蜜蜂和ETRV自然界与电动无轨胶轮车的不太可能的搭配

自然界依赖算法，因此研究人员考虑使用世界上最勤劳的动物之一蜜蜂作为确定电动无轨橡胶轮胎车辆 (ETRV) 节能路线的基础。

蜜蜂是动物王国中有效、完整和有序的一部分，尽管学会停下来闻玫瑰花并不是我们可以从蜜蜂那里借用的唯一东西。蜜蜂的觅食行为可能是一个有用的工具，可以为电动无轨橡胶轮胎车辆 (ETRV) 找出最佳、最节能的路线，而电动无轨橡胶轮胎车辆是采矿作业和运输的关键设备。ETRV 的局限性包括能耗过高、潜在的操作安全问题以及在考虑负载大小、坡度和车辆避让时缺乏控制。通过使用改进的人工蜂群 (IABC) 算法找出这些车辆可以行驶的路线，可以最大限度地减少潜在问题，同时减少车辆的能耗。这不仅对经济和环境产生积极影响，

研究人员于 8 月 2 日在《复杂系统建模与仿真》杂志 上发表了他们的研究结果。

“四个真实实例的实验结果表明，改进的人工蜂群算法(IABC)优于其他对比算法，并且其三个阶段的特殊设计有效地避免了早熟收敛并加快了收敛速度。”研究。

IABC 并不是本研究中测试的唯一算法，尽管它似乎在建立节能路线方面是最有效的。研究人员用于确定最有效路线的其他群体模型包括粒子群优化，它利用群体代理的随机选择(随机)社交互动来寻找给定空间中的最佳解决方案。使用的其他算法是遗传算法，它采用“自然进化”理论来解决问题，以及蚁群优化，理想情况下会找到解决方案的最短路径。

在用于确保公平比较的所有四种算法中设置了参数，包括人口规模、参与邻域搜索的最大数量和权重。人工蜂群(以及其他蜂群模型)的任务是寻找食物来源。人工蜜蜂所采取的最佳、能量成本最低的路线可能也是 ETRV 的最佳、能量成本最低的选择。

IABC 中有三种策略：雇佣蜜蜂的自适应邻域搜索(那些前往食物源并返回蜂巢并跳舞的蜜蜂)、旁观者的自适应选择概率(那些通过雇佣蜜蜂的舞蹈评估花蜜信息的蜜蜂)和侦察蜂(食物来源已被放弃并寻找新食物来源的受雇蜜蜂)的知识驱动初始化。

“IABC 在所有实例上实现了最具竞争力的解决方案，并且明显优于其变体。这证明三种新设计的策略有助于有效提升算法性能。”郭说。

解决电动汽车路径问题，需要考虑负载大小、坡度、能耗、车辆避让和行驶状态等，自适应邻域搜索策略有助于引导蜜蜂到达更合适的区域。旁观者根据质量和进化效率调整食物来源的选择，而侦察者则帮助提高收敛效率和种群多样性，为种群提供更好的解决方案。

通过比较，可以清楚地看出寻找到达食物的最佳路线的蜜蜂和采取最节能路线的 ETRV 之间隐含的相似之处。随着服务节点数量的增加，搜索空间急剧扩大，算法性能变差。最有效的解决方案在 15 个服务节点停靠点达到顶峰，节点之间采用特定模式，最大限度地减少碳排放和能源消耗。

尽管研究人员已经发现利用 IABC 解决 ETRV 路由问题的一些希望，但未来的工作涉及调度车辆内置可变功率的异构 TRV。这将有助于消除一些 IABC 没有完全考虑到的与能源消耗相关的问题，例如巡航、速度调节和道路条件的能力有限。这些都是任何算法都无法解决的复杂问题，但使用 IABC 所做的基础工作可能足以用于未来几年的研究。

中国矿业大学(北京)机械与电子工程学院的郭一楠、葛世荣、黄耀、张一哲、蒋二松和程斌，以及内蒙古研究院的郭一楠和葛世荣中国矿业大学(北京)的教授和德蒙福特大学计算机科学与信息学院人工智能研究所的杨盛翔对这项研究做出了贡献。

该工作得到了国家重点研发计划、国家自然科学基金委、英国皇家学会国际交流2020费用分摊、111项目的支持。