-
题名多策略改进蜣螂算法的无人机航迹规划
- 1
-
-
作者
谢涛
谭飞
李苗苗
-
机构
四川轻化工大学自动化与信息工程学院
人工智能四川省重点实验室
四川轻化工大学计算机科学与工程学院
-
出处
《传感器与微系统》
北大核心
2025年第6期132-137,共6页
-
基金
国家自然科学基金资助项目(61902268)
四川省科技计划项目(21ZDYF4052,2020YFH0124,2021YFSY0060)。
-
文摘
针对复杂环境下的无人机(UAV)航迹规划问题,提出了一种多策略改进蜣螂优化(MSDBO)算法的无人机航迹规划方法。首先,构建无人机三维任务环境与航迹代价函数;其次,采用Circle混沌映射策略初始化种群,使得蜣螂个体更好地遍历解空间;引入动态随机邻域探索策略改进滚球蜣螂位置更新公式,提高算法的全局搜索能力;引入随机方向自适应变步长探索策略,引导繁殖蜣螂的位置更新,有效平衡全局探索和局部搜索之间的关系,提高算法的收敛速度;最后,采用变异策略,对当前最优位置进行随机扰动,引导算法跳出局部最优位置。利用6个标准测试函数和无人机航迹规划进行仿真实验,实验结果表明:MSDBO算法相较于其他对比算法收敛速度更快,寻优能力更好,规划的航迹质量更优。
-
关键词
无人机
航迹规划
蜣螂算法
动态随机邻域探索策略
随机方向自适应变步长探索策略
-
Keywords
UAV
path planning
dung beetle algorithm
dynamic random neighborhood exploration strategy
random direction adaptive variable step-size exploration strategy
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
V279
[航空宇航科学与技术—飞行器设计]
-
-
题名融合多策略改进的鲸鱼优化算法
被引量：2
- 2
-
-
作者
王玉芳
程培浩
-
机构
天津财经大学统计学院
-
出处
《计算机工程与应用》
北大核心
2025年第8期83-99,共17页
-
基金
国家社会科学基金(19CGL002)
天津财经大学优秀青年教师支持计划。
-
文摘
为解决鲸鱼优化算法(whale optimization algorithm,WOA)的收敛精度低和易陷入局部最优等缺点,提出一种多策略改进的鲸鱼优化算法(multi-strategy improved whale optimization algorithm,MSWOA)。设计一种动态自适应探索转换概率替代原算法中的随机探索概率,使得靠近最优个体的优秀个体更易引导全局搜索,有利于增强解的质量,防止算法陷入局部最优;引入鲸鱼个体聚集度的概念,当鲸鱼陷入聚集状态时采用大步长更新位置,防止迭代后期种群多样性减少;设计一种邻域解变异增强策略同时考虑当前个体与其相邻个体对下一代个体位置的影响,以防止种群进入聚集状态,提高算法跳出局部最优的能力。仿真实验基于CEC2017中29个测试函数和CEC2019中的10个测试函数进行,分别探究了3个改进策略对算法的探索与开发的影响、对种群多样性的影响以及对算法收敛性的影响。收敛性分析、Wilcoxon秩和检验和Fridman检验表明MSWOA具有良好的寻优性和鲁棒性。进一步,将MSWOA应用于压力容器设计和减速器设计问题上,验证了MSWOA在求解实际问题中的有效性和可靠性。
-
关键词
鲸鱼优化算法
动态自适应探索转换策略
鲸鱼个体聚集度跟随策略
邻域解变异增强策略
工程优化
-
Keywords
whale optimization algorithm(WOA)
dynamic adaptive exploration transformation strategy
whale individual aggregation degree following strategy
neighborhood solution variation enhancement strategy
engineering optimization
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于金字塔模型和多策略协同的萤火虫算法
- 3
-
-
作者
刘彦伶
樊棠怀
王晖
康平
赵嘉
-
机构
南昌工程学院信息工程学院
-
出处
《计算机工程与设计》
北大核心
2023年第9期2722-2730,共9页
-
基金
国家自然科学基金项目(52069014)
江西省杰出青年基金项目(2018ACB21029)
+1 种基金
江西省教育厅科技基金项目(GJJ201915)
江西省重点研发计划基金项目(20192BBE50076,20203BBGL73225)。
-
文摘
为克服萤火虫算法使用全吸引模型和单一学习策略易陷入局部最优的缺点,提出一种基于金字塔模型和多策略协同的萤火虫算法。将种群分为4层,最高层粒子使用柯西突变策略;第二和第三层粒子分别使用双粒子领导和精英邻域搜索策略向更高层学习;最后一层粒子使用三样本学习策略向前三层学习。各层粒子向更高层粒子及自身学习,形成金字塔模型;各层粒子采用不同的学习方法,构成多策略协同。分层寻优减少运动次数,避免算法运行过程中的粒子振荡;多策略协同平衡算法的探索与开发能力,保证算法的多样性。通过在两组测试函数上与改进萤火虫算法及其它群智能算法进行比较,验证了该算法的优化性能。
-
关键词
萤火虫算法
金字塔模型
多策略协同
柯西突变
精英邻域搜索
分层
探索与开发
-
Keywords
firefly algorithm
pyramid model
multiply cooperative strategies
Cauchy mutation
elite neighborhood search
level-based
exploration and exploitation
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
