基于改进A^(*)算法的西北航道多目标航路规划

全球气候变暖导致北极海冰消融,西北航道进行商业运输活动的船舶数量越来越多。针对北极西北航道复杂冰情下船舶航行安全及经济性的需求,充分考虑了海冰特性、船舶破冰能力以及实际航行风险,以船舶燃油消耗和航时为优化目标,构建了基于动态加权A^(*)算法的多目标冰区航路规划模型。提出了一种考虑安全距离的动态加权A^(*)算法,引入指数衰减因子调整A^(*)算法的搜索策略,减少不必要的搜索空间,并将其应用于冰区航路规划模型,进行西北航道航路规划仿真分析。仿真实验结果表明:该方法能够在确保船舶航行安全的基础上规划出燃油消耗及航时较优的航路,有效解决了船舶与海岸线、恶劣冰区边缘之间的安全距离问题,确保冰区航行的安全性。

Photovoltaic Models Parameters Estimation Based on Weighted Mean of Vectors

Renewable energy sources are gaining popularity,particularly photovoltaic energy as a clean energy source.This is evident in the advancement of scientific research aimed at improving solar cell performance.Due to the non-linear nature of the photovoltaic cell,modeling solar cells and extracting their parameters is one of the most important challenges in this discipline.As a result,the use of optimization algorithms to solve this problem is expanding and evolving at a rapid rate.In this paper,a weIghted meaN oF vectOrs algorithm(INFO)that calculates the weighted mean for a set of vectors in the search space has been applied to estimate the parameters of solar cells in an efficient and precise way.In each generation,the INFO utilizes three operations to update the vectors’locations:updating rules,vector merging,and local search.The INFO is applied to estimate the parameters of static models such as single and double diodes,as well as dynamic models such as integral and fractional models.The outcomes of all applications are examined and compared to several recent algorithms.As well as the results are evaluated through statistical analysis.The results analyzed supported the proposed algorithm’s efficiency,accuracy,and durability when compared to recent optimization algorithms.

基于A^(*)与DWA算法的融合优化策略研究

针对单独使用A^(*)或DWA算法难以同时实现全局路径最优和动态避障的问题,提出了一种基于A^(*)算法与DWA算法的优化融合策略。通过引入环境复杂度动态权重因子,优化A^(*)算法评价函数,提高算法的适应性;采用冗余点去除策略对A^(*)算法生成的全局路径进行优化,以提高路径效率;考虑移动机器人周围环境状况,引入距离自适应系数对DWA算法的评价函数进行优化,提高了局部路径规划的性能;以优化后A^(*)算法生成的全局路径中的关键节点作为DWA算法的临时目标点进行路径规划,实现全局路径最优化与实时避障的兼顾。最后,通过多组仿真实验验证了改进算法的可行性。

基于双向搜索的改进A^(*)算法路径规划研究

为了提高A^(*)算法的搜索效率、保证路径的最优性,提出了一种基于双向搜索的改进A^(*)算法,以正向、反向搜索的当前节点互为目标点进行双向搜索。首先,引入加权曼哈顿作为距离启发函数,动态调整代价函数的权重比,以保证算法的实时性和路径的优越性;其次,针对双向路径搜索过程中存在的局部路径最优问题,在启发函数中加入偏离最优距离作为代价因素。仿真实验结果表明,该算法的搜索效率更高、遍历节点和路径代价更少,验证了算法的有效性。

一种改进启发函数的A^(*)算法

针对传统A^(*)算法路径搜索节点多和转折角度大的问题,提出一种改进启发函数的A^(*)算法.首先,基于子节点到目标节点的距离改进启发函数表达式;其次,以子节点到目标节点障碍物占地面积与子节点到目标节点地图总面积比值构造的动态权重因子调整启发函数;最后,以启发函数构造累积代价函数的权重因子.结果表明,相比其他5种路径规划算法,改进后A^(*)算法可有效减少搜索节点数,提高搜索效率,降低路径转折角度.

基于改进A^(*)算法的AGV路径规划

相对于传统的物流仓库来说,现在很多的自动化仓库不再使用工人去分拣货物,而是使用自动引导车完成货物的分拣,将“从人到货”的工作模式变为“从货到人”,这种工作模式的转变,不仅解放了工人的劳动力,同时还实现了自动化仓库的机械化与自动化的结合,大幅度地提升工作效率.自动引导车在自动化仓库分拣货物的过程中一个重要的环节就是路径规划问题.针对仓库中自动引导车的路径规划问题,对传统的A^(*)算法提出改进.传统A^(*)算法规划出来的路线具有路径过长、转折角度较大、路径不够平滑的缺陷.针对以上缺陷,提出动态加权以及改变搜索邻域的方法对传统A^(*)算法进行改进,因此减少了搜索节点,提高了搜索速度.同时多次使用高阶贝塞尔曲线对改进后的A^(*)算法规划出来的路线进行平滑处理,减少了转折点.最后进行3组仿真实验对比,证实本文提出的改进是有参考价值的.

