复合形引导蜂群寻优的无人机航迹多目标规划

为了提高无人机导航路径规划的精度和稳定性,提出了复合形引导蜂群寻优的无人机航迹多目标优化方法。使用坐标变换方法,将二维规划问题降为一维;建立了航迹规划的目标函数与约束条件;在传统人工蜂群基础上,改进了蜜源初始化方法,使前后航迹点相互关联,提高航迹可行率;为了提高收敛速度,改进了雇佣蜂和观察蜂的蜜源搜索方式,提出了随机搜索与最优蜜源引导相结合的位置更新方式;提出了Metropolis准则改进观察蜂蜜源选择策略,有利于算法跳出局部最优、保留潜在最优;使用复合形法引导蜂群整体向优质蜜源运动,提出了复合形引导蜂群寻优算法。经仿真验证,与传统算法和混沌扰动算法相比,复合形引导蜂群算法的收敛迭代次数分别减少了4倍和6倍,寻优时间降低了约一个数量级,且规划航迹更优、稳定性更好。

人工蜂群最优化测井解释方法在致密砂岩储层评价中的应用

最优化测井解释方法打破了常规解释的局限性,充分利用测井资料及地质信息,可有效地评价复杂岩性储层,而优化算法是最优化测井解释的关键。利用人工蜂群(ABC)最优化方法求取苏里格致密砂岩储层某段的各组分体积含量,并与细菌觅食-复合形混合算法(BFA-CM)和遗传算法(GA)进行对比。结果表明,ABC最优化测井解释方法在处理致密砂岩储层时具有参数设置简单,全局搜索能力强,不需要二次优化就可达到所需精度,为最优化测井解释提供了一种新方法。

基于改进粒子群优化算法的无人机路径规划研究

粒子群优化(PSO)算法是一种具有过早收敛和易于停滞的简单方法。在使用PSO解决路径规划问题时,效率损失和次优解决方案经常发生。因此,本文提出了一种通过使用Rauch Tung Striebel(RTS)滤波器来优化影响PSO算法性能参数的方法。此外,使用RTS滤波器消除PSO更新位置的不规则误差,并平滑生成的路径。实验结果表明,该方法基于PSO并结合RTS算法,在无人机路径规划问题的解决方案质量和鲁棒性方面均优于现有方法。