为提高智能机器人的路径寻优能力,文章提出一种基于检测算子和经验学习的鱼群算法(Detection Operator and Experiecnce Learning Artificial Fish Swarm Algorithm,DOEL-AFSA)。仿真实验结果表明,DOEL-AFSA得到的最短路径比鱼群算法(AF...为提高智能机器人的路径寻优能力,文章提出一种基于检测算子和经验学习的鱼群算法(Detection Operator and Experiecnce Learning Artificial Fish Swarm Algorithm,DOEL-AFSA)。仿真实验结果表明,DOEL-AFSA得到的最短路径比鱼群算法(AFSA)、动态分级蚁群算法(WAS)等算法更好,其求解效率更高。展开更多
应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退...应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。展开更多
文摘为提高智能机器人的路径寻优能力,文章提出一种基于检测算子和经验学习的鱼群算法(Detection Operator and Experiecnce Learning Artificial Fish Swarm Algorithm,DOEL-AFSA)。仿真实验结果表明,DOEL-AFSA得到的最短路径比鱼群算法(AFSA)、动态分级蚁群算法(WAS)等算法更好,其求解效率更高。
文摘应用于输电网扩展规划的人工鱼群算法(artificial fish school algorithm,AFSA)依靠随机移动无条件接受劣解以摆脱局部极值,具有盲目性大的特点,且该算法一般在优化初期收敛较快而后期收敛速度减慢。针对AFSA的上述缺点,文章结合模拟退火算法,提出一种混合人工鱼群算法(HAFSA)。HAFSA利用模拟退火算法的概率性突跳搜索机制,使局部极值跳跃能力具有可控性,降低了算法的盲目性,提高了算法效率;引入基于分段自适应调整视野策略的反馈机制,兼顾了全局搜索与局部挖掘能力;加入拟遗传算法的变异算子加快了优化后期的收敛速度。通过IEEE6节点和巴西南部46节点算例证明了HAFSA的正确性和有效性。