[发明专利]一种基于隶属云模型蚁群算法的桥梁支座自动喷涂轨迹在审
申请号: | 201910450157.7 | 申请日: | 2019-05-28 |
公开(公告)号: | CN110135657A | 公开(公告)日: | 2019-08-16 |
发明(设计)人: | 邓立为;王晓飞;韩婧 | 申请(专利权)人: | 哈尔滨理工大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06N3/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 150080 黑龙*** | 国省代码: | 黑龙江;23 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供了一种隶属云模型蚁群算法来实现橡胶桥梁支座表面自动喷涂轨迹的生成与优化问题。传统蚁群算法的轨迹优化,基本蚁群算法的Q和ρ通常保持初值恒定不变,这样会使得某路径上残留信息素太大或者太小,最终导致全局搜索时算法停止不前或者不收敛,即在整个蚁群中表现出许多蚂蚁停滞或扩散现象。基于隶属云蚁群算法的桥梁支座自动喷涂轨迹优化,采用U条件隶属云生成Q(t)和ρ(t),同时限定路径上信息素浓度的范围,从而避免算法停滞不前,使得算法收敛速度加快。 | ||
搜索关键词: | 蚁群算法 桥梁支座 自动喷涂 轨迹优化 信息素 算法 恒定不变 全局搜索 算法收敛 限定路径 优化问题 蚁群 蚂蚁 收敛 橡胶 停滞 残留 扩散 | ||
【主权项】:
1.一种基于改进蚁群算法的桥梁支座喷涂路径优化方法,其方法主要包括以下几个步骤:1)引入隶属云模型,应用U条件隶属云生云滴drop(x,y1)与drop(x,y2),Q(t)=Qmax*y1,ρ(t)=ρ*y22)将每一条路径上的信息素浓度设定一个范围[τmin,τmax],避免信息素浓度超出这个稳定的范围,其中τmax=τ(0)。3)在原有蚁群算法的基础上利用隶属云算法获得实时更新的Q(t)与ρ(t),避免蚁群算法陷入全局最优,提高收敛速率。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于哈尔滨理工大学,未经哈尔滨理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910450157.7/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理