辐射研究与辐射工艺学报
2023, 41(6): 060601
1 海军工程大学, 武汉 430000
2 中国人民解放军92975部队, 浙江 宁波 315000
针对航空搜潜浮标距离近、偏航角较大的特点, 提出Dubins路径和双蚁群算法相结合的航路规划算法。对比传统航路规划先确定直线航路再进行平滑处理的方式, 所提算法在迭代寻路阶段将直线路径转化为Dubins路径, 减少了转弯半径约束下无法抵达目标的风险; 同时以Dubins距离作为判优基准, 相比直线距离, 更加接近全局最优; 并且增加偏航距离扰动参数, 引导蚂蚁选择直线距离和偏航角均较小的目标; 发挥不同蚁群的信息素负反馈作用, 促使寻找新路径, 提升寻路能力。仿真结果表明, 该算法加快了规划收敛速度, 有效缩短了航路距离, 缩短幅度平均达14.6%以上。
航空搜潜 航路规划 Dubins路径 蚁群算法 aerial submarine search route planning Dubins path ant colony algorithm
1 北京信息科技大学高动态导航技术北京市重点实验室, 北京 100000
2 中船航海科技有限责任公司, 北京 100000
温度变化对光纤陀螺零偏的影响是制约其性能的关键因素之一, 采用BP神经网络进行预测能在一定程度上提高温度补偿精度, 但BP神经网络存在局部极小的问题。采用蚁群优化(ACO)BP神经网络算法补偿光纤陀螺漂移, 优化了BP神经网络的初始参数。实验结果表明, 采用ACO-BP神经网络进行补偿, 可使得在-40 ℃~60 ℃温度范围内光纤陀螺零偏稳定性比补偿前有80%左右的精度提升, 与以往的BP神经网络效果相比, 补偿效果更好。
光纤陀螺 温度补偿 BP神经网络 蚁群算法 fiber optic gyroscope temperature compensation BP neural network ant colony algorithm
针对传统方法在解决复杂环境下无人机路径规划问题中仿真时长不一致、易陷入局部最优等问题, 在栅格化地图的基础上, 提出了改进元胞蚁群算法。首先, 为统一仿真时间步长, 采用六边形栅格地图对飞行空域进行建模; 然后, 提出一种改进元胞蚁群算法进行路径规划, 算法引入势场概念对启发函数进行修正、采用差别搜索策略以引导蚁群快速向目标搜索, 并设计一种自适应信息素更新方式以选出优质路线。实验结果表明, 所提模型和算法解决了矩形栅格地图中仿真时长不统一的问题, 并有效提升了路径寻优速度和全局搜索能力, 避免算法陷入局部最优。
无人机路径规划 元胞蚁群算法 六边形栅格 UAV path planning cellular ant colony algorithm hexagonal grid
蚁群算法是一种智能优化算法, 具有鲁棒性强、反馈信息精准、分布式计算能力强等优点, 被广泛应用于移动机器人的路径规划。针对原算法存在收敛速度慢、易陷入局部最优等问题, 提出了一种改进蚁群路径规划算法。首先, 融合头脑风暴思想对解集进行更新变异, 在加快收敛的同时保证算法的多样性。其次, 利用局部路径注意力机制提取较好的路径段, 提高寻优效率, 且在信息素注意力机制中加入了自适应t分布, 避免算法陷入局部最优。新的信息素更新方式可以促进算法的全局搜索, 并且保障算法的收敛速度。最后, 在Matlab软件中进行了静态环境下的仿真实验, 验证了该算法的有效性和可行性。
蚁群算法 路径规划 头脑风暴 注意力机制 自适应t分布 ant colony algorithm path planning brainstorming attention mechanism adaptive t-distribution
1 太原理工大学,a.信息与计算机学院, 山西 晋中 030000
2 太原理工大学,b.机械与运载工程学院, 太原 030000
针对蚁群算法在无人机三维路径规划问题中存在收敛速度慢和容易陷入局部最优的问题, 提出了一种融合改进人工势场的蚁群算法。构造重力势能场, 将改进人工势场的合力作为系数对预搜索可行区域内的信息素进行初始化, 提出一种随机性信息素挥发因子更新机制, 改进蚁群算法的启发函数和信息素更新规则, 引入重力势能来模拟无人机高空飞行, 并将其应用于信息素的更新。最后设置两组对比实验对比4种算法。结果表明, 所提算法有效地解决了蚁群算法存在的问题, 提高了算法搜索路径的效率和能力, 能在不同的环境下最快地收敛到最优值, 证明了该算法的适应性和有效性。
无人机 三维环境 改进蚁群算法 启发函数 信息素更新规则 UAV 3D environment improved ant colony algorithm heuristic function pheromone update rule
1 广东科技学院机电工程学院, 广东 东莞 523000
2 高端装备先进感知与智能控制教育部重点实验室, 安徽 芜湖 241000
