针对无人机三维路径规划问题提出一种改进的蜘蛛黄蜂优化算法(Improved spider wasp optimization, ISWO)。在捕猎和筑巢阶段之后引入透镜成像反向学习策略扩大了种群搜索的范围,增强了算法探索能力以及提高了算法收敛精度。通过地形代...针对无人机三维路径规划问题提出一种改进的蜘蛛黄蜂优化算法(Improved spider wasp optimization, ISWO)。在捕猎和筑巢阶段之后引入透镜成像反向学习策略扩大了种群搜索的范围,增强了算法探索能力以及提高了算法收敛精度。通过地形代价、航程代价和边界代价等约束条件模拟真实的三维地形环境进行建模。通过无人机三维路径规划仿真实验,表明改进的蜘蛛黄蜂优化算法规划的路径长度较原始的蜘蛛黄蜂算法减少了7.4%,有效提升了算法的寻优性能。验证了改进的蜘蛛黄蜂优化算法在无人机三维路径规划问题中的适用性和有效性。展开更多
针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索...针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。展开更多
文摘针对无人机三维路径规划问题提出一种改进的蜘蛛黄蜂优化算法(Improved spider wasp optimization, ISWO)。在捕猎和筑巢阶段之后引入透镜成像反向学习策略扩大了种群搜索的范围,增强了算法探索能力以及提高了算法收敛精度。通过地形代价、航程代价和边界代价等约束条件模拟真实的三维地形环境进行建模。通过无人机三维路径规划仿真实验,表明改进的蜘蛛黄蜂优化算法规划的路径长度较原始的蜘蛛黄蜂算法减少了7.4%,有效提升了算法的寻优性能。验证了改进的蜘蛛黄蜂优化算法在无人机三维路径规划问题中的适用性和有效性。
基金国家自然科学基金项目(61876200)安徽省质量工程项目(2022cxtd162)+6 种基金铜陵学院人才引进项目(R23010 or 2022tlxyrc10)安徽省重点研究与开发计划项目(202004a05020010)安徽省自然科学基金项目(2008085MG227)铜陵学院校级教改项目(2023xj017)安徽省大学生创新创业项目(D21633)安徽省高校优秀科研创新团队项目(2023AH010056)安徽省高校协同创新项目(GXXT-2023-050)。