基于改进鲸鱼算法的无人机三维路径规划

无人机三维路径规划是一个比较复杂的全局优化问题,其目标是在考虑威胁和约束的条件下,获得最优或接近最优的飞行路径.针对鲸鱼算法在进行无人机三维航迹规划时,存在容易陷入局部最优、收敛速度较慢、收敛精度不够高等问题,提出了一种基于莱维飞行(Lévy flight)的鲸鱼优化算法(Levy Flight Based on Whale Optimization Algorithm,LWOA),用于解决无人机三维路径规划问题.该算法在迭代过程中加入了Levy飞行对最优解进行随机扰动;引入了信息交流机制,通过当前全局最优解和个体记忆最优解以及邻域最优解来更新个体的位置,能够更好地权衡局部收敛和全局开发.仿真结果表明,所提路径规划算法可以有效避开威胁区,收敛速度更快,收敛精度更高,且更不易陷入局部最优解.当迭代次数为300次、种群个数为50时,LWOA算法求得的成本函数值是PSO算法的91.1％,是GWO算法的92.1％,是WOA算法的95.9％,航迹代价更小.     

基于混合策略改进的鲸鱼优化算法

针对原始鲸鱼优化算法（WOA）收敛速度慢、全局搜索能力弱、求解精度低且易陷入局部最优等问题,提出一种混合策略来改进的鲸鱼优化算法（LGWOA）。首先将莱维飞行引入鲸鱼全局搜索的公式中,通过莱维飞行加大全局搜索步长,扩大搜索空间、提高全局搜索能力;其次,在鲸鱼螺旋上升阶段,加入一个自适应权重参数来提高算法的局部搜索能力和求解精度;最后结合遗传算法的交叉变异思想平衡算法的全局搜索和局部搜索能力,维持种群的多样性,规避陷入局部最优。通过对12个基准测试函数从2个角度进行实验对比分析,结果表明,基于混合策略改进的鲸鱼优化算法在收敛速度和求解精度上均有明显提升。     

一种改进的多领导鲸鱼优化算法

针对鲸鱼优化算法(WOA)收敛速度慢、收敛精度低、搜索能力不足的缺点,提出了一种改进的多领导鲸鱼优化算法(IWOA)。该算法引入了多领导机制,有利于提高种群的多样性,防止陷入局部最优。引入莱维飞行机制,将最优个体进行随机扰动,加快收敛速度,防止陷入局部最优。通过CEC2014中的六个标准函数进行测试,给出了运行30次的平均值和标准方差,并与当前最先进的其他算法进行比较。收敛图表明了该算法收敛速度快、收敛精度高;箱线图表明了该算法的稳定性。最后用该算法解决三个经典的工程优化问题,该算法相较于其他算法均取得了最小值,表明了该算法具有优秀的搜索能力与开发能力。     

基于改进鲸鱼优化算法的WSN覆盖优化

针对无线传感器网络在随机部署移动节点时,存在分布不均匀导致的覆盖率较低的问题,以网络覆盖率最大化为目标建立网络覆盖优化模型,提出一种基于改进鲸鱼优化算法(IWOA)的网络覆盖优化策略;首先,采用量子位Bloch球面坐标编码初始化种群,提升种群多样性,扩展搜索空间的遍历能力;其次,提出一种基于步长改进的位置更新方式,平衡算法的全局探索和局部搜索能力;最后采用莱维飞行,对个体进行扰动更新,提高跳出局部最优的能力。仿真结果表明,将改进后的鲸鱼优化算法应用在WSN覆盖优化中,与标准鲸鱼优化算法和其他文献中的算法相比,有效减少了传感器节点冗余,表现出更快的收敛速度和更高的覆盖率,进而改善网络监测质量,延长网络生存时间。     

基于改进约束差分进化算法的动态航迹规划

为解决三维复杂环境下无人机动态航迹规划问题,提出一种基于改进约束差分进化算法的动态航迹规划方法,以满足对实时性及动态搜索精度的要求.首先,根据无人机航迹规划特点将其描述为包括飞行约束及威胁约束在内的约束优化问题,并构造目标代价函数和约束限制函数;其次,将广义反向学习和自适应排序变异操作引入到约束差分进化算法中,以提高算法的多样性、收敛速度和寻优精度;最后,利用自适应权衡模型对各状态下的约束限制进行处理,充分利用"精英"个体信息,实现对目标适应值的合理转换.通过仿真实验以及与3种先进约束差分进化算法比较表明:所提方法能够有效实现静态及动态威胁回避,规划出安全适航的飞行路径,实现地形跟随;相较于其他3种算法,所提方法具有寻优性能好、鲁棒性强、收敛速度快和可靠性高等优势.     

