多目标蚁群算法路径规划(三)
零、系列前言(一定要看)
- 本系列为总结本人近2年多关于启发式算法解决路径规划的相关内容。主要从以下几个主题内容进行系列写作1.常见的数据获取方式与处理过程、,2、算法的基础流程,3.常见算法改进,4.多目标排序、5.基于应用场景的改进、6.其他相关问题、7、批量运行测试数据本系列全程免费提供相关代码。
- 本系列代码来源主要参考网上相关博客与文献、根据不同实际需求重构的代码。
- 本文所有提供的代码与文字说明仅供参考,不作为商业目的。
- 对内容有疑问或是错误部分可以留言或私信。
- 有偿定制特定功能, qq:1602480875。价格范围60—500。(建议优先看完系列内容,尝试系列中的代码,这些都是免费且能解决大部分问题。),具体代码后续会以完整形式上传百度云。
更新时间:2022年1月2日
1.1 本章内容说明
- 算法改进与问题背景的匹配
- 常用的改进策略
- 算法改进过程
- 评价改进结果的方法
- 下期预告
1.2 本章主要分享内容简介(摘要)
路径规划求解过程中根据问题的背景不同于需求差异,需要对通用的算法进行改进设计以满足最优解的寻找。
- 本文主要从以下2个方面进行总结说明。第一部分主要分享如何基于背景分析哪些关键部分是需要改进,改进了算法在多大程度上有利于提高最终结果。
- 第二部分就目前大家常用的改进思路与博主总结的相结合分析一下改进策略。
2.1 算法改进的原因分析
- 首先在我们选取了一个常用的启发式算法或是线性规划算法,优先考虑是否有必要去优化这个过程。通常思考的出发点:1. 现有方法不理想,例如收敛慢、求解为局部最优全局性不足,2.文章字数不够全文没有创新突出特点。3. 相关深入贴近真实环境。