基于改进瞪羚优化算法的机器人路径规划

为了改善机器人路径规划中效率低、寻优速度慢等问题,设计一种改进的瞪羚优化算法。首先,在原始瞪羚优化算法初始化后引入正交学习机制,防止瞪羚优化算法在搜索过程中失衡,扩大直接寻优区域,从而保持解的多样性;其次,在瞪羚优化算法中引入Rosenbrock直接旋转策略,对搜索更新机制进行改进,从而提升算法寻优效率;最后,基于不同环境进行机器人路径规划仿真。仿真结果表明,改进的瞪羚优化算法相比其他对比算法各项指标得到不同程度提升,寻优效率更高,可以有效帮助机器人完成规划任务。

精英反向学习及柯西扰动引导的瞪羚优化算法

针对瞪羚优化算法收敛精度低和易陷入局部最优的问题,提出一种精英反向学习及柯西扰动引导的瞪羚优化算法(improved gazelle optimization algorithm,IGOA)。首先,对瞪羚个体利用精英反向学习策略进行初始化,提升初始解的质量并增加种群多样性;其次,在算法迭代初期,利用二阶段非线性惯性权重引导种群的位置更新方式,提高算法的精度并均衡算法的全局搜索和局部搜索;最后,将存活率引导的柯西扰动策略引入勘探阶段种群的位置更新公式中,提升算法跳出局部最优的能力。利用12个基准测试函数和Wilcoxon秩和检验在8个对比算法上进行实验检测,结果表明改进算法寻优精度更高、收敛速度更快且具有跳出局部最优的能力。在齿轮系和三杆桁架设计两个实际工程问题上验证了IGOA的实用性和有效性。

改进瞪羚算法在机器人路径规划中的应用研究

针对瞪羚优化算法(gazelle optimization algorithm, GOA)收敛速度慢和易陷入局部最优等问题,提出一种改进瞪羚优化算法(IGOA)。首先,将Logistic混沌映射用于种群初始化,增加粒子多样性以提高算法逃离局部最优能力;其次,以迭代次数t为系统参数构造正余弦扰动算子和跳跃步长权重因子用于更新粒子位置,以加快算法收敛速度;同时,改进捕食者累积效应表达式以提高算法收敛精度;最后,基于粒子上下边界改进越界粒子位置,以提高算法收敛精度。将改进算法与传统GOA算法以及4个先进算法在8个标准测试函数上进行对比实验,结果表明改进算法在收敛精度和收敛速度方面优势明显。将改进算法用于机器人路径规划,结果表明改进算法搜索效率更高、收敛速度更快和规划路径更短。

基于数据处理与若干群体算法优化的GRU/LSTM水质时间序列预测

为提高水质时间序列预测精度,提出一种基于小波包变换(WPT)和变色龙优化算法(CSA)、猎豹优化(CO)算法和山瞪羚优化(MGO)算法的优化门限循环控制单元(GRU)、长短期记忆神经网络(LSTM)的预测模型。首先利用WPT对pH值、DO、COD_(Mn)、NH_(3)-N时间序列进行平稳化处理,得到若干个规律性较强的子序列分量;其次简要介绍了CSA、CO、MGO算法原理,利用CSA、CO、MGO分别寻优GRU、LSTM超参数,建立WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型;最后利用所建立的模型对pH值及DO、COD_(Mn)、NH_(3)-N浓度各分量进行预测和重构,并建立WPT-GRU、WPT-LSTM和WPT-CSA-SVM、WPT-CO-SVM、WPT-MGO-SVM模型作对比分析模型,以云南省昆明市观音山断面为例,通过pH值及DO、COD_(Mn)、NH_(3)-N浓度预测对模型进行了验证。结果表明:WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU、WPT-CSA-LSTM、WPT-CO-LSTM、WPT-MGO-LSTM模型对实例pH值及DO、COD_(Mn)、NH_(3)-N浓度的预测精度优于其他对比模型,具有较好的预测效果,其中尤以WPT-CSA-GRU、WPT-CO-GRU、WPT-MGO-GRU模型的预测精度最高;CSA、CO、MGO能有效调优GRU、LSTM超参数,显著提高GRU、LSTM预测性能;所构建的6种模型预测精度高且计算规模小,是有效的水质时间序列预测模型,可为相关水质预测研究提供参考。