期刊文献+
共找到6篇文章
< 1 >
每页显示 20 50 100
基于改进变色龙群算法的移动机器人路径规划
1
作者 李丹丹 朱石磊 +2 位作者 李仲康 介百坤 王宏 《现代制造工程》 CSCD 北大核心 2024年第9期40-45,135,共7页
针对变色龙群算法在解决移动机器人路径规划问题时算法收敛速度慢、寻优精度低和易陷入局部最优等问题,提出一种分数阶变色龙群算法。首先,在算法初始化时采用Tent混沌映射丰富种群多样性,以提高算法的全局搜索能力。其次,加入分数阶更... 针对变色龙群算法在解决移动机器人路径规划问题时算法收敛速度慢、寻优精度低和易陷入局部最优等问题,提出一种分数阶变色龙群算法。首先,在算法初始化时采用Tent混沌映射丰富种群多样性,以提高算法的全局搜索能力。其次,加入分数阶更改变色龙攻击猎物时舌头的速度更新公式,以避免算法陷入局部最优并加快算法的收敛速度。最后,采用三次B样条曲线对路径进行平滑操作,以提高移动机器人实际路径的平滑性。仿真结果表明,改进后的变色龙群算法相比于其他算法收敛速度更快,能避开障碍物,寻找到最优路径。 展开更多
关键词 移动机器人 路径规划 变色龙群算法 分数阶 三次B样条曲线
在线阅读 下载PDF
基于改进变色龙算法的移动机器人避障研究 被引量:3
2
作者 季云 曹弋 《组合机床与自动化加工技术》 北大核心 2022年第11期48-51,共4页
针对标准变色龙算法(CSA)在避障过程中易陷入局部极值、寻路速度慢等不足,提出了一种改进的变色龙算法。首先在种群初始化阶段,使用Bernoulli混沌映射代替随机分布,从而丰富群体的多样性。另外,为了均衡变色龙算法的全局及局部性能,设... 针对标准变色龙算法(CSA)在避障过程中易陷入局部极值、寻路速度慢等不足,提出了一种改进的变色龙算法。首先在种群初始化阶段,使用Bernoulli混沌映射代替随机分布,从而丰富群体的多样性。另外,为了均衡变色龙算法的全局及局部性能,设计了一种种群记忆机制,具体通过邻域搜索策略、基于经验的交叉策略和贪婪选择策略跟踪迭代过程中的最优解,从而对变色龙的搜索加以引导。最后在三种环境下进行仿真,结果表明改进的变色龙算法较对比的其他算法,路径距离更短且规划效率更高。实物实验也验证了改进变色龙算法的有效性。 展开更多
关键词 变色龙算法 Bernoulli映射 记忆机制 机器人避障
在线阅读 下载PDF
种群分段变异学习和S型权重变色龙群算法 被引量:4
3
作者 张达敏 王义 张琳娜 《系统仿真学报》 CAS CSCD 北大核心 2023年第1期11-26,共16页
探索寻优能力强、良好的可靠性和稳定性是智能算法应用到具体领域中的最佳选择。针对变色龙群算法存在求解不稳定、收敛精度低下和搜索开发之间不平衡等缺陷,提出一种种群多样性分段变异学习和S型权重的变色龙群算法(RMSCSA)。引入折射... 探索寻优能力强、良好的可靠性和稳定性是智能算法应用到具体领域中的最佳选择。针对变色龙群算法存在求解不稳定、收敛精度低下和搜索开发之间不平衡等缺陷,提出一种种群多样性分段变异学习和S型权重的变色龙群算法(RMSCSA)。引入折射镜像学习(refraction mirror learning,RML)策略使变色龙更符合自然界中的观察,增强它的多样性;引入种群多样性分段变异使适应度较差的个体得到保留,并引导它向最优位置靠近;S型递减权重的引入让它进一步平衡算法的全局搜索和开发能力,通过收敛性分析得出S型递减权重因子的优势。利用经典函数集和CEC 2017函数集进行性能验证,结果表明3种策略比CSA具有更好寻优精度和效率。通过对独立运行30次的结果进行Wilcoxon秩和检验、Friedman’s以及Holm后续检验统计分析,结果表明引入的3种策略与CSA相比都有更好的寻优能力。 展开更多
关键词 变色龙群算法 折射镜像学习 多样性变异 S型递减权重 统计分析
在线阅读 下载PDF
基于ISSA-BP神经网络的激光甲烷传感器温度补偿研究 被引量:13
4
作者 邹翔 殷松峰 +1 位作者 程跃 刘云龙 《光子学报》 EI CAS CSCD 北大核心 2023年第8期97-108,共12页
为有效提高宽温应用环境下激光甲烷传感器的探测精度,提出基于改进麻雀搜索算法优化BP神经网络的温度补偿模型,并利用实测大规模数据集进行验证。在模型框架上,提出具有全局寻优能力的ISSA-BP算法:利用准反射学习策略初始化麻雀种群以... 为有效提高宽温应用环境下激光甲烷传感器的探测精度,提出基于改进麻雀搜索算法优化BP神经网络的温度补偿模型,并利用实测大规模数据集进行验证。在模型框架上,提出具有全局寻优能力的ISSA-BP算法:利用准反射学习策略初始化麻雀种群以提高麻雀种群多样性,引入变色龙算法、Levy飞行策略和人工兔扰动策略分别对探索者位置、反捕食者位置和每代麻雀个体位置进行更新,避免算法陷入局部最优。在数据上,通过建立不同温度、不同浓度的传感器大规模实验数据集,提升温度补偿模型的训练效果并减小模型的预测误差。在-20℃~65℃温度范围内利用15800组传感器测量数据分别对BP、PSO-BP、SSA-BP和ISSA-BP四种模型进行对比。结果表明,基于ISSA-BP神经网络的温度补偿模型预测值最大相对误差仅为0.52%,比BP、PSO-BP和SSA-BP模型分别减少了7.70%、2.46%和0.74%,MAE、MAPE、RMSE和RE量化评价指标均远优于BP、PSO-BP和SSA-BP模型。本文算法可大幅提高宽温应用环境下激光甲烷传感器探测精度,对提升激光甲烷传感器的环境适用性具有重要的参考意义。 展开更多
