首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 328 毫秒
1.
针对传统灰狼优化(Grey Wolf Optimization, GWO)算法求解无人机三维路径规划问题时会出现收敛速度慢、容易陷入局部最优等问题,提出一种改进混合灰狼优化算法——CLGWO。基于Cat混沌映射和反向学习策略初始化灰狼种群,为算法全局搜索过程中丰富种群多样性奠定基础;提出新型非线性收敛因子的改进策略,提高算法全局搜索能力。在灰狼位置更新中提出引入狮群优化(Lion Swarm Optimization, LSO)算法的扰动因子和动态权重,使灰狼具有主动的搜索能力,避免因灰狼失去种群多样性而陷入局部最优。为验证改进算法的有效性,进行了8个国际通用的标准测试函数收敛性对比实验和无人机三维路径规划仿真实验。实验结果表明,CLGWO算法在单峰、多峰函数上均有较好的收敛性、较高的寻优精度;三维路径仿真环境下,CLGWO算法的平均路径长度、平均迭代次数、平均运行时间相比于GWO算法分别优化了33%、31%、52%,且路径转折少,能较好地得到全局最优值,验证了CLGWO算法的有效性。  相似文献   

2.
针对灰狼优化(grey wolf optimization,GWO)算法易陷入局部最优和收敛精度差的问题,提出了一种基于对立搜索和Levy飞行策略的改进灰狼优化算法——OLGWO算法.在算法初始化阶段,采用对立搜索策略以缩小可行解范围;在灰狼位置更新过程中,为避免算法陷入局部最优采用了Levy飞行策略.4个标准测试函数的仿真实验表明,所提OLGWO算法在收敛速度及求解精度方面均优于GWO算法,可以较快且准确地搜索到目标函数的最优值.基于OLGWO算法对隧道射线跟踪传播模型进行校正的结果表明,校正后的模型在均方根误差和线性相关性方面具有较优的性能,能够实现铁路隧道环境中信号接收功率的精确预测.  相似文献   

3.
基于改进蚁群算法的移动机器人动态路径规划方法   总被引:6,自引:0,他引:6       下载免费PDF全文
柳长安  鄢小虎  刘春阳  吴华 《电子学报》2011,39(5):1220-1224
 本文提出了基于改进蚁群算法的移动机器人动态路径规划方法.首先针对蚁群算法收敛速度慢,容易陷入局部最优的缺点,提出了根据目标点自适应调整启发函数,提高算法的收敛速度;借鉴狼群分配原则对信息素进行更新,避免搜索陷入局部最优.其次为了优化改进蚁群算法的性能,提出用粒子群算法对改进蚁群算法的重要参数进行优化选择.最后实现了基于改进蚁群算法的移动机器人动态路径规划并完成了仿真实验,实验结果证明了该方法的可行性和有效性.  相似文献   

4.
针对云计算中任务调度考虑因素单一和大规模任务环境下任务存在调度效率低、分配不合理等问题,本文提出了一种基于改进的灰狼优化算法的云计算任务调度策略。通过建立基于多目标的评价模型,使其在单一适应度中处理多目标,其中包含任务总耗时、功耗以及系统负载度;提出一种将粒子群算法和灰狼优化算法相结合的搜索方法,以增强灰狼层次的全局最优搜索;引入自适应权重以增强灰狼优化算法的局部搜索能力;同时引入随机对立学习策略以避免陷入局部最优。将本文提出的改进算法与粒子群优化算法(PSO)、标准灰狼优化算法(GWO)及基于MakeSpan适应度的灰狼优化算法(MGWO)在CloudSim平台进行对比实验。仿真结果表明,该方法适用于大规模任务调度,且在任务完成总耗时、功耗以及系统的负载均衡度方面较PSO、GWO和MGWO均有明显提升,其中较MGWO算法综合提升14%。  相似文献   

