保持多样性的自适应动态粒子群算法及其应用

针对动态环境中的种群多样性问题,提出一种保持种群多样性的双子群粒子群优化算法。将群搜索算法中的游走者思想引入到粒子群优化算法中,基于群体多样性,子种群B采用不同的方法更新速度和位置,子种群A和子种群B交换最优信息,扩展种群的搜索范围,增强整个群体的多样性水平。将改进的算法应用于复杂变化的抛物线函数和群体动画的跟随效果中,结果表明该算法在动态环境中的有效性,并能够真实模拟群体跟随行为。

动态微粒群算法及其在群体动画中的应用

针对现有微粒群算法在动态优化问题中容易陷入局部极值问题,提出了一种改进的动态微粒群算法——AVPSO。AVPSO用所有微粒局部最优值的平均值来代替全局最优值,通过有目的的重新初始化部分微粒扩大种群搜索范围,在感知到环境发生变化时迅速、准确地实现对目标的跟踪。实验结果表明,在求解动态优化问题时,AVPSO表现出很好的性能。将AVPSO应用于群体动画中,实现了群体路径规划的自动化。