基于改进粒子群算法的无人直升机航路规划

针对山区环境下无人直升机航路规划的问题,提出了一种改进粒子群算法.首先建立航路规划数学模型,将路径长度、飞行高度和威胁指数引入适应度函数;然后采用惯性权重因子调节算法的全局和局部搜索能力,利用选择操作和杂交操作增加种群的多样性,避免陷入局部最优;最后当种群陷入局部极值时,采用变异算子跳出局部最优解.将该算法和传统粒子群算法比较,仿真结果表明,该算法可以避免陷入局部最优,缩短搜索时间,较快得到全局最优路径.     

基于混沌蜂群算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于混沌蜂群算法(chaotic artificial bee colony algorithm,简称CABC)的辨识方法。由于直升机的数学模型是非线性的,因此用小扰动理论对其线性化,得到纵横方向待辨识的解耦模型;进一步将系统辨识问题转变成优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使得蜂群向更优方向进化;利用混沌算子来改进侦察蜂的搜索机制,使得人工蜂群算法脱离局部最优束缚,获得更强的全局寻优能力。根据无人机实际飞行试验数据,对辨识获得的模型进行了分析与验证,结果表明,采用该辨识方法,估计出了解耦模型中的未知参数,与遗传算法和传统人工蜂群算法相比,所提算法的辨识精度更高。     

改进ABC算法求解认知无线网络频谱分配问题

针对认知无线网络中频谱分配问题,提出了一种基于改进人工蜂群算法的多目标组合优化算法。首先将频谱分配问题转换成多目标优化问题,然后利用人工蜂群算法的寻优能力来实现频谱最优的分配方案。其中,在雇佣蜂搜索阶段采用新型杂交算子加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。最后,通过频谱分配仿真对这里提出的算法进行了验证,结果表明:与其他算法相比,这里算法能够较好地跳出局部最优的束缚,具有优化效果佳、稳定性好、鲁棒性强的优点,可以在满足多个优化目标的前提下获得更合理的频谱分配方案。     

应用混沌萤火虫算法的无人机航迹规划

针对无人机在复杂多变环境下的飞行问题,提出了一种应用混沌萤火虫算法的航迹规划方法。在飞行区域已知的情况下,建立规划空间的二维模型与航迹代价模型,并将航迹规划问题转换成多维函数优化问题;利用萤火虫算法优越的寻优能力来搜索无人机的最优航线;引入立方映射混沌算子来提高算法的局部搜索能力和鲁棒性。通过标准函数测试与航迹规划仿真对提出的算法进行了验证,结果表明:相比其他算法,本算法能够较好地跳出局部最优的束缚,并快速、准确地获得全局最优解,可以满足无人机航迹规划的要求。     

混合改进人工蜂群算法的机器人路径规划研究

传统群智能算法在研究路径规划时,存在早熟、搜索效率低及难以获取最佳路径等不足。针对这些问题,提出了一种混合改进人工蜂群算法。新算法首先利用人工势场法高效简单的优势将其与标准人工蜂群算法相结合,然后针对算法中存在易于陷入局部最优等缺陷将Levy分布与柯西变异算子引入标准人工蜂群算法中,新算法用Levy分布产生的步长取代食物源更新公式中的随机步长,在随机搜索策略中运用柯西分布的特点进行全局搜索。实验结果表明,改进后的算法在求解机器人运动路径时能够有效提高搜索效率和精度,新算法具有可行性和有效性。     

一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。     

嵌入筛选操作的遗传算法及其在焊接路径规划中的应用

针对基本遗传算法(GA)中存在的局部搜索能力不足和未成熟收敛的问题,引入一种结合模拟退火算法的筛选操作对算法进行改进.改进遗传算法(IGA)一方面在优化后的解空间进行精细寻解,另一方面依靠基本GA算子开拓全局搜索空间,从而使算法达到全局最优与局部优化的良好平衡.由于改进算法中采用了模拟退火算法的Metropolis准则对染色体进行筛选,强化了算法局部搜索能力,有效加快了算法收敛速度.并以汽车车身机器人焊接路径规划为应用背景,对改进遗传算法进行了仿真验证,仿真结果验证了所提算法的有效性,并且验证了其在汽车车身焊接路径规划中应用的可行性.     

嵌入筛选操作的遗传算法及其在焊接路径规划中的应用

针对基本遗传算法(GA)中存在的局部搜索能力不足和未成熟收敛的问题,引入一种结合模拟退火算法的筛选操作对算法进行改进.改进遗传算法(IGA)一方面在优化后的解空间进行精细寻解,另一方面依靠基本GA算子开拓全局搜索空间,从而使算法达到全局最优与局部优化的良好平衡.由于改进算法中采用了模拟退火算法的Metropolis准则对染色体进行筛选,强化了算法局部搜索能力,有效加快了算法收敛速度.并以汽车车身机器人焊接路径规划为应用背景,对改进遗传算法进行了仿真验证,仿真结果验证了所提算法的有效性,并且验证了其在汽车车身焊接路径规划中应用的可行性.     

复合形引导蜂群寻优的无人机航迹多目标规划

为了提高无人机导航路径规划的精度和稳定性,提出了复合形引导蜂群寻优的无人机航迹多目标优化方法。使用坐标变换方法,将二维规划问题降为一维;建立了航迹规划的目标函数与约束条件;在传统人工蜂群基础上,改进了蜜源初始化方法,使前后航迹点相互关联,提高航迹可行率;为了提高收敛速度,改进了雇佣蜂和观察蜂的蜜源搜索方式,提出了随机搜索与最优蜜源引导相结合的位置更新方式;提出了Metropolis准则改进观察蜂蜜源选择策略,有利于算法跳出局部最优、保留潜在最优;使用复合形法引导蜂群整体向优质蜜源运动,提出了复合形引导蜂群寻优算法。经仿真验证,与传统算法和混沌扰动算法相比,复合形引导蜂群算法的收敛迭代次数分别减少了4倍和6倍,寻优时间降低了约一个数量级,且规划航迹更优、稳定性更好。     

基于混沌优化的多层前馈神经网络

BP算法是应用广泛的一种多层前馈神经网络模型,针对算法求解精度低、搜索速度慢、易于陷入局部极值点等问题,根据混沌理论的全局优化思想,提出采用"多次载波"技术将混沌优化和前馈神经网络相结合,利用已找到的近似最优解来启发搜索全局最优解的方法训练神经网络,以布尔函数识别、曲线逼近、模式识别3个典型应用对算法进行验证。研究结果表明,算法具有较好的泛化能力和快速全局收敛的性能,特别是针对中小规模的网络,混沌优化算法在训练时间、全局收敛率等指标方面优于BP算法。