[电缆价格]基于蚁群算法的复杂空间索布置优化方

　　当在车辆或水下飞机的封闭空间中安装多个电子元件，印刷电路板元件和其他机械元件时，每个电子元件的多芯电缆的布置问题繁琐复杂，不仅可以使用合理的布线路径。布线更科学，矿用电缆最重要的是，优化最短的布线可以在产品满足严格的重量要求时最大限度地减少系统的总重量。过在狭小空间内选择典型的工作区域并将其拖运，应用智能蚁群算法优化特定空间中的电线和电缆设计，使系统设计更加科学。且更合理。缆布置;蚁群算法;光栅化;优化设计中图分类号：TP301.6文献标识码：A文章编号：1009-3044（2018）28-0179-03目前，电路是在一个小而复杂的空间布局的导体（如水下航行器的内部基本上符合技术人员的经验。论小线的布置或组合电缆的布置如何，都没有对长度方面的技术参数进行详细分析，只获得了基本的合理性，科学性仍然存在很大差距。全距离。果需要技术人员对每根电线进行比较分析，工作量将非常重要，效果不会很好。此，有必要具有能够合理地优化电缆设计的技术和理论，作为技术设计者的辅助设计手段，从而可以尽可能地缩短电缆的长度。

　　轻系统的重量，使设计更加合理和科学。生优化算法是人工智能研究的重要分支，包括模拟生物世界中自然选择和遗传机制的遗传算法，模拟行为的蚁群算法。群搜索和粒子群优化算法模拟鸟类种群的捕食行为。[1]。种群体智能算法目前广泛用于各种工业，军事和民用领域。工蚁群算法是一种新型的模拟进化算法，可以模拟自然界中的蚁群搜索行为。算法最初是由意大利学者M. Dorigo等人提出的。用于解决分发问题，调度问题等。取得了不错的成绩。此影响，蚁群系统模型逐渐引起了其他研究者的关注，并最近被引入到人工智能轨迹的规划中[2]。群算法的优化原理在蚂蚁觅食过程中，总能找到蚁群与远距离食物之间的最短路径。只蚂蚁事先都不知道食物的位置，但看起来可以自己看到的局部范围。研究过程中，矿用电缆它会向高浓度方向移动其他蚂蚁留下的信息素有一定的可能性。息素也被释放。息素的浓度与所采用的路径的长度成反比。时，所有信息素都以一定的速率挥发。过一段时间的研究，最短路径上的信息素将越来越集中。着最短路径移动的蚂蚁将越来越多，并将形成一个积极的回报，以找到最短的路径[3]。行计划是蚁群算法最常见的任务之一。据环境信息控制的程度，路径规划可以分为两种类型：一种是基于完整环境信息的全局路径规划，另一种是基于来自现场信息的部分路径规划。
　　测。中，有三种典型的环境建模方法，用于根据表达工作空间模型的不同方法来规划本地路径：配置空间方法，自由空间方法和网格方法。格方法是平面运动轨迹规划的抽象模型，是最广泛研究的轨迹规划方法之一。M. B. Metea [4]首次提出了网格方法来解决分层地形的自动路径规划问题。将工作环境分解为一系列具有二进制信息的网格单元：工作空间中障碍物的位置和大小是一致的，并且移动时对象的位置和大小不会改变。器人的二维工作空间被相同大小的网格划分。格的大小以任务本身的目标大小为参考。以通过网格块的集成来表示自由空间和障碍。

