, 56(8): 270-278.