融合动态权重系数与Levy飞行的黏菌优化算法

为了克服黏菌算法在后期收敛速度缓慢、容易陷入局部极值的缺点,提出一种融合动态权重系数与Levy飞行的黏菌优化算法.首先利用Bernoulli混沌映射对黏菌种群进行初始化,可大幅度提高种群多样性;提出动态权重系数策略,即在位置更新公式中引入一个非线性变化的权重系数ω,动态调整搜索步长,均衡算法的全局搜索能力;借助Levy飞行策略,增强算法后期局部探索能力,加快收敛速度.文中选用10个通用测试函数对改进黏菌算法与其他五种算法进行比较,实验结果显示,改进后的黏菌算法在单峰函数和多峰函数上的寻优效率更高,寻优效果理想,全局搜索和局部开发能力更平衡.

自适应调零天线动态性能影响因素研究

本文针对卫星导航接收机的功率倒置(PI)算法在动态环境下受到最优权值处理速度的制约,导致动态抗干扰性能下降这一个问题,通过建立动态仿真环境,以七阵元均匀圆阵作为天线布阵的仿真模型,研究了不同权值更新速率对动态抗干扰性能的影响,证明了权值更新速率的提升对动态抗干扰性能也有相应的提高。并且分析了在不同快拍数以及不同时域抽头数对动态抗干扰性能的影响,证明了可以通过适当选择快拍数和时域抽头数来提高权值更新速率。本研究为建立更加完善的工程实现方案提供了理论依据,对存在类似需求的空时自适应调零天线抗干扰系统具有一定的参考价值。

多策略融合改进的金豺优化算法及其在马斯京根模型参数估计中的应用

针对金豺优化算法在解决复杂或高维优化问题时易陷入局部最优、收敛速度慢和计算精度低等不足,提出一种基于多策略融合改进的金豺优化算法(Multi strategy fusion improved Golden Jackal Optimization Algorithm,MGJO)。首先,通过引入混沌映射策略初始化种群代替随机参数,使得算法能够在搜索空间中生成具有良好多样性的初始解,避免初始种群分布偏离最优值;其次,提出一种非线性变化的动态惯性权重使搜索过程更加符合实际情况,有效平衡了算法的全局搜索和局部搜索能力;最后,引入柯西变异的位置更新策略使其充分利用最优个体的引导作用提高种群多样性,以有效探索未知区域避免算法陷入局部最优。为了验证改进的金豺优化算法的寻优精度、收敛性能和稳定性,选择了8个不同特征的基准测试函数进行试验。结果表明,在8个基准测试函数中,改进的金豺优化算法的平均值、标准差、最优值都取得了最优的结果。此外,Wilcoxon符号秩检验的结果表明改进的金豺优化算法在统计学上是显著优越的。通过实例应用表明,基于多策略融合改进的金豺优化算法可以有效地估算出马斯京根模型的参数,优化效果明显优于粒子群优化算法、正弦余弦优化算法和金豺优化算法,进一步验证了多策略融合改进的有效性和改进算法在参数优化中的优越性,为更精确估计非线性马斯京根模型参数提供了一种有效的新方法。

基于遗传粒子群动态聚类算法的物流柔性分拣系统品规分配

目的针对目前烟草物流配送中心条烟分拣量大,不同条烟品规的分配对订单的总处理时间影响较大的问题,研究平衡各个分拣区品规的分配,提高分拣效率。方法建立以各分区品规相似系数和最小为目标函数的数学模型,并采用改进的遗传粒子群动态聚类(GAPSO-K)算法进行求解。首先,结合各品规分拣量对品规相似系数进行改进,并将其作为适应度函数;然后在粒子群算法中对惯性权重因子进行改进,使其值可以进行自适应改变;最后,在粒子群动态聚类算法中引入遗传算法中的交叉变异扩大解的搜索范围,基于Matlab对文中的其他算法进行求解对比,求得结果在EM-plant中进行仿真验证。结果结合某烟草物流配送中心数据仿真验证,利用GAPSO-K算法处理订单的时间为234.5 s,较传统时间大幅度较少,有效提升了柔性物流分拣效率。结论采用该算法可充分发挥2种算法的优良性,具有更好的收敛性及寻优性,为柔性物流品规分配提供了新思路。

