基于反向学习的自适应α约束病毒种群搜索算法

为了提高该算法求解约束优化问题的能力,提出一种新的约束病毒种群搜索算法。首先,提出自适应α-level比较策略,以在算法的不同阶段充分利用可行个体与不可行个体的有效信息;其次,为了进一步提高算法求解约束优化问题的收敛速度和搜索精度,针对算法的病毒扩散行为,提出了结合反向学习机制的搜索方程,以提高种群多样性并加速全局收敛。对CEC2006中13个约束优化函数的对比仿真结果表明,本文算法在搜索精度、收敛速度以及稳定性方面,相比于αSimplex算法、粒子群遗传算法算法、交叉人工蜂群算法算法以及约束改进差分进化算法算法具有明显优势。同时将该算法应用于无人机协同实时航迹规划约束优化问题中,通过仿真实验并与利用约束改进差分进化算法对这一问题进行求解的方法进行对比,验证了本文算法在规划效率、规避威胁等方面的优越性。     

基于反向学习的自适应α约束病毒种群搜索算法

为了提高该算法求解约束优化问题的能力,提出一种新的约束病毒种群搜索算法。首先,提出自适应α-level比较策略,以在算法的不同阶段充分利用可行个体与不可行个体的有效信息;其次,为了进一步提高算法求解约束优化问题的收敛速度和搜索精度,针对算法的病毒扩散行为,提出了结合反向学习机制的搜索方程,以提高种群多样性并加速全局收敛。对CEC2006中13个约束优化函数的对比仿真结果表明,本文算法在搜索精度、收敛速度以及稳定性方面,相比于αSimplex算法、粒子群遗传算法算法、交叉人工蜂群算法算法以及约束改进差分进化算法算法具有明显优势。同时将该算法应用于无人机协同实时航迹规划约束优化问题中,通过仿真实验并与利用约束改进差分进化算法对这一问题进行求解的方法进行对比,验证了本文算法在规划效率、规避威胁等方面的优越性。     

一种求解约束优化问题的进化规划型文化算法

为了求解复杂约束优化问题,提出了一种新的进化算法——进化规划型文化算法。求解过程中,在基于自适应的文化算法中引入进化规划,有效利用进化过程中相关知识引导种群进化。针对约束优化问题,对这一算法的信念空间进行了设计,并利用基准函数和丁烯烷化生产调度问题进行了仿真,仿真结果表明该算法具有较好的全局搜索能力,而且大大减少了计算量。     

文化算法求解移动Agent路由规划问题

文化算法的主要思想是明确地从进化种群中获得求解问题的知识,并用于搜索过程.该文对移动Agent的路由问题进行形式化描述,给出了该问题的多约束最优路径求解模型,并提出了一种将模拟退火算法嵌入文化算法框架中来求解移动Agent路由规划问题的方法,根据Metropolis准则接受最优单体以推动文化算法中信念空间的进化.实验结果表明,改进的文化算法与遗传算法相比,解具有较优的结果以及较低的运算代价.     

改进变异算子的差分进化算法并行性分析

针对并行差分进化算法的全局搜索能力和寻优的稳定性弱的现状,基于DE/best/1变异算子提出了一种改进的差分进化算法变异算子.该算子前期采用DE/best/1变异方法,当进化代数超过设定的进化代数值时,采用改进的变异算子.通过拓宽变异算子的搜索域来提高种群的多样性,提高了差分进化算法的寻优能力.对改进变异算子的并行差分进化算法进行了函数测试,实验结果表明:相比普通的变异算子,在相同种群规模的前提下,改进的差分变异算子拓宽了遗传算法的搜索域,提高了算法的全局搜索能力;在不同的种群规模下,改进的变异算子增强了算法的寻优稳定性.     

基于多种群改进差分进化算法的环境／经济电力调度优化

应用多种群改进差分进化算法求解环境/经济电力调度(Environmental/Economic Dispatch,EED)这一多目标优化问题。将多种群策略引入差分进化算法,有助于保持群体多样性,有效避免经典差分进化算法的早熟收敛问题。采用自适应变异因子及交叉因子,使算法在搜索初期保持全局搜索能力,在搜索后期增强局部搜索能力,加快收敛速度。将该算法应用到IEEE 30节点-6机组系统的环境/经济调度优化,仿真计算结果以及与其他算法的对比分析验证了该算法的有效性。     