5.
快速准确的在海量网络数据中发现热点主题对于网络舆情监控具有重要作用.针对K-means算法对初始中心点选择敏感和全局搜索能力不足的问题,提出一种基于Hadoop的改进灰狼优化K-means的IGWO-KM算法.首先,该算法将灰狼优化算法和K-means算法相结合,利用灰狼优化算法收敛速度快和可全局寻优的优势为K-means搜索最佳聚类中心,减小随机选取初始中心点而导致的聚类结果不稳定性,以获取更好的聚类结果.其次,使用非线性收敛因子改进灰狼优化算法,协调算法的全局和局部的搜索能力.然后,引入正弦余弦算法并进行改进,增强灰狼优化算法的全局搜索能力,优化寻优精度和收敛速度,避免陷入局部最优.之后,使用近邻空间球减少K-means聚类过程中冗余的距离计算加快算法收敛.最后,利用Hadoop集群可批量处理数据的特性,实现算法的并行化.实验结果表明,IGWO-KM算法具有更好的寻优精度和稳定性,相比于GWO-KM算法和K-means,该算法在查准率、召回率和F值均有明显提高,且具有良好的收敛速度和拓展性.  相似文献   

6.
卢荣锐  彭志平 《信息技术》2013,(6):97-99,103
为了提高云计算服务集群资源调度和任务分配的优化效果,提出一种基于改进的人工蜂群优化算法的云计算资源调度策略。针对ABC算法后期收敛速度慢,容易陷入局部最优的问题,引入了控制因子调度策略,通过自适应调整搜索空间,动态地调整蜜蜂之间的信息度,不断地进行信息交换跳出局部最优从而获得全局最优解。在云计算仿真平台CloudSim进行实验,结果表明,此方法能够缩短云环境下的任务平均运行时间,有效地提高了资源利用率。  相似文献   

7.
针对传统蚁群算法机器人在路径规划过程中出现收敛速度缓慢和陷入局部最优的问题,将蚁群算法与加入虚拟牵引力和快速函数的人工势场法相结合,引入势场合力作为蚂蚁搜索路径点的部分启发信息,使结合后的算法具有较高的全局搜索能力,避免了传统蚁群算法由于启发信息误导所致的局部最优问题,同时提高了收敛速度。为了验证此方法的有效性,用Matlab软件进行仿真实验,结果表明机器人运动轨迹平滑,接近最优路径。  相似文献   

8.
对于求解TSP问题,提出一种贪婪随机自适应灰狼优化算法(GRAGWO)。GRAGWO算法基于贪婪随机自适应搜索算法(GRASP),采用其构造阶段生成初始解,在局部搜索阶段采用灰狼优化算法(GWO)对结果进行优化。GWO算法不能直接用于求解离散问题,易陷入局部最优,导致后期收敛速率较低。根据TSP问题的特性,针对易形成局部最优路径和随着迭代次数增进而导致种群多样性减退这两个缺陷,重新定义灰狼编码方式,与GRASP启发式算法相结合,应用于求解TSP问题。采用TSPLIB中的多组不同规模的TSP问题作为实验用例,并将GRAGWO算法与其他仿生算法进行对比,结果表明在求解准确率、稳定性和解决大型城市问题方面具有相对优势。  相似文献   

9.
带容量约束的车辆路径问题是NP难的组合优化问题,精确算法无法在合理的时间内得到有效的解.本文提出了一种采用灰狼空间整数编码和先路由后分组解决方案生成策略的自适应遗传灰狼优化算法用于求解带容量约束的车辆路径问题.该算法提出了移动平均自适应灰狼更新策略和灰狼基因遗传策略提高全局收敛能力,同时提出带3-opt的劣势点启发邻域搜索策略来增强算法的全局和局部搜索能力.实验结果表明:所提出算法具有较高的计算精度和较强的寻优能力,有较高的鲁棒性,通过与自适应扫描和速度推测粒子群优化算法、K均值聚类和灰狼优化混合算法、大邻域搜索和蚁群优化混合算法、基于精英选择的多种群人工蜂群算法、基于集覆盖的扩展节省算法、混合变邻域生物共栖搜索算法等6个算法对比证明了算法的有效性.  相似文献   

