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。     

基于迭代局部搜索和自适应粒子群优化的SVM短期负荷预测

为了能够进一步的提高船舶电力负荷的预测精度,针对SVM模型在负荷预测中存在的参数选取问题,该研究提出了一种新的参数优化算法:基于迭代局部搜索和自适应粒子群优化的组合算法。自适应粒子群算法提高了传统粒子群算法的收敛速度,引入的迭代局部搜索思想,配合新的极值评价标准能够很好的解决粒子群算法容易陷入局部最优的问题。仿真结果表明,利用新的参数优化算法使得SVM预测模型的精度得到了很大的提高。     

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。     

遗传算法在船舶动力机械混合隔振系统优化设计中的应用

阐明了混合隔振问题的实质就是综合被动隔振系统和主动控制系统的多目标联合优化设计.运用子结构导纳综合法分析了应用混合隔振技术的双层隔振系统的功率流传递特性.采用遗传算法对混合隔振系统进行了优化设计,并作了数值仿真.     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.     

粒子群算法在巡航导弹航路规划中的应用

基于最小威胁曲面的概念,将三维航路投影到二维平面上,从而使巡航导弹的航路规划过程从三维空间映射到为二维平面内进行,分别建立了航路的威胁模型和代价模型,应用粒子群算法在进行航路寻优,介绍了航路寻优的流程并进行了仿真验证。仿真结果表明,粒子群算法能够有效地解决巡航导弹的航路全局寻优问题。     

粒子群混合算法在操纵运动模型辨识中的应用

基于经典的POWELL寻优算法和粒子群混合算法,针对航行体的操纵运动数学模型开展智能辨识研究。该方法能够很好地调整算法的全局与局部搜索能力之间的平衡,有效地提高辨识的精度和速度。采用该方法,利用航行体操纵性试验结果,对航行体操纵运动方程系数进行了辨识研究,并用辨识的数学模型进行了水面Z形操纵仿真。仿真结果表明,该方法具有很好的全局收敛性和稳定性。     

基于粒子群优化的聚类入侵检测算法

为了在入侵检测中有效地克服传统的K均值算法易陷入局部极小值的缺点,使算法具有较好的全局收敛性,将粒子群优化算法应用于入侵检测,给出了基于粒子群优化的K均值聚类算法．通过理论分析及实验,验证了基于粒子群优化K均值聚类算法的有效性．对KDD CUP99数据集仿真,实验结果表明,该算法在入侵检测中能获得理想的检测率和误检率．