一种混合优化的全局路径规划算法

针对全局路径规划研究中遗传算法存在搜索范围广而导致收敛速度慢的问题,本文提出一种混合优化的全局路径规划方法,完成对图像读取、处理后使用A*算法预处理缩小可行区域从而提高收敛速度。所提出的混合优化规划方法主要优化遗传算法的初始种群,在不影响最终路线的情况下,缩小初始种群的搜索范围,提高算法进行全局路径规划的速度,快速有效的规划出全局路线。另外本文给出一种评价体系对规划结果进行定量的避障评价,评价结果能够以数值形式对规划结果进行综合评价,评价结果显示通过混合优化算法规划出的路径具有更佳的安全性。     

基于电子海图栅格化的无人水面艇全局路径规划

为解决无人水面艇自主避碰决策中的全局路径规划问题,提出一种基于电子海图栅格化建立环境模型的遗传算法全局路径快速搜索方法。通过对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的环境模型,并使用栅格标号对路径个体进行编码,利用一种随机快速搜索产生初始种群的改进遗传算法进行路径搜索,提高无人水面艇全局路径规划的收敛速度和优化效率。试验结果表明,采用改进遗传算法进行基于电子海图栅格化的无人艇全局路径规划具有一定的合理性和有效性。     

多约束条件下气象航线规划的智能混合算法

针对船舶航线规划面临气象条件、水文地理、航行需求、船舶物理特性等复杂条件约束的情况,为设计同时满足船舶航行安全性和经济性需求的最佳气象航线,提出一种结合传统A*算法和遗传算法的智能混合算法。该算法使用A*算法来提升遗传算法初始种群质量并加快搜索速度,根据航行需求和多约束条件设计目标函数和适应度函数,采用多种群技术和精英保留策略增加种群多样性并加快算法收敛速度。遗传算法在航线搜索的一个方向上是连续的,这与其他采用离散网格系统的算法相比拥有更高的搜索精度。实验结果表明该智能混合算法能高速、有效地完成船舶气象航线规划设计。     

基于改进蚁群算法的水下机器人路径规划算法

针对当前基本蚁群算法应用于水下机器人全局路径规划时存在路径搜索速度慢、容易陷入局部最优等问题,对其进行优化,提出一种改进蚁群算法。首先,改进算法引入A*算法作为新的初始路径搜索策略提高初始解的质量,加快算法收敛速度;针对特殊环境下算法容易陷入局部最优的问题做出优化,引入狼群分配策略进行蚂蚁回退。此外,对距离启发函数做出改进,综合考虑当前节点和下一节点以及下一节点和目标节点之间的距离,提高了算法搜索效率;提出一种信息素动态自适应更新策略,加快了算法前期搜寻效率,同时又扩大了算法后期搜寻范围。最后,以三次B样条法为基础引入路径平滑操作,去除规划路径结果中的冗余节点,减少了水下机器人移动过程中的能耗。仿真结果表明,和基本蚁群算法相比,改进算法不仅能取得更短、能耗更低的最优路径,收敛速度也更快。     

混沌遗传算法在船舶电力系统供电恢复中的应用研究

实现船舶电力系统的快速供电恢复是一个复杂的多目标非线性组合优化问题.根据系统的特点,采用混沌自适应遗传算法,使用混沌优化产生初始群体,以保证初始种群含有较丰富的模式,从而增加搜索快速收敛于全局最优解的可能,然后通过采用精英保留的选择机制和自适应交叉、变异概率,有效地加快了算法的收敛速度.船舶电力系统典型故障恢复算例表明,该算法改善了遗传算法的性能,提高了算法的收敛速度及精度,避免了不成熟收敛,较好地实现了船舶电力系统的多目标故障恢复.     

基于禁忌搜索算法的无人船路径规划

针对传统A^*算法在规划路径过程中存在所拓展路径非全局最优路径的问题,提出一种禁忌搜索算法对其进行优化,将已搜索路径放入禁忌表中进行多次迭代,将迭代结果进行比较产生最优路径。为进一步验证禁忌搜索算法优化的有效性,在阑珊格搭建的海域环境中进行仿真比较,结果表明,相比于A^*算法和人工势场法,禁忌搜索优化算法在无人船路线规划中凭借其全局性能够更准确地规划出最优路径。     