10.
针对传统蚁群算法存在算法收敛速度慢、易陷入局部最优的问题,文中提出了一种改进的蚁群算法。在传统A *算法的基础上,改进其估价函数,并将其引入到蚁群算法中,提出了改进启发函数η,增加目标点对路径搜索的吸引力,提高了收敛速度。新方法还改进了信息素挥发因子ρ,使信息素挥发因子处于动态变化,提高了算法的全局搜索能力,避免陷入局部最优。仿真结果表明,改进的蚁群算法在收敛速度上比传统蚁群算法提高了近50%,在最短路径上明显优于传统的蚁群算法,证明了改进算法的有效性。  相似文献   

11.
Harris Hawks优化(Harris Hawks optimization, HHO)算法是一种模拟鸟群合作捕食行为的新型群智能算法. 介质波导滤波器是当前5G移动通信设备急需的器件,因此如何利用新型优化算法高效且精确地对介质波导滤波器进行优化设计十分重要. 文中首先描述了HHO算法流程,并结合滤波器优化问题提出了一种通用框架;然后基于稳态假设对HHO算法的更新方程进行了理论分析,依据所导出的方程分析了算法的动态特性及收敛行为;最后利用HHO算法实现了两款介质波导滤波器的优化设计. 为验证算法性能,将本文算法与三个著名的群智能算法进行比较. 实验结果表明,HHO算法的收敛速度、效率和精度都明显优于目前业内主流应用的自适应差分进化算法、花粉授粉优化算法和灰狼优化算法.  相似文献   

12.
针对无线传感器网络节点DV-Hop定位算法由于节点分布不均,距离估计不准确,导致定位精度较低的问题,提出了一种基于改进灰狼优化算法的DV-Hop定位算法,采用先进的灰狼优化算法以寻找最优值的方式得到未知节点、坐标。同时,为进一步提高优化算法的寻优能力,克服可能出现局部最优的情况,将优化算法与免疫算法相结合,提高优化算法中灰狼种群的多样性,进而提高对最优解的搜索能力,达到提高定位精度的目的。实验结果表明,相对于普通的DV-Hop定位算法和普通的灰狼优化算法,改进之后的定位算法精度更高。  相似文献   

13.
张孟健  龙道银  王霄  杨靖 《电子学报》2020,48(8):1587-1595
针对灰狼优化算法(Grey Wolf Optimization,GWO)在收敛性研究上的不足,首先,通过定义灰狼群状态转移序列,建立了GWO算法的马尔科夫(Markov)链模型,通过分析Markov链的性质,证明它是有限齐次 Markov链;其次,通过分析灰狼群状态序列最终转移状态,结合随机搜索算法的收敛准则,验证了GWO算法的全局收敛性;最后,对典型测试函数、偏移函数及旋转函数进行仿真实验,并与多种群体智能算法进行对比分析.实验结果表明,GWO算法具有全局收敛性强、计算耗时短和寻优精度高等优势.  相似文献   

14.
To help the people choose a proper medical treatment organizer, this paper proposes an opposition raiding wolf pack optimization algorithm using random search strategy ( ORRSS-WPOA) for an adaptive shrinking region. Firstly, via the oppositional raiding method (ORM), each wolf has bigger probability of approaching the leader wolf, which makes the exploration of the wolf pack enhanced as a whole. In another word, the wolf pack is not easy to fall into local optimum. Moreover, random searching strategy (RSS) for an adaptive shrinking region is adopted to strengthen exploitation,which enables any wolf to be more likely to find the optimum in some a given region, so macroscopically the wolf pack is easier to find the global optimal in the given range. Finally, a fitness function was designed to judge the appropriateness between a certain patient and a hospital. The performance of the ORRSS-WPOA was comprehensively evaluated by comparing it with several other competitive algorithms on ten classical benchmark functions and the simulated fitness function aimed to solve the problem mentioned above. Under the same condition, our experimental results indicated the excellent performance of ORRSS-WPOA in terms of solution quality and computational efficiency.  相似文献   