基于小生境粒子群技术的多航迹规划研究

文章将飞行器多航迹规划转化为多峰值函数优化问题,并以此为基础提出基于小生境粒子群技术的多航迹规划方法。该方法采用特定的粒子编码方式和适当的适应度函数,在满足各种航迹约束的条件下,通过引入RCS(Restricted Competition Selection)小生境生成策略,将航迹规划空间内的粒子群形成不同的相互独立的小生境子种群。在进化过程中,所有粒子个体只在各自的小生境子种群内部进化,追逐不同的极值点。当进化结束时,每个小生境子种群将分别生成一条各自的最优航迹,从而为飞行器生成了多条不同的可选航迹。仿真结果表明了该方法的有效性。     

改进人工免疫算法的多机协同空战目标分配方法

针对多机协同空战目标分配问题,在我方综合优势函数建模的基础上,提出了一种改进人工免疫算法。首先采用随机生成法和人工构造法创建2个初始种群,保证了初始种群的多样性;然后采用2种不同的选择、交叉、变异操作进行进化;接着采用设计的新移民算子进行种群间信息交换,进一步增加种群多样性,提高搜索效率。最后设计实验将改进人工免疫算法与3种类型的人工免疫算法进行了对比。仿真结果表明:改进人工免疫算法能够有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于多机协同空战目标分配问题,满足实际作战需求。     

自适应差分进化算法的研究及其在聚丙烯牌号切换优化中的应用

针对常规差分进化算法易"早熟"的问题,提出了自适应的差分进化算法,该算法在计算过程中自适应地调整变异率,使得种群在初期保持个体多样性,避免早熟,到后期保留优良信息,加快全局搜索速度;同时该算法还引入了扰动交叉算子,有助于在搜索过程中保持群体的多样性.测试表明,新算法的寻优性能有明显改善,并成功地应用于聚丙烯牌号切换优化问题.     

改进差分进化算法及其在模糊聚类分析中的应用

针对差分进化算法早熟与搜索效率不理想的问题,提出一种改进的差分进化算法。算法在变异阶段采用多策略与多参数并行的方法一次产生多个变异个体,有效地保持了种群中个体的多样性,抑制了早熟现象的发生。根据竞争机制选择适应度最好的变异个体进行选择操作,提高了搜索效率。与差分进化及其改进算法的对比实验表明了算法的有效性,并把提出的算法应用到模糊聚类分析中,较好的解决了原始聚类模型求解容易陷入局部极值的问题。     

基于元胞自动机的移动机器人路径规划

为解决移动机器人全局最优路径规划存在的问题,提出了一种基于元胞自动机的路径规划算法。建立了移动机器人活动空间的环境模型,将移动机器人的起点、终点、障碍物及自由通路定义为一组离散的元胞,设计了元胞状态的演化规则,并且根据演化后的元胞状态确定了最优路径的搜索方法,并通过仿真实验验证了该算法在简单环境和复杂环境下都能够有效的进行路径规划,并且具有算法简单、速度快、效率高等特点。     

基于模糊评价的未知环境地图构建探测规划

针对未知环境信息的模糊性和不确定性,提出基于模糊综合评价决策的机器人未知环境地图构建自主探测规划方法.该方法将栅格图中的介于已知区域和未知区域边缘的前沿点按距离和可行性进行分类,选取优先级较高的类别中的点作为候选点.根据候选点与当前位置的距离、信息增益和可定位性进行模糊综合评价,以较小的计算代价决定机器人下一步的探测位姿或者某一段路径上的一系列探测位姿,从而完成对未知区域的探测,构建出准确度高的环境栅格图和特征线段图.仿真实验结果表明,该方法提高了自主探测效率,并具有很高的实时性.     

An efficient method for collision-free and jerk-constrained trajectory generation with sparse desired way-points for a flying robot

In this paper, an efficient approach is developed to plan jerk-constrained smooth trajectories passing through desired way-points with allowable accuracy for an autonomous quadrotor. First, based on the B-spline model, we introduce the sequential convex programming(SCP) into the flexible path planning method to satisfy the way-points constraints. By approximating the quadrotor and obstacles as spheres and directed planes, the length-optimal and collision-free path planning problem is formulated as a nonconvex optimization problem and solved by SCP. The initial C~3 continuous path curve for optimization is constructed efficiently based on a proposed strategy of generating new way-points near the obstacles without the need to calculate the embedding distance between the curve and the obstacles. On this basis, the time-optimal speed planning problem is addressed in two steps. In the first step, the forward-backward approach is introduced to solve the problem under the chord error, velocity, and acceleration constraints by changing the variables and deforming the constraints. Then by relaxing the constraints appropriately,the problem under jerk constraints is formulated into a linear programming(LP) problem. The feasibility of the proposed approach is verified through simulations and an indoor navigation experiment. The proposed approach can generate a C~3 continuous collision-free trajectory that passes through the sparse desired way-points with allowable accuracy while guaranteeing the chord error, velocity, acceleration, and jerk constraints. When the number of sample points is 3000, the proposed speed planning method reduces the calculation time by 40% compared to an existing method.     