基于HGANN的全方位推进器运动学正解研究

针对潜器全方位推进器的调距机构运动学位置正解求解高度非线性、计算速度慢、准确率低的特点，提出了一种改进的混合编码遗传神经网络算法（HGANN）。算法兼具了遗传算法的全局寻优能力和神经网络对于非线性映射的强大逼近能力，同时由于采用了二进制和浮点数混合编码方案及3层的染色体结构对遗传神经网络算法进行了改进，优化了网络结构和权值矢量，解决了遗传神经网络算法计算过程中短基因组实际交叉、变异机会过小的问题，使后代种群具有更好的多样性，结合Solis＆wets算子生成后代的方法丰富了遗传搜索空间，加快了收敛速度。仿真结果表明，HGANN算法有效地加快了遗传算法的收敛速度，提高了调距机构的位姿精度。     

考虑海流影响的水下机器人全局路径规划研究

为了适用于大范围海洋环境下须要考虑能量耗尽问题的AUV导航,提出了一种考虑海流影响的水下机器人全局路径规划方法,该方法将海流因素作为GA算法的评价因子,在路径规划的层面上考虑海流的影响;在此基础上对GA算法进行了改进,提出一种GA-PSO混合算法,GA-PSO混合算法比单纯的GA算法具有更快的收敛速度和运行效率。     

多峰函数优化问题的改进演化算法

针对演化算法求解有界区域上的多峰函数全局优化问题,保持种群多样性和搜索效率的矛盾,提出了一种结合了多样性维持机制和加速算子的改进演化算法。实验结果表明,在低维问题中算法容易收敛于全局最优解,优于普通遗传算法。     

大范围环境下自主式水下潜器两种全局路径规划方法的研究

应用遗传算法(GA)和A·算法对自主式水下潜器(简称AUV)在大范围海洋环境中的全局路径规划问题进行了研究.介绍了基于栅格的环境模型及其数据结构,讨论了GA的染色体编码方式、基于知识的初始种群生成方法与适应度函数,基于领域知识设计了五种遗传算子,给出了A·算法的具体实现方法.通过仿真结果可以看出:GA采用可变长编码方式使路径描述简单、清晰,具有收敛速度快、求解实际问题效率高的特点;A*算法可在较短时间内求得相对栅格优化的路径.两种算法均可满足系统实时性要求.     

基于改进人工蜂群进化算法的移动机器人路径规划与仿真分析

针对经典人工蜂群算法在机器人路径规划中易于陷入局部极值,且寻优过程收敛速度较慢等问题,提出了一种基于约束优化的改进人工蜂群算法.通过设计变异算子来增大极值在陷入局部最优时的跳出概率,提高机器人路径规划的收敛能力.在机器人路径规划上,对文中方法、遗传算法、A*算法以及经典人工蜂群算法进行性能评估.实验结果表明,文中方法能有效避免路径规划中的局部极值,减少机器人路径规划时间损耗,提高了路径规划效率.     

基于量子遗传算法的TDOA定位技术研究

为了解决TDOA定位估计中遇到的非线性最优化问题,提出了一种联合使用Chan算法和量子遗传算法的混合定位算法,采用二进制量子编码和量子旋转门更新个体,针对TDOA方式进行最佳坐标搜索。仿真结果表明,该算法性能稳定,能找到全局最优的解,相对于Chan算法精度更高,相对于遗传算法有更快的收敛速度。     

基于弹性网格的改进遗传算法在无人艇路径规划中的研究

针对传统遗传算法进行路径规划时搜索空间大、出现过多搜索冗余和收敛效率低等问题,提出在基于网格的遗传算法上加入弹性网格概念。在低密度的网格地图下求解当前最优路径,针对转向点局部增加网格密度,进一步路径寻优,如此重复,以减小算法搜索空间,提高路径规划效率;同时,给出自适应变异概率,使其根据各代路径离散程度自适应调整大小,以提高各代路径多样化,并进行仿真分析和试验。仿真结果表明:平均迭代次数明显少于传统遗传算法,收敛速度得到改善,最终寻优路径达到与障碍物无干涉,总长度明显较短的基本预期效果。     

基于优化Hopfield神经网络的海事飞机巡航路径规划

为解决海事空巡飞机巡航路径规划问题，提高巡航效率。本文提出了一种基于优化Hopfield神经网络（HNN）巡航路径规划模型，该模型通过粒子群优化算法（PSO）对HNN神经网络进行优化得到PSOHNN神经网络模型,提高了Hopfield神经网络的全局收敛能力。采用实际巡航点对优化模型进行仿真实验，结果证明了基于优化Hopfield神经网络（PSO-HNN）巡航路径规划模型具有良好的路径寻优能力。     