15.
In recent years, with the rapid development of Internet of things (IoT) technology, radio frequency identification (RFID) technology as the core of IoT technology has been paid more and more attention, and RFID network planning(RNP) has become the primary concern. Compared with the traditional methods, meta-heuristic method is widely used in RNP. Aiming at the target requirements of RFID, such as fewer readers, covering more tags, reducing the interference between readers and saving costs, this paper proposes a hybrid gray wolf optimization-cuckoo search (GWO-CS) algorithm. This method uses the input representation based on random gray wolf search and evaluates the tag density and location to determine the combination performance of the reader's propagation area. Compared with particle swarm optimization ( PSO) algorithm, cuckoo search( CS) algorithm and gray wolf optimization ( GWO) algorithm under the same experimental conditions, the coverage of GWO-CS is 9.306% higher than that of PSO algorithm, 6.963% higher than that of CS algorithm, and 3.488% higher than that of GWO algorithm. The results show that the GWO-CS algorithm cannot only improve the global search range, but also improve the local search depth.  相似文献   

16.
引导型免疫算法研究   总被引:1,自引:1,他引:0       下载免费PDF全文
孙宁彭喜元  乔立岩 《电子学报》2005,33(B12):2401-2405
基于免疫系统机理提出的免疫算法是一种新型的智能系统,在优化计算方面表现出巨大的潜力,具有多样性好、搜索成功率高的优点.但免疫算法在局部搜索中存在一定盲目性,搜索效率不高.本文提出引导型免疫算法,通过增强免疫算法中抗体的社会性,为免疫算法的搜索过程提供引导性,加快算法收敛速度,并对引导型免疫算法中新引入的算法参数进行了深入讨论.算法分析和仿真结果表明,引导型免疫算法在保持算法高搜索成功率的前提下,有效地提高了算法搜索效率.  相似文献   

17.
张美金  屈秋帛 《红外技术》2021,43(4):397-402
为了准确识别电网中的低零值绝缘子,提高劣化绝缘子诊断的准确率,提出了一种使用灰狼算法优化(grey wolf optimizer, GWO)与二进制支持向量机(support vector machine, SVM)分类器相结合的模型,对红外图像中的低零值绝缘子进行自动检测。首先对绝缘子红外图像进行增强,利用Ostu算法对红外图像进行分割,并对得到的二值图像进行倾斜角度矫正和切割,提取绝缘子串的有效区域,然后将图像特征用于向量机的分类识别。实验结果表明,灰狼算法优化支持向量机比常用的网格搜索算法(grid search, GS)、粒子群优化算法(particle swarm optimization, PSO)等得到的分类模型能更准确、有效地对低零值绝缘子进行识别,且准确率更高。  相似文献   

18.
陈丛 《红外与激光工程》2021,50(4):20200409-1-20200409-7
针对合成孔径雷达(SAR)图像属性散射中心估计问题,提出基于狼群算法的新思路。方法首先在图像域上对SAR图像进行“分治”解耦。对每一个属性散射中心进行序贯估计时,采用狼群算法作为基础优化算法,获得散射中心最佳的参数集。狼群算法通过分析狼群的协作捕猎活动及猎物分配等特点,具备良好的全局搜索能力和局部开发能力。算法通过结合传统图像域解耦的思想和狼群算法的稳健优化性能,提高SAR图像整体的属性散射中心估计精度。实验中,采用所提方法对MSTAR数据集中的原始SAR图像及加噪样本进行参数估计,实验结果验证了其有效性和噪声稳健性。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号