通过对人工势场法与蚁群算法进行融合, 给出了一种融合人工势场蚁群算法的移动机器人路径规划算法。一方面, 引入目标点距离影响因子, 改善势场力对移动机器人路径搜索的影响, 通过改进斥力场函数, 避免移动机器人因受到较大的斥力而无法规划出最优路径; 另一方面, 构造势场力启发函数, 同时考虑距离启发信息和势场启发信息, 初始化信息素的差异化分配方式有利于提高算法的收敛速度。实验结果表明, 融合人工势场蚁群算法相比于文献［15］算法, 在最优路径长度、路径转折次数、收敛速度三方面分别提高了2.6%,25%和66.7%, 表明了该算法在路径规划方面的优越性。
移动机器人 路径规划 人工势场法 蚁群算法 信息素 mobile robot path planning artificial potential field method ant colony algorithm pheromone
西安工业大学电子信息工程学院, 陕西西安 710021
为改善软件定义网络(SDN)负载均衡问题, 对传统的蚁群算法进行改进, 并结合服务器负载均衡算法, 提出一个改进型的联合算法。该算法使用加权最小连接调度算法, 服务器端选择负载最小的服务器, 并利用改进蚁群算法(Im-ACO)选择到达所选服务器的最佳路径。理论分析及实验结果表明, 提出的联合算法使网络性能得到显著提高, 网络吞吐量更高, 丢包率更低。
软件定义网络 蚁群算法 负载均衡 最佳路径 Software Defined Network ant colony algorithm load balancing optimal path 太赫兹科学与电子信息学报
2022, 20(10): 1081
1 内蒙古农业大学计算机与信息工程学院, 内蒙古 呼和浩特 010000
2 山东华宇工学院信息工程学院, 山东 德州 253000
脂肪作为牛奶中的重要营养成分, 是评价牛奶质量的一项重要指标。 高光谱图像技术能够提供几十到数千波长的数据, 能够反映牛奶中不同组成成分细微的光谱差异; 另一方面, 相邻波段之间往往具有很强的相关性, 不仅增加了计算量, 而且容易造成维数灾难等问题, 因此对高光谱数据进行波段选择非常重要。 工作中提出了PLS-ACO特征波段选择方法, 并与遗传算法结合, 组合成了PLS-ACO-GA的特征波段选择新方法。 提出的两种方法以蚁群算法为基础, PLS回归模型回归系数的绝对值作为评价波长重要性的主要依据, 以此作为蚁群算法的启发式信息, 利用蚁群算法进行智能搜索, 结合遗传算法, 产生更多优秀的特征波段组合, 避免PLS-ACO算法得到的只是局部最优解, 得到的最优波段组合能够更好的反映牛奶中脂肪成分的信息; 通过计算波长贡献率, 筛选出最优波段组合, 并与遗传算法, CARS算法和基本蚁群算法光谱特征选择方法比较, 最后比较不同特征选择方法下的PLS回归模型预测效果。 PLS-ACO, PLS-ACO-GA, CARS, GA和ACO分别筛选了牛奶样品光谱中的18, 16, 40, 43和42个特征波段。 其中PLS-ACO-GA筛选波段后的PLS预测模型效果最好, 预测集R2P和RMSEP分别为0.997 6和0.062 2, PLS-ACO次之, 预测集R2P和RMSEP分别为0.997 0和0.077 8。 PLS-ACO和PLS-ACO-GA不仅减少了特征波段数量, 而且提高了模型的精度。 对PLS-ACO-GA进行特征波段选择后的数据, 建立MLR, RFR和PLS回归预测模型。 MLR预测模型的R2P和RMSEP分别为0.997 6和0.062 3。 RFR回归模型R2P和RMSEP分别为0.999 9和0.003 0, PLS回归模型的R2P和RMSEP分别为0.997 6和0.062 2。 RFR模型在三种回归预测模型中表现最好。 研究结果表明PLS-ACO和PLS-ACO-GA这两种方法可以实现光谱数据特征波段选择, 高光谱技术可以实现牛奶中脂肪含量的检测, 为牛奶脂肪含量检测提供了一种新的、 快速无损的方法。
高光谱 牛奶脂肪 遗传算法 蚁群算法 特征波段 偏最小二乘 Hyperspectral Milk fat Genetic algorithm Ant colony algorithm Characteritic band Partial least squares 光谱学与光谱分析
2022, 42(7): 2262
针对传统蚁群(ACO)算法在无人机航迹规划中存在的收敛速度慢、易陷入局部最优等缺点, 提出了一种基于改进自适应蚁群(IAACO)算法的无人机航迹规划方法。首先, 将角度导向因子引入状态转移规则中, 使蚂蚁以更大的概率朝着目标点的方向前进, 提高了路径的搜索效率; 然后, 引入启发式信息自适应调整因子平衡了算法的收敛性和全局搜索能力; 最后, 通过定义长度指标函数、角度指标函数, 进一步建立了航迹优化的目标函数, 实现了无人机航迹规划的全局优化。实验结果表明, 改进后的算法收敛速度更快, 生成的路径更平滑、长度更短。
无人机 航迹规划 自适应蚁群算法 搜索效率 UAV path planning adaptive ant colony algorithm search efficiency
