|
|
1.
障碍空间中基于并行蚁群算法的
k近邻查询
郭良敏, 朱莹, 孙丽萍
计算机应用
2019, 39 (3):
790-795.
DOI: 10.11772/j.issn.1001-9081.2018081647
为解决障碍空间中的
k近邻查询问题，提出一种基于改进的并行蚁群算法的
k近邻查询方法（PAQ）。首先，利用不同信息素种类的蚁群实现并行查询
k近邻；其次，增加时间因素作为路径长短的判断条件，以最直接地呈现蚂蚁的搜索时间；然后，重新定义初始信息素浓度，以避免蚂蚁的盲目搜索；最后，引入可视点将障碍路径分割为多段欧氏路径，选择可视点进行概率转移，并改进启发函数，以促使蚂蚁朝着更为正确的方向搜索，避免算法过早陷入局部最优。与WithGrids相比，当数据点个数小于300时，对于线段障碍，算法运行时间平均缩短约91.5%；对于多边形障碍平均缩短约78.5%。实验结果表明，该方法在数据规模较小时的运行时间具有明显的优势，且可以处理多边形障碍。
参考文献 |
相关文章 |
多维度评价
|
|
