.png){kind=icon}
返回
Obstacle-Aware Multi-Target Routing for Campus Logistics Using an Improved Mayfly Optimization Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/su18179138.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自主移动机器人在校园配送和服务物流中的应用日益增多，其中路径效率可在空间约束下减少不必要的行驶。本研究开发了一个障碍感知路由框架，结合了1米占用网格、A*最短路径计算和改进的蜉蝣优化算法（IMOA）。A*阶段使用正交成本为1、对角成本为2、八边形启发式和无拐角切割规则构建成对距离矩阵；IMOA随后通过随机键解码、精英2-opt和停滞处理优化闭合访问顺序。验证包括十个独立基准实例、固定G40场景和校园衍生的G-real应用。在50,000次完整巡回评估和30次独立运行的共同预算下，Friedman检验检测到十个实例间的总体差异（χ²(7) = 66.2488，p = 8.434 × 10⁻¹²）。经Holm校正后，IMOA显著优于GA、PSO、GWO、ACO和MOA，与MS2OPT无显著差异，且平均排名劣于确定性LKH参考算法，后者实现了最佳总体排名。在G-real中，IMOA获得的中位距离为8178.37米，而MS2OPT为8223.99米；该差异不显著，而LKH实现了最低确定性成本8076.46米。三实例探索性消融研究将IMOA排名首位，并一致识别精英2-opt为主要观察改进来源；由于仅提供三个实例，组件级推断仍处于探索阶段。这些发现确立了在评估协议下的路由效率提升。此类提升可能支持更资源高效的校园物流，但未评估能耗和碳排放。
Keyword:
campus logistics
autonomous mobile robots
obstacle-aware routing
traveling salesman problem
swarm intelligence
期刊
IF:
3.3
论文数:
10.6W
被引数:
28.4W
机构
引用论文
分享收藏Dynamic Parameter Encoding for Genetic AlgorithmsSchraudolph, N.N.; Belew, R.K. 遗传算法的动态参数编码. Mach. Learn. 1992, 9, 9–21. [Google Scholar] [CrossRef] [Scilit]
PREAI
分享收藏Unravelling the last-mile conundrum: A comparative study of autonomous delivery robots, delivery bicycles, and light commercial vehicles in 14 varied European landscapes解开最后一英里的难题: 在14种不同的欧洲景观中对自动送货机器人，送货自行车和轻型商用车的比较研究
OAAI
OAAI分享收藏A review: On path planning strategies for navigation of mobile robot移动机器人导航路径规划策略研究综述.png)
DEFENCE TECHNOLOGYOAAI
DEFENCE TECHNOLOGYIF5.9
OAAI分享收藏A practical tutorial on the use of nonparametric statistical tests as a methodology for comparing evolutionary and swarm intelligence algorithms关于使用非参数统计检验作为比较进化和群体智能算法的方法的实用教程
PREAI
分享收藏R2: Optimal vector-based and any-angle 2D path planning with non-convex obstaclesR2: 基于向量的任意角度二维路径规划及非凸障碍物处理
IF0
PREAI
分享收藏
查看更多内容