基于STM32的牡蛎重量分级机控制系统设计

为提高牡蛎自动化加工水平,基于STM32单片机设计牡蛎重量分级控制系统。该控制系统由数据采集模块、分级控制模块、驱动模块和人机交互模块组成,以牡蛎重量为分级标准,称重托盘重量和位置信息为主要控制条件,采用遗传算法优化神经网络(GA-BP)动态称重模型和动态追踪定位方式,准确获得牡蛎重量和称重托盘位置,使用触摸屏进行人机交互,可实现称重分级一体化。试验结果表明,该控制系统的称重误差最大为0.8 g,在最大运行速度下,分级准确率达到95%,较好地实现牡蛎快速称重分级。

基于MIWOA优化SCN的变压器故障诊断研究

针对变压器故障诊断精确度低的问题,本文提出了一种多策略改进的鲸鱼优化算法(MIWOA)优化随机配置网络(SCN)的变压器故障诊断模型。首先,对变压器冗杂繁多的原始故障数据进行核主成分分析(KPCA)降维处理,降低无效特征的影响;其次,利用Tent混沌映射、动态自适应权重和初级知识获取共享算法对鲸鱼算法(WOA)进行改进,提高其优化能力;然后,在SCN中引入L2范数惩罚项进行正则化处理,并使用改进后的MIWOA算法对SCN惩罚项系数C进行寻优求解,提高SCN分类精度和泛化能力;最后,将降维的数据输入到MIWOA-SCN故障诊断模型中,提高模型收敛速度。结果表明,本文所提出的模型诊断精度为93.1%,与WOA-SCN、GWO-SCN和PSO-SCN诊断模型相比,分别提高了6.89%、9.48%、14.65%,证明MIWOA-SCN诊断模型在变压器故障诊断上具有良好的诊断效果。

基于用户画像及多车协同的环岛车辆换道策略

基于智能网联汽车车-路-环境的协同策略已成为一种解决智能交通领域问题的有效方案。因此通过结合交通环岛的行车特点,提出了一种基于车辆用户画像的交通环岛换道策略。首先为了解决交通环岛中智能网联汽车多源异构数据的混杂问题,定义了车辆用户画像,对智能网联汽车多维数据进行表征。其次,基于随机森林算法对车辆用户画像中标签的权重进行实时更新。再次,根据车辆用户画像及动态权重设计收益函数针对环岛出口位置的内道车辆进行换道决策,实现了决策的场景自适应。最后,利用SUMO对本算法在交通拥堵、正常、稀疏等三种场景中进行仿真测试。实验结果表明本算法使得车辆在交通环岛的通行效率和舒适度均得到有效提升,以此验证了车辆用户画像对于优化决策的场景自适应效果的作用。

融合改进的A*算法和动态窗口法的机器人路径规划

传统A*算法在进行路径规划时存在搜索效率低、冗余点多、不能及时躲避环境中的未知障碍物等问题,现将改进A*算法和动态窗口法(Dynamic Window Approach,DWA)融合后进行机器人路径规划.首先在传统A*算法的启发函数前引入动态权重系数;然后采用关键点选取策略剔除路径上的冗余节点;最后将改进A*算法所规划的路径上的关键点作为DWA算法的中间目标点,在全局路径的基础上实现动态避障.仿真结果表明,该融合算法能在躲避动态障碍物的同时快速规划出一条全局最优路径.

应用草原放牧算法的机器人动态参数迭代辨识

准确的动态模型参数是机器人导纳控制、轨迹跟踪和力控制的基础.常用的最小二乘法难以满足动态参数辨识的高精度要求.应用草原放牧算法,通过迭代更新各采样点的数据权重,能够避免观测数据中的异常值干扰辨识计算.同时,为充分激发机器人各连杆的动态特性,采用fmincon函数优化参数辨识实验所用的激励轨迹,并设计对照实验以探究激励轨迹优化对参数辨识的影响.辨识方法在六自由度机器人身上得到实验验证:相比加权最小二乘法,运用草原放牧算法辨识的动态参数来预测机器人各关节的驱动力矩,残差平均降低18.12%.这为机器人的力矩跟踪控制提供了一种新思路.

