针对无人机在复杂环境下的三维路径规划问题,集成传统的粒子群优化(particle swarm optimization,PSO)算法和灰狼优化(grey wolf optimization,GWO)算法,提出了一种PSO-GWO复合算法。首先,采用了非线性控制参数和加权自适应的个体位置...针对无人机在复杂环境下的三维路径规划问题,集成传统的粒子群优化(particle swarm optimization,PSO)算法和灰狼优化(grey wolf optimization,GWO)算法,提出了一种PSO-GWO复合算法。首先,采用了非线性控制参数和加权自适应的个体位置更新策略来平衡算法的全局搜索能力和局部搜索能力;然后,使用随机指导策略来增加解的多样性;最后,使用B样条曲线平滑所生成的飞行路径,使路径更适用于无人机。实验结果表明,PSO-GWO复合算法可以生成一条安全可行的路径,其性能明显优于GWO算法和其他改进GWO算法。展开更多
针对层状复合材料损伤的定性定量检测问题,集成传统粒子群优化(Particle Swarm Optimization,PSO)算法和灰狼优化(Grey Wolf Optimization,GWO)算法,提出一种新的PSO-GWO复合算法。以模态柔度矩阵、频率和振型这3个识别精度较好的指标...针对层状复合材料损伤的定性定量检测问题,集成传统粒子群优化(Particle Swarm Optimization,PSO)算法和灰狼优化(Grey Wolf Optimization,GWO)算法,提出一种新的PSO-GWO复合算法。以模态柔度矩阵、频率和振型这3个识别精度较好的指标来构造新的目标函数用于求解损伤检测问题。针对2种传统优化算法的特点,采用非线性收敛因子,以平衡算法的局部搜索能力和全局搜索能力;加入自适应局部搜索策略来增加算法迭代过程的多样性;引入灰狼算法的多级引导迭代策略,结合粒子群的速度更新策略,以弥补算法易陷入局部最优的缺陷。对3种不同损伤类型层合板的检测结果表明,PSO-GWO复合算法在检测精度与收敛速度方面均有优势,可以实现对损伤位置与损伤程度的精准识别。展开更多
本文提出一种混合多策略灰狼优化(hybrid multi-strategy grey wolf optimization,HMGWO)算法,用于解决考虑交通拥堵的城市物流配送路径优化问题。在HMGWO算法中引入非线性控制参数来平衡算法的全局搜索能力和局部搜索能力,从而提高算...本文提出一种混合多策略灰狼优化(hybrid multi-strategy grey wolf optimization,HMGWO)算法,用于解决考虑交通拥堵的城市物流配送路径优化问题。在HMGWO算法中引入非线性控制参数来平衡算法的全局搜索能力和局部搜索能力,从而提高算法的搜索精度和收敛速度。同时引入了粒子群优化(particle sw arm optimization,PSO)算法的思想,通过个体的最佳值和狼群的最佳值更新每个灰狼的位置信息。这种方法保留了个体的最佳位置信息,避免了算法陷入局部最优的困境。目前已通过6个基准测试集,初步验证了算法的性能。最后,通过解决考虑交通拥堵的城市物流配送路径优化问题,验证了HMGWO算法是解决此类问题的有效方法。展开更多
文摘针对无人机在复杂环境下的三维路径规划问题,集成传统的粒子群优化(particle swarm optimization,PSO)算法和灰狼优化(grey wolf optimization,GWO)算法,提出了一种PSO-GWO复合算法。首先,采用了非线性控制参数和加权自适应的个体位置更新策略来平衡算法的全局搜索能力和局部搜索能力;然后,使用随机指导策略来增加解的多样性;最后,使用B样条曲线平滑所生成的飞行路径,使路径更适用于无人机。实验结果表明,PSO-GWO复合算法可以生成一条安全可行的路径,其性能明显优于GWO算法和其他改进GWO算法。
文摘针对层状复合材料损伤的定性定量检测问题,集成传统粒子群优化(Particle Swarm Optimization,PSO)算法和灰狼优化(Grey Wolf Optimization,GWO)算法,提出一种新的PSO-GWO复合算法。以模态柔度矩阵、频率和振型这3个识别精度较好的指标来构造新的目标函数用于求解损伤检测问题。针对2种传统优化算法的特点,采用非线性收敛因子,以平衡算法的局部搜索能力和全局搜索能力;加入自适应局部搜索策略来增加算法迭代过程的多样性;引入灰狼算法的多级引导迭代策略,结合粒子群的速度更新策略,以弥补算法易陷入局部最优的缺陷。对3种不同损伤类型层合板的检测结果表明,PSO-GWO复合算法在检测精度与收敛速度方面均有优势,可以实现对损伤位置与损伤程度的精准识别。
文摘本文提出一种混合多策略灰狼优化(hybrid multi-strategy grey wolf optimization,HMGWO)算法,用于解决考虑交通拥堵的城市物流配送路径优化问题。在HMGWO算法中引入非线性控制参数来平衡算法的全局搜索能力和局部搜索能力,从而提高算法的搜索精度和收敛速度。同时引入了粒子群优化(particle sw arm optimization,PSO)算法的思想,通过个体的最佳值和狼群的最佳值更新每个灰狼的位置信息。这种方法保留了个体的最佳位置信息,避免了算法陷入局部最优的困境。目前已通过6个基准测试集,初步验证了算法的性能。最后,通过解决考虑交通拥堵的城市物流配送路径优化问题,验证了HMGWO算法是解决此类问题的有效方法。
