多机任务分配与路径规划协同优化法研究

针对多无人机执行多目标协同侦察的任务需求,提出了多机多目标任务分配与路径规划的协同优化方法。以单亲遗传算法(partheno genetic algorithms,PGA)为基础,基于Dubins曲线构建了与实际路径代价相结合的代价函数;为进一步减小计算量,提出了基于无人机探测距离的聚类算法,将生成的聚类点作为无人机新的航路点。仿真结果表明:在考虑禁飞区域以及侦察点繁多情况下,该算法能够有效完成无人机的侦察任务分配并同时形成初步航路,提高了任务分配的合理性和收敛速度,并降低了全局代价。

基于改进离散鲸鱼优化算法的机器人路径规划

为了解决传统算法在求解移动机器人路径规划问题中所存在的收敛速度慢、容易陷入局部最优等缺陷,提出了一种改进的离散鲸鱼优化算法.首先,采用蚁群算法对种群进行初始化,提高初始解的质量;其次,利用改进的非线性收敛因子平衡算法的全局勘探和局部搜索能力,避免算法陷入局部最优;最后,结合路径规划问题设计了交叉算子、变邻域搜索算子和变异算子改进鲸鱼算法的更新公式,提升了算法的收敛速度和搜索精度.通过TSPLIB标准算例库,将改进算法与其他算法进行对比,验证了算法改进的有效性.在不同规模的全局路径规划仿真环境下,实验结果表明:改进的算法可快速且稳定地获取全局最优路径,有效缩短路径长度、减少路径拐点数,在路径规划问题上具有良好的适用性.

求解带负载约束车辆路径问题的多策略协同智能优化算法

随着现代科技和社会的进步,交通运输领域中的车辆路径问题已经成为了影响各行业发展的重要因素,在这个背景下,有效的车辆路径规划变得至关重要,这其中较为典型的便是带负载约束的车辆路径问题。为此,本文提出了一种基于鲸鱼优化算法多策略协同的优化方法,该方法将鲸鱼优化算法(WOA)、模拟退火(SA)和引力搜索算法(GSA)结合应用于带负载约束的车辆路径问题,通过这一方法,降低运输成本,减少车辆的行驶距离以及提高车辆的运输效率。为验证方法有效性和可行性,我们采用CVRPLIB中的数据进行了实验,结果表明:所提算法能够有效解决带容量约束车辆路径问题,有较强的寻优能力,求解质量优于所对比算法。

基于自适应动态鲸鱼优化算法的路径规划研究

针对鲸鱼优化算法(WOA)求解路径规划问题时存在收敛慢、精度低以及局部最优等缺陷,提出一种自适应动态鲸鱼优化算法(ADWOA)来实现对路径的合理规划。首先,引入改进后的Circle混沌映射提高初始种群质量;然后,使用非线性收敛因子和自适应惯性权重平衡算法的全局寻优和局部寻优,加快算法收敛速度;最后,使用动态的螺旋更新系数,提高算法跳出局部最优的能力。通过仿真实验验证了自适应动态鲸鱼优化算法在机器人路径规划时的有效性。

基于改进鲸鱼算法和A^(∗)算法的地面放线机器人路径规划

针对智能工厂内部装修中的工作区分割线、设备布局线勾画的路径优化问题,提出了一种基于A^(∗)算法与改进鲸鱼算法相结合的A^(∗)-IWOA混合算法。考虑到地面放线机器人的工作方式及其特点,以机器人选址路径最短和运行时精准躲避障碍物为双目标建立混合整数规划模型。将所有待放线轮廓进行排序标注特征点,确定各个轮廓放线起始点,应用A^(∗)算法对启发函数进行全局规划,生成各个图形轮廓特征点间的局部连接路径,连接辅助路径获得机器人运行的主路径,并通过改进鲸鱼算法对主路径进行二次规划,得到地面放线机器人最终的作业路径,既对放线路径进行了优化,又实现了自动行走避障。由A^(∗)-IWOA算法仿真结果以及和其他算法对比情况显示,应用两种算法相结合得到的地面放线机器人路径规划总长度较短,平均迭代次数更少,提高了地面放线机器人路径规划中的路径搜索效率。并且也说明了提出的方法规划出的全局路径满足放线目标和碰撞约束要求,验证了该方法的可行性和有效性。

