典型文献
基于ACO-SA算法的变电站巡检机器人路径规划
文献摘要：
随着智能变电站的不断优化发展,基于传统蚁群算法的变电站巡检机器人路径规划存在复杂工作环境下优化能力弱、收敛速度慢、易陷入局部最优的问题.为了提高变电站巡检机器人的工作效率,提出一种改进的蚁群-模拟退火(ant colony optimization-simulated annealing,ACO-SA)算法.此算法定义新的启发函数以提高全局搜索能力;设定初始信息素不均匀分配机制并引入信息素动态挥发因子,避免了算法初期搜索的盲目性,提高了算法的搜索效率;引入模拟退火算法中的回火机制消除局部最优.根据变电站巡检机器人的工作环境,用栅格法建立环境模型,仿真实验结果证明了改进算法的可行性.
文献关键词：
模拟退火;蚁群算法;路径优化;动态更新因子
中图分类号：
作者姓名：
刘胜;张豪;晏齐忠;张志鑫;申永鹏
作者机构：
郑州轻工业大学, 郑州450002;河南中烟工业有限责任公司南阳卷烟厂, 河南 南阳473007
文献出处：
引用格式：
[1]刘胜;张豪;晏齐忠;张志鑫;申永鹏-.基于ACO-SA算法的变电站巡检机器人路径规划)[J].南方电网技术,2022(09):75-82
A类：
动态更新因子
B类：
ACO,SA,变电站巡检机器人,机器人路径规划,智能变电站,优化发展,蚁群算法,杂工,收敛速度,速度慢,局部最优,ant,colony,optimization,simulated,annealing,算法定义,定义新,启发函数,全局搜索,搜索能力,初始信息素,均匀分配,分配机制,挥发因子,盲目性,搜索效率,模拟退火算法,回火,火机,栅格法,环境模型,改进算法,路径优化
AB值：
0.365844
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
