基于改进粒子群算法的三维路径规划

路径规划是无人机任务目标的重要组成部分,针对粒子群(PSO)算法早期收敛速度快,后期易陷入局部最优的缺点,提出一种结合天牛须搜索(BAS)算法的改进粒子群算法,并将其应用于无人机三维空间路径规划.在改进的粒子群算法中,利用天牛个体的优势,在每次迭代中都有自己对环境空间的判断,使路径更加合理,搜索效率更高.仿真结果表明,...     

无人机三维路径规划的粒子群混合算法

路径规划是无人机控制过程中的重要环节之一,现有基于粒子群等算法的传统路径规划方法存在容易陷入局部最优等问题,无法适应现实场景中复杂环境及高搜索速度的要求。针对已有方法的缺陷,提出了一种无人机路径规划的高性能细菌觅食-遗传-粒子群混合算法,以传统粒子群优化算法为基础,引入细菌觅食算法及遗传算法思想,提高算法计算速度与能力,同时考虑实际场景中无人机的运行约束,进一步提高了方法的可用性。最后,利用仿真实验验证了所提方法的有效性,并通过与传统方法对比证明了所提方法在运行时间、规划航程等方面的优越性。     

基于改进混合粒子群算法的无人机充电路径规划方法

无线可充电传感器网络(Wireless Rechargeable Sensor Networks, WRSNs)是由若干个可无线充电的传感器节点自组织形成的网络。利用无人机(Unmanned Aerial Vehicle, UAV)作为移动电源,对WRSNs网络中传感器节点进行充电,将无人机飞行能耗联合传感器节点充电量作为优化目标,提出一种惯性权重线性递减混合粒子群算法,对无人机的充电路径进行规划。仿真验证表明,相比传统的粒子群(Particle Swarm Optimization, PSO)算法,该算法在收敛速度、无人机飞行能耗以及传感器节点充电量等指标上都有明显的优势。     

粒子群-快速模拟退火算法在路径规划中的应用

路径规划一般包括环境建模、路径搜索、路径平滑三个步骤,但在路径搜索过程中规划结果往往受到障碍物大小、地理位置差异等不定因素的影响.针对避障小车在两个地点间寻找无碰撞路径的问题,提出了PSO-FSA,即粒子群-快速模拟退火算法.算法将传统粒子群算法中的惯性权重改变为正弦自适应的形式,同时采用快速退火的模式解决模拟退火过程...     

基于粒子群优化算法的机器人路径规划

文章提出一种机器人路径规划的有效算法,为机器人找到一条从起点到终点最短的无碰撞路径,主要是优化了粒子群的惯性权重,然而其在不同的阶段采用不同的权重值。通过实验发现,改进后粒子群能够收敛得更快,数据收敛得更精确。     

基于改进粒子群优化的物流运输车路径规划方法

物流运输车路径规划问题是一个复杂的组合优化问题,因此,文章提出了一种基于改进粒子群优化算法的物流运输车路径规划方法,对粒子群优化算法中的惯性权值、学习因子和随机数进行了改进,并在算法的优化过程中引入了Levy flight模型,以避免过早的粒子群优化。并将该方法与蚁群算法和遗传算法进行了实验对比。实验结果表明,该方法能够有效降低了运输车的路径距离,显著提高物流运输的效率,降低了运输成本。     

基于改进粒子群算法的无人机三维航迹规划

针对传统粒子群(Particle Swarm Optimization, PSO)算法在航迹规划的过程中需要根据无人机性能建立约束条件和易陷入局部最优值的缺点,提出了一种结合天牛须(Beetle Antennae Search, BAS)算法的球坐标PSO算法。该改进算法直接利用球坐标系对无人机的航向角和俯仰角进行约束,并且通过BAS算法避免PSO算法陷入局部最优值。根据数字高程地图建立仿真环境,综合考虑航迹长度、平滑度和危险性等因素构建目标函数。仿真结果表明,改进后的算法与其他PSO算法相比,规划的三维航迹质量更高,能够很好地适应无人机在各种环境下的飞行要求。     

改进粒子群算法研究

粒子群算法存在早熟收敛的问题,为解决此问题,本文提出一种改进的粒子群算法,并采用3个典型的函数进行测试。结果表明：与粒子群算法相比,该算法有效地提高了其全局收敛能力。     

改进粒子群算法的UAV突防路径规划

面对复杂地形条件下的无人机突防任务,粒子群算法(PSO)在寻找最优路径的过程中易陷入局部最优、搜索时间过长等困境。针对上述问题,在PSO中引入球坐标系,将所得的路径看作向量。通过向量的距离、仰角和方位角与无人机的速度、俯仰角和转向角的相互关系来实现粒子的迭代更新。最后,引入随机自适应惯性权重,弥补粒子前期局部搜索能力与后期全局搜索能力的不足。仿真结果表明,改进算法能够有效规避威胁区域,收敛速度更快,收敛精度更高,且不易陷入局部最优。     

基于改进粒子群优化算法的无人机实时航迹规划

在无人机航迹规划中,通过改变惯性权重和采用自适应粒子群编码方式,以最大转弯半径、步进、最短距离和回避威胁作为航迹的评价指标,将约束条件、地形地貌及威胁信息引入适应度函数等方法,对粒子群优化算法进行改进,解决了粒子群算法在寻优过程中易陷入局部最优的问题.仿真结果表明,该方法可实现在线实时航迹规划.     