一种自适应鲸鱼快速优化算法

针对标准鲸鱼优化算法存在的局部搜索能力不足、收敛速度慢等问题,提出了一种自适应鲸鱼快速优化算法AWOA。该算法根据个体的集散程度自适应选择全局搜索或局部搜索,在两者之间实现了动态平衡。针对偏离样本平均位置程度较高的个体引入Levy Flight进行二次优化,进一步扩大搜索区域,保证了算法的全局搜索能力。采用标准测试函数证实了AOWA具有较高的收敛速度及稳定性。将AWOA应用于无人车路径规划问题,仿真结果表明其具有稳定的局部搜索能力和全局搜索能力。

改进鲸鱼优化算法在机器人路径规划中的应用

针对使用标准鲸鱼优化算法求解机器人路径规划问题时,存在收敛速度慢且容易陷入局部最优值的问题,提出混合粒子群优化算法与自适应权重策略的改进鲸鱼优化算法(PSO-AWOA).通过在标准PSO和WOA算法中引入非线性惯性权重因子,使种群进化过程中自适应更新权重,提高了算法的全局探索能力和收敛速度,同时通过将寻优能力较强的PSO算法引入WOA算法的开发阶段,保证迭代的新解优于原始解,增强了算法跳出局部最优的能力.最后,将PSO-AWOA算法应用到的栅格地图仿真环境中进行机器人最佳路径求解.通过对比给定算法的耗时、规划路径长度以及拐点数,结果表明,提出的PSO-AWOA算法在优化精度和收敛速度上优于文中给定的其他算法,验证了改进算法的有效性.

预警机制的鲸鱼算法及时间约束的航迹规划

针对高实时性要求的固定翼无人机航迹规划问题,在模型中引入算法的运行时间以契合实际工程要求,并提出基于预警机制的改进鲸鱼优化算法完成求解;该算法通过对适应度进行排序定义个体的预警概率,并借此控制个体更新机制的选取;随后引入与预警概率关联的权重系数控制螺旋更新机制的收缩扩张,同时使用莱维飞行改进随机游走机制加快收敛,达到平衡各机制开发与探索能力的目的;有效地改善算法收敛速度慢、精度低的缺陷;使用基准函数测试并验证算法的有效性,并在不同维度与距离的航迹规划对比仿真实验中量化改进算法在收敛精度与收敛速度的优越性;仿真实验表明,面对低维度航迹规划时,算法精度可提高8.0%;面对高纬度航迹规划时,算法收敛速度可提高50%。

基于改进鲸鱼优化算法的AUV三维路径规划

自主水下机器人(autonomous underwater vehicle,AUV)已成为不同领域多种水下作业最有效的装备之一。针对其全局路径规划问题,提出了一种基于改进鲸鱼优化算法的求解方法。首先对于建模问题,在环境模型中,鉴于三维空间中设置路径点的复杂性,给出了基于连接型快速扩展随机树(connected rapidly-exploring random tree,RRT-Connect)的建模方法;在数学优化模型中,综合了路径平滑度、下潜梯度和航行时间等3项评价准则,并考虑了强海流及障碍物带来的相关约束。然后针对上述模型,提出了一种改进的鲸鱼优化算法。引入了基于问题连接结构的优化思想,据此在线构建了关键子集族和有效子集族,用于实时发现关键度和有效度较高的连接集,并增大其重复利用率,以提高算法的收敛速度和精度。此外,为更全面有效地利用历史进化信息,设计了多学习集构造个体引领者及联合引导策略,以进一步增强算法的整体性能。最后根据实际海底地形信息和不同海流模型,设置了多种路径规划情形进行仿真实验。结果表明,相对于文献中其他鲸鱼优化算法和经典算法,所提算法在求解精度、收敛速度和稳定性等方面均表现更为出色,可较好地满足AUV航行的路径规划需求。