机动性约束下低空突防航迹规划算法研究

研究飞行器多目标优化问题,为了寻求安全突防的飞行轨迹,结合低空突防中对飞行器实际飞行轨迹的要求,对航迹规划算法进行了研究.针对改善目前航迹规划过程中所存在的几何建模困难和所得轨迹不能符合实际可飞的问题,提出了一种新的垂直面轨迹规划方法.方法在水平面规划的基础上重点分析了飞行器垂直面内的运动状态,结合过载、航迹倾角等机动性约束条件对垂直面内的运动轨迹进行研究,将实际复杂的飞行轨迹简化为由直线段和圆弧段衔接而成的轨迹模型,针对简化模型进行轨迹规划.仿真结果表明,能够得到满足约束条件,并符合实际飞行的航迹.     

燃油约束下航迹规划算法研究与仿真

现有航迹规划算法通常不能够综合路径规划过程中的多种约束因素,且很少考虑到推进系统的能力限制,致使规划出的航迹实际不可飞。针对该问题,提出了一种满足飞行器多种机动性约束条件的航迹规划算法。对飞行器在垂直面内的运动状态进行分析,在传统代价函数的基础上提出了以燃油消耗为优化目标的代价函数。仿真结果表明,改进的代价函数能够对航迹进行很好的评价,所设计的规划算法搜索效率高,规划出的航迹实际可飞。     

高超声速飞行器水平航迹规划算法研究

伴随高超声速飞行器的出现,防空系统也变得越来越复杂,为了提高高超声速飞行器在空战中的生存概率,有必要对多约束远程轨迹优化技术进行深入研究.给出了航迹生存概率函数及局部重新规划区域的确定方法,且对变种群遗传算法、稀疏A*变步长搜索算法和动态规划方法进行了研究.并应用这三种改进后的算法对高超声速飞行器的航迹进行了规划,仿真结果表明,变种群遗传算法比较慢,只适合于离线规划,后两种算法应用在离线和在线实时规划时,都能快速的得到令人满意的航迹.     

基于集成约束无人机两步制航迹规划方法

无人机航迹规划是一个富含地形威胁、雷达威胁和自身可飞性等多约束的优化问题.采用两步制的规划框架,提出一种基于集成约束的无人机航迹规划方法.规划第1阶段采用基于多种群策略的差分进化优化方法,规划第2阶段采用海洋捕食者算法的Lévy运动优化;集成约束机制在搜索过程中动态更新约束策略来补偿可行解数量骤减,抑制搜索停滞.与典型算法和约束处理策略进行对比,实验结果表明,所提出无人机航迹规划方法收敛性好、稳定性强,能够有效地求解复杂多约束无人机航迹规划问题.     

基于复杂度分析的改进A~*算法飞行器航迹规划

采用传统A*算法进行大范围地图航迹搜索过程中,要收敛到最优解可能需要很长的时间和极大的内存需求,而且生产的航迹不能满足飞行器的约束条件。通过对A*算法进行时间复杂度的分析,找出算法中对计算时间影响最大的基本操作,提出了一种改进的A*搜索算法。该算法根据导航精度、数字地图误差等因素对搜索过程中网格的大小做出了确定,结合飞行器自身航迹约束条件和任务约束,在扩展子节点过程中大大缩小了搜索范围。仿真实验结果表明,该算法在大范围复杂地形情况下能规划出满足约束条件的最优航迹,并能大幅度降低搜索时间。     

