基于DNN与IMPDE的武器系统效能优化

针对武器系统结构复杂,多变量多峰值的特点,难以稳定、准确地获得最佳参数组合,达到系统效能最大化的问题,建立以效能影响因素为输入、效能值为输出的深度神经网络模型,并提出一种改进多种群差分进化算法(IMPDE)。算法引入多种群协同进化策略和参数自适应调整策略,采用各具特点的差分进化算法对不同的子种群执行进化操作,增强了种群个体的多样性,保证了算法快速收敛的同时能有效地跳出局部极值点,提高了算法全局寻优的能力。仿真对比结果表明,上述算法具有更好的寻优精度和稳定性,可以高效准确地寻找到参数最佳组合。

改进蜉蝣算法的移动机器人路径规划研究

针对传统蜉蝣算法在机器人路径规划领域应用时存在收敛速度较慢、精度差、稳定性不足等问题,提出了一种改进的蜉蝣算法。该算法引入了一种动态参数调整策略,使算法局部搜索与全局搜索能力达到更好的平衡,并融合了莱维飞行策略与跳出策略,避免了算法陷入局部最优。在20×20的地图环境下对改进的蜉蝣算法进行20次随机仿真实验,仿真表明本算法在求解精度和求解速度上均有较显著提升。同时,为进一步验证本文改进蜉蝣算法的可靠性和有效性,在30×30的栅格地图环境下对改进蜉蝣算法进行20次随机仿真实验,结果表明改进蜉蝣算法在可靠性和稳定性上也有所提升。