基于蚁群粒子群融合的多机器人协同路径规划算法

为提高多机器人协同作业效率,设计一种基于蚁群粒子群融合的多机器人协同路径规划算法。运用栅格法构建多机器人协同作业环境栅格模型,设定机器人约束条件;再运用粒子群算法预规划得出各机器人最优参考路径,使用蚁群算法将此类路径转化或信息素加强值,经蚁群算法的迭代运算后,获得各机器人全局最优避障路径;引入作业避碰规则,消除各个机器人全局最优避障路径中的机器人间碰撞路径,得到最终的多机器人协同路径。实验结果表明,所提算法最终规划得到的多机器人协同路径较理想,能够有效避开全部障碍物,并消除各机器人间的碰撞,整体规划耗时低于20 ms,时效性较高。

无人机协同的路径规划与通信保持优化策略

为降低无人机通信的信号中断、改进优化多无人机协同的搜索与路径规划质量,提出基于无人机自定位、改进蚁群遗传算法的组合算法,通过将多个无人机的地上目标旅行商航路规划(Multiple Traveling Salesman Problem,MTSP)问题,转换为多个独立路径的组合优化集合(TSP)问题,引入局部信息素的搜索优化算子,为避免路径寻址工作陷入过早收敛,设计与应用选择算子、交叉算子,对不同无人机路径规划的种群个体作出交叉操作。同时在无人机通信网络路由选择分析的基础上,通过调整无人机的路径规划方式,优化通信网络性能、降低通信延时,实现区域内多无人机目标的可靠信息传输。

基于双移动锚节点的无线传感器网络定位算法

为提高无线传感器节点的定位精度,降低定位能耗,提出一种基于鲸鱼优化算法和双移动锚节点的定位算法。使用两个移动锚节点按照设计的移动路径遍历整个部署区域,使用加权质心算法估算节点大致位置,使用鲸鱼优化算法提高定位精度。仿真结果表明,提出的路径比PP-MMAN、GTURN和GSCAN等其它使用多个移动锚节点的路径更短,降低了移动锚节点的能耗;所提路径规划算法配合使用鲸鱼优化算法的定位精度较高,受通信不规则度和测距误差的影响较小。

基于距离测算的企业物流配送最优路径规划模型研究

针对当前企业物流配送总成本过高、配送距离过长等问题,提出基于距离测算的企业物流配送最优路径规划模型.测算企业物流配送时的车辆行驶时间距离与空间距离,将两者归一化处理实现配送距离测算;借助鲸鱼优化算法,通过包围猎物的形似搜索最优配送路径;为避免陷入局部最优解,融合莱维飞行与鲸鱼优化算法,选择最优配送路径;结合距离测算值与改进后的鲸鱼优化算法,构建企业物流配送最优路径规划模型.通过该模型选择捕猎路径最短的鲸鱼,将该鲸鱼的位置作为最佳鲸鱼位置并输出,实现企业物流配送最优路径规划.该模型可在城市内有大量需求点情况下,规划出最优路径,且规划后的路径能够有效减少配送距离、降低时间消耗.

移动机器人避障控制的路径规划研究

为提升移动机器人在复杂动态环境下的避障能力,使其能在全局路径引导下安全高效地完成避障任务,在运动前规划出合理的全局路径至关重要。针对传统遗传算法在路径规划过程中所出现的优化准确率和收敛度不高等问题,设计适应度函数对遗传算法进行改进,并提出将鲸群算法与遗传算法智能融合的研究方法,优化提高遗传算法中最优算子的优良性,有效降低运算迭代所需的工作量,提升传统遗传算法在全局路径规划中的的准确性与效率。

基于鲸优化算法的自导航机器人路径规划研究

自导航机器人(Automated Guided Vehicle,AGV)是现代产业不可或缺的重要组成部分。本文对AGV路径规划算法进行研究和设计。首先,采用栅格法对AGV运行环境建模,并制定约束规则以解决多AGV的冲突问题。其次,引入双非线性收敛因子和强制驱散机制对经典WOA进行改进。再次,定义适应度函数,并将改进的WOA应用于路径规划算法。仿真和实验结果表明,基于改进WOA的规划算法能够有效简化路径复杂度、降低机器人控制难度。

