期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于AC-DSDE进化算法多UAVs协同目标分配
被引量：
18
1
作者
黄刚
李军华
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第1期173-184,共12页
多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem,MUCTAOP),旨在求解组合分配问题的最小代价值,是最具有挑战性的多约束组合优化问题之一.结合进化算法解决MUCTAOP需要考虑两个关键因素:1)在进...
多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem,MUCTAOP),旨在求解组合分配问题的最小代价值,是最具有挑战性的多约束组合优化问题之一.结合进化算法解决MUCTAOP需要考虑两个关键因素:1)在进化过程中保持覆盖问题空间的“探索性”和“开发性”平衡;2)建立符合实际战场复杂环境的多约束条件.为解决这两个关键因素,本文提出一种新的近似聚类混合双策略差分进化算法(Approximate clustering dualstrategy differential evolution algorithm,AC-DSDE).首先,根据父代种群适应度值将个体分成“探索类个体”与“开发类个体”;然后根据混合双策略变异方案平衡后代多样性与收敛性;最后,结合无人机自身性能约束、协同约束和实际三维复杂环境构建约束函数.实验结果表明,本文所提出的AC-DSDE算法能够快速地找到合理的分配方案.
展开更多
关键词
AC-DSDE
混合双策略
差分进化算法
多无人机协同目标分配最优问题
在线阅读
下载PDF
职称材料
基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题
被引量：
45
2
作者
王峰
张衡
+1 位作者
韩孟臣
邢立宁
《计算机学报》
EI
CAS
CSCD
北大核心
2021年第10期1967-1983,共17页
无人机多机协同控制系统近年来已被广泛地应用在军事打击、海洋监测、陆地航拍和灾情探测等领域.针对无人机协同多任务分配问题,为了更加准确地描述无人机协同多任务分配场景,本文考虑实际应用场景下的多种复杂约束,并以无人机飞行总航...
无人机多机协同控制系统近年来已被广泛地应用在军事打击、海洋监测、陆地航拍和灾情探测等领域.针对无人机协同多任务分配问题,为了更加准确地描述无人机协同多任务分配场景,本文考虑实际应用场景下的多种复杂约束,并以无人机飞行总航程最少和任务完成时间最短为优化目标,构建了混合变量多约束的无人机协同多任务分配问题模型M-CMTAP.为了高效求解上述模型,本文提出一种基于协同进化的混合变量多目标粒子群优化算法C-MOPSO.C-MOPSO采用基于任务分配和路径规划的编码方法表示无人机的任务分配结果和路径规划结果及基于约束处理的可行解初始化方法生成可行粒子;同时利用基于结构学习的重组策略对粒子进行更新以提高种群的多样性和收敛性;并引入协同进化策略在两个子种群之间进行合作进化以提高算法的搜索效率.根据无人机和目标的分布状态设计4个代表性的测试实例并验证算法性能,实验结果表明,与其他采用协同进化策略的算法相比,所提算法在解的收敛性和解集多样性上均具有显著的性能优势.
展开更多
关键词
协同进化
粒子群优化算法
混合变量优化问题
多目标优化
无人机任务分配问题
在线阅读
下载PDF
职称材料
题名
基于AC-DSDE进化算法多UAVs协同目标分配
被引量：
18
1
作者
黄刚
李军华
机构
南昌航空大学江西省图像处理与模式识别重点实验室
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2021年第1期173-184,共12页
基金
国家自然科学基金(61440049,61866025,61866026)
江西省自然科学基金(20181BAB202025)
+1 种基金
江西省优势科技创新团队计划(20181BCB24008)
江西省研究生创新基金(YC2018-S369)资助。
文摘
多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem,MUCTAOP),旨在求解组合分配问题的最小代价值,是最具有挑战性的多约束组合优化问题之一.结合进化算法解决MUCTAOP需要考虑两个关键因素:1)在进化过程中保持覆盖问题空间的“探索性”和“开发性”平衡;2)建立符合实际战场复杂环境的多约束条件.为解决这两个关键因素,本文提出一种新的近似聚类混合双策略差分进化算法(Approximate clustering dualstrategy differential evolution algorithm,AC-DSDE).首先,根据父代种群适应度值将个体分成“探索类个体”与“开发类个体”;然后根据混合双策略变异方案平衡后代多样性与收敛性;最后,结合无人机自身性能约束、协同约束和实际三维复杂环境构建约束函数.实验结果表明,本文所提出的AC-DSDE算法能够快速地找到合理的分配方案.
关键词
AC-DSDE
混合双策略
差分进化算法
多无人机协同目标分配最优问题
Keywords
Approximate clustering dual-strategy differential evolution algorithm(AC-DSDE)
mixed dual strategy
differential evolution algorithm
multi-
uav
cooperative
target
assignment
optimization
problem
(MUCTAOP)
分类号
V279 [航空宇航科学与技术—飞行器设计]
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题
被引量：
45
2
作者
王峰
张衡
韩孟臣
邢立宁
机构
武汉大学计算机学院
国防科技大学系统工程学院
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2021年第10期1967-1983,共17页
基金
国家自然科学基金(61773296,61773120)
高等学校全国优秀博士学位论文作者专项资金(2014-92)
广东省普通高校创新团队项目(2018KCXTD031)资助.
文摘
无人机多机协同控制系统近年来已被广泛地应用在军事打击、海洋监测、陆地航拍和灾情探测等领域.针对无人机协同多任务分配问题,为了更加准确地描述无人机协同多任务分配场景,本文考虑实际应用场景下的多种复杂约束,并以无人机飞行总航程最少和任务完成时间最短为优化目标,构建了混合变量多约束的无人机协同多任务分配问题模型M-CMTAP.为了高效求解上述模型,本文提出一种基于协同进化的混合变量多目标粒子群优化算法C-MOPSO.C-MOPSO采用基于任务分配和路径规划的编码方法表示无人机的任务分配结果和路径规划结果及基于约束处理的可行解初始化方法生成可行粒子;同时利用基于结构学习的重组策略对粒子进行更新以提高种群的多样性和收敛性;并引入协同进化策略在两个子种群之间进行合作进化以提高算法的搜索效率.根据无人机和目标的分布状态设计4个代表性的测试实例并验证算法性能,实验结果表明,与其他采用协同进化策略的算法相比,所提算法在解的收敛性和解集多样性上均具有显著的性能优势.
关键词
协同进化
粒子群优化算法
混合变量优化问题
多目标优化
无人机任务分配问题
Keywords
co-evolution
particle swarm optimization
mixed-variable optimization
problem
multi-objective optimization
uav cooperative multi-task assignment problem
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于AC-DSDE进化算法多UAVs协同目标分配
黄刚
李军华
《自动化学报》
EI
CAS
CSCD
北大核心
2021
18
在线阅读
下载PDF
职称材料
2
基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题
王峰
张衡
韩孟臣
邢立宁
《计算机学报》
EI
CAS
CSCD
北大核心
2021
45
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
