-
题名多策略改进蜣螂优化算法移动机器人路径规划
被引量：1
- 1
-
-
作者
贾志绚
谢卓晨
葛丽娜
-
机构
太原科技大学车辆与交通工程学院
-
出处
《重庆理工大学学报(自然科学)》
北大核心
2025年第3期133-140,共8页
-
基金
山西省科技战略研究专项计划项目(202304031401079)。
-
文摘
针对传统蜣螂优化算法在路径规划中存在的路径长和局部最优等问题,对其进行改进。首先,采用Logistics对初始种群进行混沌初始化,使蜣螂种群在搜索空间的分布更为均匀,以提高种群的质量;其次,在觅食蜣螂位置更新阶段引入翻筋斗策略,以扩大算法的搜索范围,提高算法的全局搜索能力;最后,在偷窃蜣螂位置更新阶段引入基于自适应因子的偷位置更新策略,以降低算法陷入局部最优的概率,平衡算法的全局和局部搜索能力。利用Matlab构建3种不同的栅格地图作为机器人工作环境模型,将改进蜣螂优化算法和4种传统算法在2种地图中进行仿真对比,结果表明:改进蜣螂优化算法在平均路径长度、平均迭代次数和路径长度标准差都明显减少,验证了该算法在路径规划中具有更好的效果。
-
关键词
蜣螂算法
移动机器人
路径规划
翻筋斗觅食策略
-
Keywords
dung beetle algorithm
mobile robot
route planning
somersault foraging
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名用于函数优化和特征选择的翻筋斗觅食海鸥优化算法
被引量：10
- 2
-
-
作者
徐明
龙文
羊洋
-
机构
贵州财经大学贵州省大数据统计分析重点实验室
贵州财经大学数学与统计学院
贵州财经大学贵州省经济系统仿真重点实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第12期3639-3643,3650,共6页
-
基金
国家自然科学基金资助项目(61463009)
贵州省自然科学基金资助项目(黔科合基础[2020]1Y012)
+1 种基金
贵州省教育厅创新群体重大研究项目(黔教合KY字[2021]015)
贵州省大数据统计分析重点实验室开放课题(BDSA20190106)。
-
文摘
针对基本海鸥优化算法(SOA)在处理复杂优化问题中存在低精度、慢收敛和易陷入局部最优的不足,提出了一种基于翻筋斗觅食策略的SOA算法(SFSOA)。该算法首先采用基于倒S型函数的控制参数A非线性递减策略更新海鸥个体的位置,以改善个体的质量和加快收敛速度;引入一种基于翻筋斗觅食策略的学习机制以增加海鸥个体位置的多样性,避免算法在搜索后期陷入局部最优值。选取八个基准函数优化问题进行数值实验,并与基本SOA、灰狼优化算法和改进SOA进行比较,结果表明,所提算法具有较高的解精度、较快的收敛速度和较强的全局搜索能力,能有效地处理复杂函数优化问题。最后,将SFSOA用于求解特征选择问题,获得了满意的结果。
-
关键词
海鸥优化算法
翻筋斗觅食策略
函数优化
特征选择
-
Keywords
seagull optimization algorithm(SOA)
somersault foraging strategy
function optimization
feature selection
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于改进HHO与K-Medoids的混合聚类算法
被引量：5
- 3
-
-
作者
李姣
王秋萍
戴芳
-
机构
西安理工大学理学院
-
出处
《西安理工大学学报》
CAS
北大核心
2022年第3期410-420,共11页
-
基金
国家自然科学基金资助项目(61976176)。
-
文摘
针对K-Means在聚类过程中对离群点敏感以及容易陷入局部最优的不足,本文提出一种基于改进HHO(IHHO)与K-Medoids的混合聚类算法(IHHO-KMedoids)。在IHHO中,带有Logistic混沌扰动的控制参数策略更好地实现了探索与开发之间的平衡,集成变异策略提高了算法的全局搜索能力,翻筋斗觅食策略增强了种群多样性,避免算法陷入局部最优。将所提IHHO与5种其他群智能算法和4种改进的HHO算法在CEC 2014测试函数上进行对比,实验结果表明IHHO算法的优化效果较好,求解精度较高。K-Medoids与K-Means相比对噪声点和离群点更鲁棒。IHHO-KMedoids算法稳定性好,不易陷入局部最优。UCI数据集和文本数据集上的仿真结果表明IHHO-KMedoids算法效率高,聚类精度高。
-
关键词
Harris鹰优化算法
LOGISTIC映射
集成变异策略
翻筋斗觅食策略
K-Medoids算法
-
Keywords
Harris hawks optimization algorithm
Logistic map
ensemble mutation strategy
somersault foraging
K-Medoids
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
