路径规划，蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第I类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷人局部最优解．用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比．结果表明：改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解；应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21 ．0

基于改进蚁群算法的移动机器人路径规划，潘杰，王雪松，针对大多数路径规划方法所忽视的路径尖峰问题，以及基本蚁群算法（Ant Colony Algorithm，ACA）易出现的早熟、陷入局部最优解等不足，提�

基于改进蚁群算法的全局路径规划方法研究，梁建刚，刘晓平，针对移动机器人全局路径规划采用传统蚁群算法存在收敛速度慢、易陷入局部最优的问题，提出基于改进蚁群算法的移动机器人全局路径

基于改进蚁群算法的路径规划方法

针对旅游景区路径规划问题的复杂性,将景区路径分为全景区图和子景区图,并归为同一问题解决。提出一种改进蚁群算法,设计繁殖蚂蚁、视觉蚂蚁和普通蚂蚁,各类蚂蚁按各自规则遍历;蚂蚁遍历完所有景点,求出最佳行程MIN,并根据约束条件对符合要求的路径上的信息素进行更新;再结合模拟退火算法,在每个状态对蚁群行程进行舍取,重复迭代,最终获得全局最优解。仿真实验结果表明,该方法在景区路径规划中表现出良好的稳定性和高效性。

将遗传算法与蚁群算法进行有机结合，并将其应用到智能机器人全局路径规划中，其目的是探索一种基于栅格划分的环境中新的路径寻优算法，研究机器人路径规划问题。首先利用遗传算法全局搜索能力强的特点，生成初始信息素分布，再利用蚁群算法正反馈机制的特点求精确解，通过两种算法的优势互补，提高系统的路径寻优能力。

救护车并行调度与大规模伤员救援一直是应急救援过程中需要优先解决的问题。引用一种面向多位受伤程度不同的伤员的救护车并发调度与分配优化模型，依据伤情轻重将所有伤者进行分类，按不同优先级进行救护车的调度与救援；采用蚁群优化智能算法求解这个复杂的优化问题。在启发式算法中，改进蚁群优化中的信息素更新策略以实现多个调度路径的同时优化。对比实验表明，所提模型与智能算法在救护车资源不是很充足的情况下具有更好的性能，能够产生一组有效可行的解，并可以同时给出各个救护车响应各伤员的救援路径和响应时间。

利用云中资源进行高效任务调度是保证云计算系统可靠运行的关键问题。提出一种基于改进蚁群优化算法的任务调度方法。算法采用蚂蚁系统的伪随机比例规则进行寻优，防止算法过快收敛到局部最优解，同时结合排序蚂蚁系统和最大最小蚂蚁系统的设计思想完成信息素更新，有效求解优化问题。实验结果显示，该算法具有很好的寻优能力，提高了云资源的利用率。

利用改进的蚁群算法求解TSP，较原来更加的快速，解决方法更加的容易理解和接收，