三维无人机路径规划问题旨在满足安全性条件的前提下为无人机规划出一条最佳的飞行路径.本文通过数学建模的方式构建出无人机路径规划的成本函数,从而无人机路径规划问题转化为多约束的优化问题,并使用元启发式算法来求解该问题.针对人...三维无人机路径规划问题旨在满足安全性条件的前提下为无人机规划出一条最佳的飞行路径.本文通过数学建模的方式构建出无人机路径规划的成本函数,从而无人机路径规划问题转化为多约束的优化问题,并使用元启发式算法来求解该问题.针对人工兔优化算法收敛慢以及易陷入局部最优的缺陷,本文开发了一种基于Levy飞行、自适应柯西变异以及精英群遗传策略改进的人工兔优化算法(Artificial Rabbit Optimization algorithm based on Levy flight,adaptive Cauchy mutation,and elite population Genetic strategy,LCGARO).将LCGARO与6个经典和先进的元启发式算法在29个CEC2017测试函数和6个复杂度不同的三维无人机路径规划地形场景中进行多方面对比实验.对比实验结果证明,在CEC2017测试函数的对比实验中,本文提出的LCGARO算法在22个测试函数中具有更优的寻优精度.在无人机路径规划实验中,LCGARO算法在5个地形场景中能够规划出总成本函数值最小的飞行路径.展开更多
为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite ...为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite individual genetic strategies,QGGTO)。融合二次插值策略和精英个体遗传策略,促进候选解之间的信息交流以加速收敛,并维持种群遗传多样性以避免局部最优。针对包含规则障碍物和不规则障碍物的复杂地形场景,构建了综合考虑行走距离、安全性和转向角度的成本函数,用于统一评估算法的路径规划性能。实验结果表明:QGGTO整体寻优性能优于GTO等7种竞争算法。在4种复杂障碍环境下,QGGTO能够辅助机器人规划出最接近全局最优的路径,验证了其在实际应用中的有效性。展开更多
文摘三维无人机路径规划问题旨在满足安全性条件的前提下为无人机规划出一条最佳的飞行路径.本文通过数学建模的方式构建出无人机路径规划的成本函数,从而无人机路径规划问题转化为多约束的优化问题,并使用元启发式算法来求解该问题.针对人工兔优化算法收敛慢以及易陷入局部最优的缺陷,本文开发了一种基于Levy飞行、自适应柯西变异以及精英群遗传策略改进的人工兔优化算法(Artificial Rabbit Optimization algorithm based on Levy flight,adaptive Cauchy mutation,and elite population Genetic strategy,LCGARO).将LCGARO与6个经典和先进的元启发式算法在29个CEC2017测试函数和6个复杂度不同的三维无人机路径规划地形场景中进行多方面对比实验.对比实验结果证明,在CEC2017测试函数的对比实验中,本文提出的LCGARO算法在22个测试函数中具有更优的寻优精度.在无人机路径规划实验中,LCGARO算法在5个地形场景中能够规划出总成本函数值最小的飞行路径.
文摘为解决移动机器人在复杂地形场景的路径规划中易陷入局部最优和收敛速度慢等问题,提出了一种多策略集成的增强型人工大猩猩算法(enhanced artificial gorilla troops optimizer with integration of quadratic interpolation and elite individual genetic strategies,QGGTO)。融合二次插值策略和精英个体遗传策略,促进候选解之间的信息交流以加速收敛,并维持种群遗传多样性以避免局部最优。针对包含规则障碍物和不规则障碍物的复杂地形场景,构建了综合考虑行走距离、安全性和转向角度的成本函数,用于统一评估算法的路径规划性能。实验结果表明:QGGTO整体寻优性能优于GTO等7种竞争算法。在4种复杂障碍环境下,QGGTO能够辅助机器人规划出最接近全局最优的路径,验证了其在实际应用中的有效性。
文摘在考虑工人技能学习差异的基础上,为解决多工人协作柔性车间调度问题,提出了基于稀疏邻域带精英策略的快速非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)的调度方法。对考虑技能学习差异的多工人协作柔性车间调度问题进行了描述,以车间工人学习能力为背景改进了DeJong学习模型,并建立了多工人协作柔性车间调度的多目标优化模型。在NSGA-Ⅱ基础上,引入了邻域稀疏度的选择方法,有效保留了信息丰富和多样化的染色体,并将稀疏邻域NSGA-Ⅱ应用于柔性车间调度问题求解。经实验验证,稀疏邻域NSGA-Ⅱ所得Pareto解集质量高于标准NSGA-Ⅱ和自适应多目标进化算法(Multiobjective Evolutionary Algorithm Based on Decomposition,MOEA/D),最短调度方案的完工时间为127.1 min,该方案满足逻辑和时间等约束。实验结果验证了稀疏邻域NSGA-Ⅱ在柔性车间调度中的优越性。
