针对传统汽车起重机变幅液压缸位置控制性能不佳的问题,以某型汽车起重机为例,对其变幅液压缸位置控制系统进行了仿真分析和试验研究。将汽车起重机常用的电磁换向阀换成控制精度更高的比例换向阀,对变幅液压缸位置控制系统进行了改进;在建立系统数学模型基础上,分别采用Ziegler-Nichols算法、蚁群算法和果蝇算法对PID参数进行了优化,并对加入不同PID参数的系统控制性能进行了仿真分析;最后搭建了试验平台,对系统控制性能进行了测试,通过分析试验数据对仿真结果进行了验证。研究结果表明加入蚁群算法优化的PID参数后,系统控制性能优于加入其他两种算法优化PID参数后的系统,其更能满足汽车起重机对于变幅液压缸控制性能的要求。

针对蚁群算法在移动机器人路径规划中存在的历史路径不能被充分利用的问题,提出一种具有通信机制的增强型蚁群算法。根据自然界中蚂蚁触手的接触特性,对历史路径进行整合,以获得更优的复合路径。为了进一步改进算法,提出一种放大的轮盘赌方法来加速收敛。设计自适应的Sigmoid衰减函数来优化不同阶段的启发式信息。针对死锁问题的各种类型,制定了具体的优化策略并减少了死锁蚂蚁的数量。最后进行了参数确定和对比实验,在简单环境和复杂环境下,所提算法的整体性能明显提高,实验结果证明了所提方法的有效性。

针对基本蚁群算法(ACO)收敛速度慢的特点,提出了一种移动机器人路径规划的蚁群优化改进算法。通过限制信息素的取值范围,扩大了搜索结果,从而避免了算法过早收敛,同时还提出了一种信息素挥发系数自适应调节的改进蚁群算法方略,意图通过自适应的调整信息素挥发系数来提高算法的全局性和算法的收敛速度。针对在栅格环境中蚁群算法规划出来的路径折线多,转角大的特点,提出了用贝塞尔曲线优化路径的方法。仿真结果显示,经过优化过后的平滑路径更加适合移动机器人的运行情况,在任意随机给定的环境中,算法能够迅速找出最优路径。

为了提高建筑起重机变幅液压缸位置控制精度,引入蚁群算法(Ant Clony Optimization,ACO)对PID控制进行优化,给出了位置控制系统控制器。并针对阶跃响应和正弦响应,开展仿真分析。得到如下结论:处于干扰力阶跃响应下,蚁群算法相对Ziegler-Nichols与果蝇算法(Fruit Flies Optimization,FFO)优化PID控制系统响应曲线分别减小了32.1%与12.3%的超调量,调整时间缩短34.3%与26.54%,稳态误差减小54.18%与33.21%。利用ACO优化PID系统表现出了更优的阶跃响应性能。处于干扰力正弦响应下,以ACO优化PID系统相对其它两种算法获得了更低的最大跟踪误差,时平均跟踪误差也明显减小。经综合分析可知,采用ACO优化PID系统获得了最优的抗干扰性能。该研究对提高起重机变幅液压缸位置控制精度具有很好的实际指导意义。

为了满足世界空间紫外天文台中的有效载荷长缝光谱仪（LSS）的设计要求，设计了LSS主结构并对主结构的优化设计方法进行了研究。建立了以结构频率要求为约束条件，以结构质量最轻为目标函数的LSS结构优化模型。采用ANSYS软件作为结构分析器，提出一种新的更新蚁群路径信息的策略，并使用这种改进的蚁群算法作为优化器，构建了一种组合的结构优化方法。应用这种优化组合方法对LSS主结构进行优化设计，并与ANSYS零阶优化方法的优化结果进行比较。计算表明，优化组合方法得出的质量比ANSYS零阶方法降低约7％，使主结构质量相对于初始质量减少约25％，基频达到82．3Hz，满足了设计要求。组合方法结合了改进蚁群算法和ANSYS软件两者的长处．可应用于其它类似工程结构优化。

机器人在荒野物资运输和山地自由行走时，需要在山地表面规划出行走路线，为此提出改进的蚁群算法加以求解。根据坡度提出避障规则，在满足避障约束条件下，合理增加路径的多样性；根据当前节点到目标点和起点的距离，重新设计启发式函数，驱使机器人尽量沿着起点和目标点之间的最短路径行进；依据实时路径长度，动态调整挥发系数，以精炼搜索空间、提高收敛性能。将改进蚁群算法与原始算法进行比较，实验结果表明改进蚁群算法的有效性优于原始蚁群算法。

为解决传统蚁群算法收敛速度慢、极易陷入局部最优解的问题,文中提出了一种改进蚁群算法,并将其应用于移动机器人路径规划问题。蚁群算法的路径规划采用栅格法建立环境模型,并对障碍物进行扩大处理,从而有效降低了移动机器人在运动过程中与障碍物相碰撞的可能性;构造启发函数以降低蚁群搜索路径的长度;引入信息素扩散算法,并提高算法在初期的全局搜索能力,从而加快了算法的后期收敛速度。仿真结果表明,所提出的算法在收敛速度上比传统蚁群算法提高近一倍,可以规划出最优路径。

以无线传感器网络为研究对象,针对网络能量消耗不均匀,造成部分网络节点能量过早耗尽这一问题,采用无向图理论对无线传感器网络进行建模,并通过改进的蚁群算法对网络路由路径进行求解,改进启发因子,加入能量消耗预测机制,引导算法产生能够平衡各节点能量消耗的路由路径,最终达到平衡网络节点能量的目的。仿真对比实验表明,与经典蚁群算法相比,提出的改进蚁群算法能够有效降低节点剩余能量方差,平衡节点能量消耗,有效提高无线传感器网络的能量平衡。

为使工业机器人末端执行器在离散化的工作空间中完成无碰撞路径规划,并降低或规避以往路径规划算法的不足,提出了一种改进算法。该算法主体来源于蚁群算法,在启发函数的设计中,引入了具有人工势场思想的引力系数和避障系数,并将路径的长度作为优化准则。采用以上策略,使算法更加适用于复杂环境,解的质量和搜索效率也获得了提高。在MATLAB环境下的仿真结果表明了文中方法与原始蚁群算法相比,能够更快地搜索到更优良的解。

在复杂曲面分片规划成若干个近似平面及每片面喷涂轨迹规划的基础上，将每个片上及片与片交界处的喷检轨迹组合规划问题转化为广义开环旅行商问题（OTSP），并采用隶属云模型蚁群算法对OTSP问题进行求解。仿真实验结果证明了该方法更佳的全局搜索性和收敛性。