基于波束形成的海上智能天线算法

远距离海上雷达探测由于海上环境的复杂性容易受到杂波干扰,常用的最小均方算法通过在干扰噪声中形成主波束并引导至目标信号,有效解决了杂波干扰问题。通过对自适应智能天线波束形成技术的海上应用进行研究,给出了常用的天线阵列结构模型和信号模型,研究了智能天线中的自适应波束成型算法,目前在这一领域的解决方案中最小均方算法最为常见,但其存在收敛速度差、通用性低等问题。本文将优化遗传算法引入,对传统遗传算法中初始种群规划和交叉操作进行了优化和改进。仿真实验表明,与最小均方算法、传统遗传算法相比,优化遗传算法对杂波的抑制效果提高了28%,收敛速度提升了3倍,具有良好发展前景。     

加速混沌优化算法的改进及其在船型论证中的应用

利用混沌运动所特有的随机性、遍历性和规律性,对加速混沌优化算法进行一些改进,提高了混沌优化算法的收敛速度和精确性.改进的加速混沌优化算法利用混沌运动的性质,同时不断缩小变量的搜索空间,在混沌优化搜索过程中,以具有一定保证的当前最优解为中心,不断地缩小优化变量的搜索区间,调整细化参数,促使搜索能够更快、更有效地向全局最优解收敛.将该改进算法应用到具体的船型论证中,不仅证明了该改进算法简单,容易实现,具有较高的收敛速度和可靠性,而且具有较高的寻优精度和较少的优化迭代次数,也体现了该算法在船型论证领域中的实用性和有效性.     

基于改进NSGA-Ⅲ的船舶路径规划方法

针对船舶路径规划过程中存在多个目标的问题,将船舶路径规划转化为多目标优化问题,提出一种基于改进NSGA-Ⅲ的船舶路径规划方法。研究建立以船舶航路安全性、平滑度及航程为优化目标的数学模型,并设计改进NSGA-Ⅲ求解模型。在种群初始化过程中,引入一种基于有向无环图的种群初始化方法。在种群进化过程中,引入安全算子、平滑算子、最短路径算子及快速修复算子以提高算法收敛速度。试验结果表明,基于改进NSGA-Ⅲ的船舶路径规划方法提高了规划效率,能够得到较好的规划结果。     

基于混沌蜂群算法的USV路径规划

针对多障碍物环境下,传统智能算法容易过早收敛、搜索精准度差等问题,为提高路径规划准确性,获得最佳路径,避免碰撞发生,提出一种基于人工蜂群算法的水上无人艇路径规划方法。通过栅格法建模,以无人艇目的地为蜜源,在蜂群信息交换阶段,采用混沌序列产生初始化雇佣蜂,跳出局部最优。与传统人工蜂群算法进行对比,仿真结果表明,混沌蜂群算法在路径优化方面更能找到全局最优路径。     

基于环境优化的无人艇全局路径规划研究

LazyTheta*算法是近年来提出的启发式路径规划算法,凭借其优异的搜索性能,在机器人全局路径规划中的应用不断增多。但常规的启发式路径规划算法往往忽视机器人的运动学特性以及环境对路径规划结果的影响,不适合直接应用于无人艇。针对这一问题,提出了基于环境优化Lazy Theta*算法的无人艇全局路径规划方法,从路径安全性和水流适应性两个方面对启发函数和视线检查进行改进,并对路径进行了折角平滑处理。仿真结果表明,与常规算法相比,采用改进算法规划出的路径具有更少的路径点和更小的路径转角,路径更加平滑,能够更好地适应水流的变化,有利于无人艇在复杂水域环境中航行,提高了无人艇航行的安全性。     

基于量子行为遗传算法的船体局部结构优化设计

采用遗传算法解决船舶复杂结构中混合设计变量优化问题时,其效果很有效,且能获得全局最优可行解。然而,简单遗传算法局部搜索能力差且易于早熟。为了提高对船舶复杂结构设计变量解空间的搜索能力,该文设计了一种基于二进制编码的适用于混合变量的量子行为遗传算法,比较适合于复杂函数的全局寻优,且搜索能力优于标准遗传算法。通过三个算例对算法的寻优能力进行测试,实验结果表明,采用量子行为遗传算法进行的船体局部结构优化设计具有较好的计算质量与计算效率。