基于改进鲸鱼算法的无人机三维路径规划

无人机三维路径规划是一个比较复杂的全局优化问题,其目标是在考虑威胁和约束的条件下,获得最优或接近最优的飞行路径。针对鲸鱼算法在进行无人机三维航迹规划时,存在容易陷入局部最优、收敛速度较慢、收敛精度不够高等问题,提出了一种基于莱维飞行(Lévy flight)的鲸鱼优化算法(Levy Flight Based on Whale Optimization Algorithm, LWOA),用于解决无人机三维路径规划问题。该算法在迭代过程中加入了Levy飞行对最优解进行随机扰动;引入了信息交流机制,通过当前全局最优解和个体记忆最优解以及邻域最优解来更新个体的位置,能够更好地权衡局部收敛和全局开发。仿真结果表明,所提路径规划算法可以有效避开威胁区,收敛速度更快,收敛精度更高,且更不易陷入局部最优解。当迭代次数为300次、种群个数为50时,LWOA算法求得的成本函数值是PSO算法的91.1%,是GWO算法的92.1%,是WOA算法的95.9%,航迹代价更小。

改进鲸鱼算法及其在路径规划的应用

针对鲸鱼优化算法(WOA)存在的收敛速度慢、收敛精度低和易陷入局部最优等问题,提出了采用非线性收敛因子、协同a的惯性权重、时变独立搜索概率和免疫记忆改进的鲸鱼优化算法(IWTWOA);应用非线性收敛因子、协同a的惯性权重和时变独立搜索概率改进WOA迭代模型,平衡了算法的全局搜索和局部搜索能力,有效避免了陷入局部最优的问题;引入免疫算法的免疫记忆机制,提高了算法收敛速度;选取了15个基准测试函数进行性能测试,结果表明IWTWOA算法在稳定性、计算精度和收敛速度上均有所提高;最终将其应用在路径规划问题中,获得了较好的结果。

混沌多精英鲸鱼优化算法

针对无人机(UAV)的航迹规划问题,提出了一种基于混沌多精英鲸鱼优化算法(CML-WOA)的航迹规划方法。首先,在已知飞行环境下,建立3D飞行空间模型和航迹代价模型。通过引入罚函数,将有约束3D航迹规划问题转化为无约束多维函数优化问题,利用CML-WOA求解模型来获得最优航迹。其次,为克服WOA易陷入局部最优的缺陷,引入立方映射混沌算子改善初始种群,增强种群多样性,并通过自适应框架融入正余弦算法(SCA),利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后,使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法,寻优性能明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度;能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。

基于改进鲸鱼算法的路径规划方法研究

针对移动机器人路径规划问题,为了求解出更为有效的移动路径,提出了一种新的求解方法-鲸鱼优化算法(WOA),在基本鲸鱼优化算法的基础之上引入惯性权重,以增强搜索能力,提高基本算法的有效性。最后通过实例,将改进的鲸鱼优化算法与遗传算法(GA)、蚁群算法(ACO)进行比较分析,验证了改进鲸鱼优化算法在路径规划方面的有效性。

应急搜索UAV集群协同任务规划策略

目前应急搜索无人机(UAV)集群存在搜索效率低、覆盖完整性低、多机组网稳定性差等问题。对此,该文提出一种基于优化模糊C聚类算法(O-FCMA)结合优化混合粒子群算法(O-HPSO)的终端-路由UAV区域搜索任务规划策略。以UAV监测区域范围为基础,通过建立搜索区域的空间模型,进一步运用O-FCMA进行区域几何划分,并采用O-HPSO实现划分区域内的路径规划,以实现多UAV集群搜索总体任务的规划。仿真实验结果表明,采用O-HPSO结合O-FCMA进行无源UAV区域搜索任务较ACO或模拟退火算法结合K聚类算法或FCMA相比,在保证搜索区域全覆盖条件下,有源搜索与无源搜索过程中UAV决策时间分别降低了7%~21%和16%~31%,搜索效率分别提升了7%~13%和3%~7%。结果表明所提方法有效降低了UAV集群的决策时间,提升了搜索效率。