关键词 激光甲烷传感器 温度补偿 麻雀搜索算法 准反射学习 变色龙算法 人工兔优化算法
在线阅读 下载PDF
基于数据处理与若干群体算法优化的GRU/LSTM水质时间序列预测 被引量:10
5
作者 杨坪宏 胡奥 +1 位作者 崔东文 杨杰 《水资源与水工程学报》 CSCD 北大核心 2023年第4期45-53,共9页
为提高水质时间序列预测精度,提出一种基于小波包变换(WPT)和变色龙优化算法(CSA)、猎豹优化(CO)算法和山瞪羚优化(MGO)算法的优化门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)的预测模型。首先利用WPT对pH值、DO、COD_(Mn)、NH_(3... 为提高水质时间序列预测精度,提出一种基于小波包变换(WPT)和变色龙优化算法(CSA)、猎豹优化(CO)算法和山瞪羚优化(MGO)算法的优化门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)的预测模型。首先利用WPT对pH值、DO、COD_(Mn)、NH_(3)-N时间序列进行平稳化处理,得到若干个规律性较强的子序列分量;其次简要介绍了CSA、CO、MGO算法原理,利用CSA、CO、MGO分别寻优GRU、LSTM超参数,建立WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型;最后利用所建立的模型对pH值及DO、COD_(Mn)、NH_(3)-N浓度各分量进行预测和重构,并建立WPT-GRU、WPT-LSTM和WPT-CSA-SVM、WPT-CO-SVM、WPT-MGO-SVM模型作对比分析模型,以云南省昆明市观音山断面为例,通过pH值及DO、COD_(Mn)、NH_(3)-N浓度预测对模型进行了验证。结果表明:WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型对实例pH值及DO、COD_(Mn)、NH_(3)-N浓度的预测精度优于其他对比模型,具有较好的预测效果,其中尤以WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU模型的预测精度最高;CSA、CO、MGO能有效调优GRU、LSTM超参数,显著提高GRU、LSTM预测性能;所构建的6种模型预测精度高且计算规模小,是有效的水质时间序列预测模型,可为相关水质预测研究提供参考。 展开更多
关键词 水质预测 门限循环控制单元 长短期记忆神经网络 小波包变换 变色龙优化算法 猎豹优化算法 山瞪羚优化算法
在线阅读 下载PDF
基于种群活跃与混沌变螺旋策略变色龙群算法及应用 被引量:1
6
作者 王义 张达敏 +1 位作者 张琳娜 赵沛雯 《传感技术学报》 CAS CSCD 北大核心 2022年第10期1382-1393,共12页
针对变色龙群算法(CSA)求解精度低、稳定性弱和易陷入局部最优等缺陷,提出种群活跃与混沌变螺旋策略变色龙群算法(ICSA)。在CSA初始化中,引入偶对称无限折叠混沌序列,初始化中能更好遍历搜索空间,提升多样性;考虑变色龙眼睛转动寻食的... 针对变色龙群算法(CSA)求解精度低、稳定性弱和易陷入局部最优等缺陷,提出种群活跃与混沌变螺旋策略变色龙群算法(ICSA)。在CSA初始化中,引入偶对称无限折叠混沌序列,初始化中能更好遍历搜索空间,提升多样性;考虑变色龙眼睛转动寻食的盲目性,引入变螺旋指引策略缩小转动的目标,同时利用自适应惯性权重平衡算法的搜索开发,增强算法搜索能力;引入黎曼流形量子学习策略,在后期提升种群活跃度使算法跳出局部最优解,提升开发能力。利用CEC函数集测试算法的有效性、可靠性、算法性能和时间复杂度分析;以无源时差定位(TDOA)为场景验证在无源定位中的求解性能。多项实验表明,ICSA算法寻优精度和稳定性均得以有效改善、在TDOA定位中准确率得到有效提升。 展开更多
关键词 变色龙群算法 无限折叠序列 变螺旋 种群活跃度 CEC函数 无源时差定位
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部