基于IFWA⁃CS算法融合的移动机器人路径规划

为解决基本烟花算法(FWA)在移动机器人路径规划中存在收敛速度慢、易陷入局部最优等不足,首先将RRT算法与FWA算法结合以提升算法初始速度;其次,针对FWA算法存在收敛速度慢的问题,在其选择操作中采用精英选择与轮盘赌法相结合的选择机制增强算法的局部搜索能力;最后利用自适应莱维飞行策略改善其易陷入局部问题。仿真实验结果表明,融合算法的路径长度和收敛速度均得以提升,在移动机器人路径规划中具有很好的实用性。

基于改进磷虾群算法优化Elman神经网络的PEMFC电堆建模

质子交换膜燃料电池(PEMFC)电堆的优化控制需要有精确的电堆模型。现有的基于Elman神经网络建立的PEMFC电堆模型已具有较好的精度,但是此种电堆模型仍然存在容易陷入局部极值、结果无法重现等问题。考虑可以将自适应莱维飞行和偏好随机游动两种机制引入基本磷虾群(Krill Herd,KH)算法,得到一种改进的磷虾群(Improved Krill Herd,IKH)算法用以优化神经网络的初始参数,进而建立基于IKH-Elman网络的PEMFC电堆模型。仿真结果表明,IKH算法用于优化神经网络可同时保证更高的寻优精度和更快的收敛速度;在预测的精度和稳定性上此种电堆模型也具有一定的优势。