混合优化策略在巡航导弹多航迹规划中的应用

为保证巡航导弹低空突防的成功率,在航迹规划时必须设计出以最小代价的可接受航程为目标的航迹。提出一种基于混合优化策略的航迹优化方法。该方法通过用退火机制来减轻遗传算法中的选择压力,将模拟退火和遗传算法相结合用于航迹优化,增强了航迹优化算法的全局收敛性和提高了算法的收敛速度。同时方法中还采用了聚类算法,将各条航迹按照其空间分布,化成不同的多个种群,进化后可得到不同区域的优化航迹,从而有效地保持了解的多样性,能一次生成多条航迹,可满足通常航迹优化过程中生成多条航迹的要求。最后的仿真结果表明了该方法的可行性和有效性。     

基于改进粒子群算法的巡航高度优化

参考航迹确定后巡航导弹飞行高度对其撞地概率和突防概率存在一定影响,需要对巡航导弹的飞行高度进行优化。将模拟退火和分阶段搜索引入基本粒子群算法,并基于该改进算法对巡航导弹的飞行高度进行优化。仿真结果表明,给定参考航迹后对巡航高度进行优化,能够大幅提高巡航导弹的作战能力。     

应用于六旋翼飞行器航迹规划的改进Voronoi算法

六旋翼飞行器是一种新型的旋翼飞行器,文中主要针对该飞行器在航迹规划时的Voronoi算法进行了改进,优化了飞行器的航迹规划路线.通过对电院大草坪的树林作为障碍物的情况下,飞行器穿过树林到达空旷地方的航迹规划的数学建模发现,使用传统的Voronoi算法的航迹规划的距离为169.113m,使用改进的Voronoi算法的航迹规划的距离为152.8753m,比起传统的Voronoi算法规划出来的航迹的距离缩短了10.6％.     

基于改进粒子群算法的多UAV协同侦察任务规划

针对多无人机（UAV）协同侦察的任务规划问题,充分考虑侦察目标的侦察分辨率和时间窗约束,建立了数学模型;提出了一种改进的粒子群算法,使得粒子群能够较均匀地在问题空间内搜索,避免陷入局部极值,在保持传统PSO算法快速收敛的同时,加强了算法局部搜索能力。基于该模型和优化算法,制定了合理的多UAV协同侦察任务计划,使得多UAV协同侦察任务在满足任务要求、平台性能和战场约束的条件下具有最小代价和最优作战效能。     

多约束条件下的飞行器航迹规划算法

针对以栅格形式表示的多约束飞行器航迹规划问题,提出了一种改进的A*搜索算法满足规划过程中的各种约束条件.通过对链表和结构体数组等数据结构形式的运用、对节点扩展等细节的改进,大大简化了算法的实现;通过采取合并单元格、添加虚拟威胁以及剪枝等措施满足了飞行航迹中的多种约束条件;通过滤除路径节点的举措对规划的航迹进行了优化.最后经数字仿真证实了该算法的有效性.     

基于PSO算法优化的机械臂轨迹规划研究

目前机械臂轨迹规划的优化目标大多在最短路径、最优时间等方面且存在由于多项式差值轨迹规划具有阶次高、没有凸包性,难以应用传统优化方法进行优化等缺点。现提出了对最小能耗、最小加加速度等指标的优化。该优化是在传统时间最优的基础上,利用粒子群优化的4-3-4多项式插值轨迹规划算法,针对综合时间、能耗、加加速度等指标进行优化。实验以三关节机械臂为例进行仿真,结果证明了PSO优化过程和能耗函数的有效性。     

改进蚁群算法的路径规划研究

针对蚁群算法在复杂环境下收敛速度慢且存在停滞问题,提出一种改进的蚁群算法。为了避免蚁群陷入死锁状态,采用回退策略,避免蚂蚁盲目搜索产生大量交叉路径并有效减少蚂蚁死亡数量,并且借鉴了狼群分配策略来更新信息素,提高算法全局性,在状态转移概率中引入一个启发因子并进行调整,避免算法陷入停滞。仿真实验结果表明,改进后的蚁群算法收敛速度明显加快,寻优最短路径达到29.73,迭代次数较少28。验证了该算法的有效性和可行性。     

采用改进细菌觅食优化算法的无人机航迹规划

针对现有的无人机航迹规划方法收敛速度较慢、效率不高、易陷入局部最优等问题,构建了基于改进细菌觅食优化算法的无人机航迹规划结构,从三个方面改进算法:一是将固定步长改为自适应步长;二是游动时嵌入粒子群算法学习因子思想;三是将固定迁徙概率改为自适应迁徙概率.同时,提出了飞行代价目标函数,通过函数寻优进行无人机航迹规划,并由数...     

一种基于PSO的改进型多智能体遗传算法

通过将多智能体系统加入基本的粒子群算法（PSO）,提出了一种新的函数优化方法——多智能体遗传PSO算法（MAGPA）。该方法将智能体固定在网格上,而每个智能体通过邻域的竞争和合作,随机交叉操作,变异操作,再联合PSO的进化机制,不断地感受局部环境,逐步影响整个智能体网格,以增强对环境的适应度。该算法可以有效地保持智能体的多样性,提高优化的准确性。     

粒子群法在三维航迹规划及优化中的应用

有效航迹规划是对敌纵深目标攻击成功的可靠保证,为了在复杂的地形和敌方火力威胁环境中生成最优的三维航迹,提出了一种利用粒子群法来优化三维航迹规划的方法,同时,利用动态窗对原航迹规划中新出现的威胁进行航迹动态规划。根据飞行器的飞行性能,通过引入最小威胁曲面概念生成三维航迹搜索空间,再利用一个有限项的多项式函数来逼近最小威胁曲面中的三维航迹在二维水平面内的投影,将原来的规划问题简化为在一个一元函数多项式系数空间中的搜索寻优。仿真结果显示,利用粒子群法优化的静态航迹规划能有效减小搜索空间,提高规划效率,同时,动态航迹规划能回避新威胁。