-
题名基于HSBSO算法的城市物流无人机指派
- 1
-
-
作者
张书琴
夏洪山
江炜
杨文凯
王莫凡
-
机构
常州工学院航空与飞行学院
南京航空航天大学民航学院
-
出处
《计算机工程与应用》
北大核心
2025年第17期355-364,共10页
-
基金
国家自然科学基金(52205335)。
-
文摘
针对头脑风暴优化算法求解带有时间窗同时寄取快递的城市物流无人机任务指派效果差、收敛速度慢等问题,提出了一种混合策略改进的头脑风暴优化算法(hybrid strategy-improved brain storm optimization,HSBSO)。通过Sobol序列初始化种群,增加种群多样性;引入改进的Sine混沌映射修正中间粒子,再用量子行为产生新粒子,提高算法全局搜索能力的同时加快收敛速度;二次函数动态调整局部搜索概率,控制全局搜索及局部搜索的精度;运用基于观测的变异学习策略跳出局部最优。实验结果表明,HSBSO算法与基本BSO算法、GA及SA相比,平均适应度值分别降低1.5%、21.4%及5.7%,程序运行时间分别下降4.5%、98.2%及70.2%,HSBSO算法运行时间增长率为每客户2.2 s,且HSBSO获得的90%解的适应度值优于BSO适应度值的平均值。同时,基于观测的变异学习策略在跳出局部最优的能力及稳定性方面也显著优于莱维飞行、动态透镜成像及透镜成像反向学习策略。
-
关键词
城市物流无人机
量子行为
Sine混沌映射
基于观测的变异学习策略
头脑风暴优化算法
-
Keywords
urban logistics drones
quantum behavior
Sine chaotic mapping
observation-based mutation learning strategy
hybrid strategy-improved brain storm optimization algorithm(HSBSO)
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