改进鲸鱼算法及其在路径规划的应用

针对鲸鱼优化算法(WOA)存在的收敛速度慢、收敛精度低和易陷入局部最优等问题,提出了采用非线性收敛因子、协同a的惯性权重、时变独立搜索概率和免疫记忆改进的鲸鱼优化算法(IWTWOA);应用非线性收敛因子、协同a的惯性权重和时变独立搜索概率改进WOA迭代模型,平衡了算法的全局搜索和局部搜索能力,有效避免了陷入局部最优的问题;引入免疫算法的免疫记忆机制,提高了算法收敛速度;选取了15个基准测试函数进行性能测试,结果表明IWTWOA算法在稳定性、计算精度和收敛速度上均有所提高;最终将其应用在路径规划问题中,获得了较好的结果.     

基于鲸鱼优化改进算法的基站选址

基站选址优化是网络通讯中的重要优化问题,对网络通讯质量有着极大的影响。本文基于基站选址优化问题的约束条件,以网络覆盖率作为优化指标,构建一种基站选址优化模型。传统优化算法有着收敛速度慢、易于陷入局部最优等问题,为此本文提出一种鲸鱼优化改进算法。首先,引入收敛因子随着迭代次数非线性递减的自适应改变策略以提升算法收敛能力;然后,对部分个体施加服从正态分布的变异扰动,以避免算法早熟收敛。其测试函数和基站选址优化问题的测试算例的仿真结果表明,本文提出的改进算法能够获得更理想的优化解,且具有较快的收敛速度。     

基于非线性有约束最优化的路径规划研究

研究采用智能的方法来进行路径规划,通常作为一类优化组合问题来解决.因此,提出一种非线性有约束最优化问题的路径规划新方法.在静态环境中,把障碍物图形化处理后,应用线性规划思想,每个搜索点以目标点为导向寻找最优路径.仿真结果表明,改进方法能够快速准确的找到一条可行的最短路径.     

引入必经点约束的路径规划算法研究

针对传统A*算法存在搜索范围广、运行效率低的问题,提出了一种引入必经点约束的路径规划算法。该算法结合障碍物分布特点,通过寻找最短路径必经点,实现对A*搜索方向的约束,再对最短路径段进行拼接得到最短路径。最后,在100×100网格地图中进行对比实验,结果表明,引入必经点约束的改进算法比传统A*算法的结点访问量大幅降低,运行效率得到显著提高。     

基于微分进化算法的时间最优路径规划

提出了一种利用微分进化算法进行机器人路径规划的方法,在极坐标系下采用路径点列的极角和极径作为参数进行个体成员的矢量合成,生成的初始路径点集经过提炼处理极大提高机器人移动速度;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题。     

离散鲸鱼算法求解拆解序列规划问题

工业产品的回收再制造有利于降低生产成本和保护环境,而制定优秀的产品拆解序列规划提高拆解效率、降低回收成本为其关键.针对回收设备在实际拆解中的因素,建立一种基于离散鲸鱼算法(DWOA)的拆解序列规划模型.该模型目标函数以位置改变为代价作为新的评价指标,利用分层组合的方法快速生成初始群体.离散鲸鱼算法具有优先保护约束交叉机制、启发式变异、优秀的全局和局部搜索能力.以回收上橡皮板和空气围带进行对比实验,结果表明在相同时间下,离散鲸鱼算法的算法稳定性、寻优能力、收敛速度都要优于其他算法.     

基于改进鲸鱼优化算法的多无人机围捕

无人机围捕是一项具有挑战性和现实意义的任务,为使无人机可以成功有效地围捕移动目标,提出一种基于动态预测围捕点和改进鲸鱼优化算法的多无人机围捕算法。在环境未知,目标运动轨迹未知的情况下,首先利用多项式拟合预测目标运动轨迹,通过动态预测步数得到预测点,在其周围设置围捕点,然后使用双向协商法为无人机合理分配各个目标点。针对鲸鱼优化算法容易陷入局部最优的缺点,提出基于自适应权重和改变螺旋线位置更新的方法,从而提升算法的开发能力和搜索能力。最终在不同实验环境下进行多次实验仿真,实验结果表明了所提出算法的有效性。