改进的文化粒子群算法的电子商务服务器集群负载均衡

随着电子商务的发展,电子商务企业服务器集群负载均衡问题越来越严重,为了解决粒子群算法在求解电子商务服务器集群负载均衡问题上存在的不足,提出一种改进的文化粒子群算法的服务器集群负载均衡策略.首先利用粒子群算法的主群体空间和文化算法的知识空间形成"双演化双促进"机制,提高算法全局搜索能力和运行效率;然后引入遗传算法进化机制对知识空间演化操作进行改进,最后将该算法应用于电子商务服务器集群负载均衡问题求解.经过仿真验证,改进文化粒子群算法,提高服务器集群系统资源利用率,负载更加均衡.     

基于改进蚁群算法的移动机器人路径规划

针对大多数路径规划方法所忽视的路径尖峰,以及传统蚁群算法(ACA)易出现的早熟、陷入局部最优等问题,提出一种改进ACA以用于路径规划.首先,在ACA中融入遗传算子,利用交叉与变异操作来扩大解的搜索空间,提升解的全局性.然后,引入简化与平滑操作优化算子,对所寻路径做进一步处理,消除路径中不必要的尖峰,提高其平滑性.栅格环境下的机器人路径规划仿真结果表明,与A*以及传统ACA相比,所提算法能够得到更为平滑的最短路径.     

不确定环境下移动机器人路径规划算法研究

该文对不确定环境下移动机器人路径算法进行了研究，并提出了一种新算法一基于两点法的模糊控制算法。首先利用两点法求出预设轨迹，然后把预设轨迹上的点作为移动机器人的阶段目标点，再利用模糊控制算法修正移动轨迹，进行路径规划。这样可以简化模糊控制规则的制定，减少模糊控制规则的数目，从而大大提高路径规划的速度。应用该方法进行了避障、道路跟踪等控制实验。实验表明，该算法具有很好的灵活性和鲁棒性。     

基于知识的分层遗传算法

传统遗传算法缺乏对进化过程知识的有效提取和利用，存在早熟收敛．在遗传算法的种群进化层上，引入文化算法的信度空间，提出一种具有知识引导功能的分层遗传算法．算法由底层种群进化层和上层知识进化层构成．结合遗传操作过程，提取4类知识并给出具体定义．详细阐述了联系上下层的样本选取函数、知识更新函数和进化引导函数，并提出一种基于地势知识轮盘赌选择的新型个体替代策略．针对3组标准测试函数的仿真结果表明，4类知识在不同进化阶段对种群的影响程度不同．状况知识在进化早期起主导作用，规范知识和地势知识在某局部优势区域具有较强引导作用，历史知识引导搜索区域脱离局部较优点，从而有效避免早熟收敛，提高进化效率．     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

自适应混合文化蜂群算法求解连续空间优化问题

提出一种自适应混合文化蜂群算法求解连续空间优化问题。算法中群体空间采用最优觅食理论改进群体更新方式;信念空间通过云模型算法和最优排序差分变异策略对知识进行更新;利用混沌算法和反向学习算法进化外部空间;3种空间通过自适应的影响操作来实现知识的交换。典型复杂函数测试表明,该算法具有很好的收敛精度和计算速度,特别适宜于多峰值函数寻优。     

高温混合障碍空间中的移动机器人路径规划

为了解决高温场景中移动机器人全局路径规划所面临的安全与效率问题,提出高温热源虚拟障碍的定义,建立混合障碍空间模型,将高温场景中的路径规划问题转化为高温混合障碍空间中考虑路径温度代价和长度代价的多目标优化问题. 改进NSGA-Ⅱ算法,通过选取优秀非可行解扩展种群,提高了种群多样性和进化效率,提出新的交叉和变异概率计算方法. 根据种群进化进程和个体代价函数值调整概率,实现了种群前期搜索能力和后期收敛性的平衡. 仿真所得的最优路径结果表明,该改进算法的路径长度代价虽然比原算法和其他改进算法略有增加,但温度代价大幅降低,更有效地避免了陷入局部最优.