基于变邻域蚁群算法的自动光学检测路径规划

发布时间：2021-05-05 19:33

　　在确定取像窗口最少数量及其约束移动范围的前提下,为解决蚁群算法用于自动光学检测路径规划存在的问题,提出一种基于变邻域蚁群算法的自动光学检测路径规划方法。针对蚁群算法收敛速度慢、易陷入局部最优解的问题,提出含有3种邻域结构的变邻域路径搜索方法,改进蚁群算法以快速获得质量优异的可优化路径;针对取像窗口位置可调整的问题,提出变邻域窗口位置调整方法,进一步改善可优化路径,获得最短路径。实验结果表明,该算法比基本的蚁群算法具有更高的求解效率和求解质量,有效提升了自动光学检测系统的在线检测效率。 

【文章来源】：计算机工程与设计. 2020,41(02)北大核心

【文章页数】：7 页

【文章目录】：
0 引言
1 自动光学检测路径规划问题模型
2 变邻域蚁群算法设计
    2.1 蚁群算法工作原理及局限性
    2.2 算法优化策略
        2.2.1 变邻域路径搜索
        2.2.2 变邻域窗口位置调整
3 实验结果与分析
4 结束语


【参考文献】：
期刊论文
[1]智能仿生算法在移动机器人路径规划优化中的应用综述[J]. 于振中,李强,樊启高.  计算机应用研究. 2019(11)
[2]电商退换货车辆路径问题及蚁群算法研究[J]. 张庆华,吕小丹.  计算机工程与应用. 2018(22)
[3]HDI板孔群的K-means聚类及加工路径优化研究[J]. 张明禄,李忠学,陈辅斌.  组合机床与自动化加工技术. 2018(07)
[4]蚁群算法及其应用综述[J]. 乔东平,裴杰,肖艳秋,周坤.  软件导刊. 2017(12)
[5]基于混合遗传算法的线路板AOI运动控制系统设计[J]. 郑文秀,房瑞东,王璞,齐世清.  新型工业化. 2017(02)
[6]面向光学检测中轨迹优化问题的遗传算法研究[J]. 刘今越,李洋,郭志红,任志斌,刘佳斌.  计算机工程与应用. 2018(04)
[7]求解TSP的带混沌扰动的模拟退火蚁群算法[J]. 王迎,张立毅,费腾,周修飞.  计算机工程与设计. 2016(04)
[8]基于改进人工势场法的移动机器人路径规划[J]. 温素芳,郭光耀.  计算机工程与设计. 2015(10)
[9]布谷鸟搜索算法研究综述[J]. 兰少峰,刘升.  计算机工程与设计. 2015(04)
[10]基于改进粒子群的焊点检测路径规划方法[J]. 朱霞,陈仁文,徐栋霞,毛世杰.  仪器仪表学报. 2014(11)

硕士论文
[1]公共自行车智能调度算法研究[D]. 朱宏伟.杭州电子科技大学 2017



本文编号：3170457