　　问题可以描述如下：最初，任务的目标具有未知的网格信息，但是任务的目标具有感知能力和存储容量，并且可以感知任务的相邻光栅信息。置，用于感知的栅格信息。以保存。型首先要求任务的目标从给定栅格地图的起点绕过障碍物并找到到达终点的路线，从而最大限度地减少经过的栅格数量。线。要将特定水下交通工具布线的局部区域中选择工作空间，并选择典型空间作为分析解决方案的目标。1是一个小工作区域的模拟，包括所有在同一平面内的电路板，电源，机械组件和其他组件。格化工作空间对于蚁群算法，必须对图1中所示的工作空间进行栅格化，并将图表中的可用组件和位置存储在网格中。区域中组件或组件的位置定义为障碍物，并根据大小比较设计网格。栅化提供了图2中25x25网格地形图的结果。软件中创建25x25地形图矩阵，1为障碍物，0为可路由空间。标记之后，它由矩阵G表示。栅格地图中，每个栅格等同于一个节点，并且在一个路径中，每个栅格是相邻的。于有障碍物的卡片，屏障网格和任何网格都不相邻。矩阵表示的网格如下：观察图4中的矩阵G. 3.我们可以看到，当矩阵的元素为1时，它是障碍物的位置，当矩阵的元素为0时，它对应于原始区域。群算法蚁群算法是一种经典的蚁群算法。索过程如下：在初始时刻，[m]蚂蚁随机放置在第一个网格中，每条路径上信息素的初始值相等，定义如下：[τij（0）=τ0 ]是信息素的初始值。以定义[τ0= mLm]，[Lm]是最近邻居的启发式方法建立的路径长度。次，ant [k（k = 1，2，... m）]根据随机比例规则选择要转移的网格，其选择概率如下：[pkij（t）= [τij] （t）]α[ηij（t）]βs∈allowedk[τis（t）]α[ηis（t）]β，j∈allowedk0，else]（1）其中[τij]是边缘上的信息素[（ i，j）]，[ηij= 1dij]是从网格[i]传递到网格[j]的启发式因子，[allowedk]是允许ant [k]接下来的网格集合[ 5]。
　　了防止蚂蚁选择已经访问过的网格，tabu [tabuk]表用于记录当前由ant [k]浏览的网格。[t]之后，所有的蚂蚁来回走动，计算每只蚂蚁的路径长度，记录最短路径的长度，并更新每侧的信息素。先是信息素的挥发，然后是蚂蚁在它们通过的边缘释放信息素。式为：[τij=（1-ρ）τij]，其中[ρ]是信息素的挥发系数，[0 <ρ≤1]。[τij=τij k =1mΔτkij]，其中[Δτkij]是[k] ant在其通过的边缘上释放的信息素，定义如下：[Δτkij= 1dij，如果边缘（i，j）是在路径Tk 0上，否则]（2）根据公式（2），由蚂蚁构建的路径长度越小，路径的每个边缘获得的信息素越大，这在迭代期间更可能后来。其他蚂蚁选中。环完成后，清空禁忌表并返回初始网格以准备下一次搜索。蚁群算法的实现中，有三个关键步骤：1）蚂蚁的移动操作，2）自身信息素的释放和3）更新蚂蚁的操作信息素。序算法的流程图如图4所示。栅化工作空间并构建启发式信息矩阵后，蚁群算法按如下方式进行：步骤1：初始化状态，步骤2：选择节点，下一步访问节点;步骤3：跑步者游戏方法选择下一步，第四步：更新并记录状态，第五步：记录觅食路线和每一代和每只蚂蚁的道路长度;步骤6：更新信息素，评估循环或结束步骤7：退出绘图。化结果在图5中，选择了路由的起点和终点。用图3的网格矩阵G作为模板，执行预编程的Matlab程序，并在程序的输出接口上自动绘制最佳路径线。矩阵G中，第一行和第一列对应于光栅图的坐标（1，25），第25行和列对应于（25，1）中的光栅图的位置坐标。选择的起始点是20（25，25）并且终点是607（7，1）时，获得的结果显示在图4中。5显示了布线位置的优化计算结果。根据图中所示的路由到达最佳路由路径。论在设计水下交通工具或机载结构时，总重量通常要求很高：在狭窄的密闭空间内安装多个PCB组件和其他机械组件时，电子组件个人合并。芯电缆布置的问题是复杂的，并且难以科学合理地实现手动布线。满足功能要求的同时，布线两端的最短路径非常重要。设计工作空间的选择，空间像素化，蚁群算法的优化等方面，布线可以合理，但最重要的是优化最短的布线可以最小化系统的总重量。设计方面，还必须考虑电缆直径，连接方法和电磁干扰等因素。
　　本文转载自
　　电缆价格 https://www.haoluoyi.com