融入动态学习与高斯变异的自适应秃鹰搜索算法

针对标准秃鹰搜索算法寻优时存在的初始种群分布不均匀、个体适应性差和易陷入局部最优等问题,提出一种改进的秃鹰搜索算法应用于求解函数优化问题。首先,引入Circle混沌映射丰富初始种群的多样性,在搜索空间阶段引入一种非线性权重自适应地调整算法搜索与开发的能力;其次,令螺旋搜索过程中秃鹰领导者个体向具有代表性的秃鹰个体进行动态学习,产生出适应性强的秃鹰个体;最后,对最佳搜索位置的秃鹰个体执行高斯变异策略,根据个体适应度大小择优更新曲线俯冲过程中的秃鹰领导者个体,种群中多数秃鹰个体的适应性得到增强,能够一定程度上避免算法在函数寻优时出现的停滞局面。通过在若干基准测试函数与部分CEC2017函数的对比实验验证了本文算法的优越性。

一种求解数值和工程问题的改进算术优化算法

算术优化算法是一种新的元启发式算法,在数值优化中具有良好的收敛速度和精度,但在处理优化问题时存在易陷入局部最优等问题。通过提升初始种群的质量、引入自适应权重和Lévy飞行策略等,文章提出了一种改进的算术优化算法(MAOA),并在CEC2022基准函数和CEC2020工程约束问题上对MAOA与对比算法进行了对比实验。统计结果表明,MAOA在性能上优于其他对比算法。

基于动态双种群的黏菌和花粉混合算法

针对单一启发式算法易受自身原理导致的全局和局部搜索不平衡的问题,提出了一种基于动态双种群的黏菌和花粉混合算法HASMFP。首先,通过种群个体和当前最优个体之间的距离,将种群动态划分为黏菌子种群和花粉子种群分别进行搜索,以更有效地平衡算法的探索能力和开发能力;其次,对全局搜索融入相似度与适应度的综合排序感知机制来提高黏菌子种群的多样性,以帮助黏菌算法跳出局部最优;最后,在标准花粉算法的全局搜索中加入动态权重和恒定收缩系数,并对局部搜索设计了精英引导项来提高算法的收敛速度和搜索精度。选用CEC2017测试集中的12个函数作为实验测试集,将HASMFP与ISMA、DTSMA、HLFPA、SCFPA和tMFPA五种改进算法进行性能测试对比。还对HASMFP的各个改进策略进行消融实验,实验表明在综合改进策略的共同作用下,HASMFP的优化性能排名第一。基于实验结果的Friedman检验表明,HASMFP能够获取最优的性能。

分层平滑优化A*引导DWA用于机器人路径规划

针对A∗算法存在的搜索效率低,路径平滑性和安全性差,以及DWA融合全局路径规划算法实时寻路效率低等问题,提出了一种分层平滑优化A∗引导DWA(HSA∗-G-DWA)的移动机器人路径规划方法。首先,在A∗算法的代价函数中引入双动态加权因子并构建碰撞约束函数剔除路径搜索过程中无关扩展节点的搜索,以提升路径搜索的效率和安全性。其次,利用分层平滑优化策略消除路径中的冗余点和转折点,减少路径点数量和路径长度。之后,通过无障碍约束直线与有障碍约束圆弧插补分段优化生成初始全局路径,保证路径的安全性与平滑性。然后,若移动机器人跟踪全局路径过程中面临未知障碍物则利用全局路径引导DWA生成避障与返回全局路径的局部动态修正路径,减少了实时计算量。最后,仿真实验结果表明,静态环境下HSA∗-G-DWA算法路径搜索时间和路径点数较A∗算法分别平均减少了88.43%和86%,路径的平滑性和安全性更好;未知环境下HSA∗-G-DWA算法可以实时避开环境中出现的未知障碍物,路径长度较DWA算法、Dijkstra算法、RRT算法和现有融合算法分别平均减少了25.78%、18.65%、30.48%和14.59%,路径搜索时间较现有融合算法平均减少了67.39%。

基于遗传的海上风电集电系统拓扑优化

针对海上风电工程集电线路拓扑的自动优化布置,文章以集电线路的全寿命周期成本作为目标函数,海缆选型和海缆交叉规避作为主要约束条件,建立数学模型,同时基于动态边权最小生成树算法改进遗传算法的种群生成方式以扩大算法的搜索解空间,以期凭借较好的寻优能力求解集电系统拓扑优化问题,提升海上风电场的综合效益。海上风电场项目算例结果验证了方法的有效性和快速性,可为海上风电集电系统规划设计提供具有实用价值的参考。