改进头脑风暴算法在多AUV协同搜索动态目标中的应用

针对搜索水中动态目标问题,提出一种基于改进头脑风暴优化(brain storm optimization,BSO)算法的多自主式水下航行器(autonomous underwater vehicle,AUV)协同搜索方法。该方法采用基于马尔可夫过程的运动预测目标存在概率,联合探测信息与预测信息更新目标存在概率。AUV间共享目标存在概率、环境不确定度、协调信息素等信息,各自利用滚动优化策略规划搜索路径。对该方法进行了有效性和鲁棒性的仿真验证。仿真结果表明,该方法能搜索到不同运动模式的水中动态目标,搜索效果优于随机算法、遍历算法等传统算法和BSO智能算法,且对AUV的不同初始出发位置不敏感,提高了战术使用的灵活性。

低碳视角下改进DMBSO算法的垃圾收运路径优化

为解决“垃圾围城”难题,设计改进基于讨论机制的头脑风暴优化(discussion mechanism based brain storm optimization,DMBSO)算法对垃圾收运路径进行优化。首先,在低碳环保背景下,考虑车辆载重对碳排放量的影响,建立了以最短路径和极小化碳排放量为目标的绿色垃圾收运路径优化模型;然后设计改进DMBSO算法,其包含组间讨论和组内讨论,使算法在全局搜索和局部搜索达到平衡,并且引入逆转算子、启发式交叉算子和精英保留策略,使改进DMBSO算法适用于解决离散组合优化问题;最后对9个标准算例和1个实例进行仿真,结果表明改进DMBSO算法优于头脑风暴优化(brain storm optimization,BSO)算法和蚁群算法(ant colony optimization,ACO)算法,能够同时降低运输距离和碳排放量,具有很好的收敛效果和鲁棒性。

分布式多AUV协同搜索方法

针对水下协同搜索中存在通信延时、单个自主式水下航行器(autonomous underwater vehicle,AUV)易失效的问题,提出一种采用分布式协同结构和滚动优化策略,利用改进型头脑风暴优化(brain storm optimization,BSO)算法优化基于目标存在概率、环境不确定度、协调信息素的目标函数的新方法。仿真结果表明,所提方法能实现避碰,并在通信延时情况下仍有能力搜索到所有目标。通过仿真给出了所提方法关键参数的建议取值范围,并验证了个别AUV在搜索过程中失效对总体搜索效果影响不大,方法具有很强的实时性和鲁棒性。