为了解决农业无人机在障碍物干扰环境中进行路径规划任务时存在的寻优精度低、避障能力弱等问题, 利用无线紫外光通信引导设备全天候非直视通信、隐秘通信及适用于各种特殊场合等特点, 建立了无线紫外光飞行路径引导系统, 提出基于指数递减策略的改进蝙蝠算法（EDS-IBA）, 引入基于指数递减策略的动态惯性权重和相邻路径点的人工势场, 在保证无人机路径平滑的同时, 避免陷入局部最优, 通过障碍物干扰代价和紫外光通信代价保证飞行环境的多样性及真实性。结果表明, EDS-IBA相较于基于差分进化算法的改进蝙蝠算法和传统蝙蝠算法, 2维环境下, 规划的平均路径长度分别缩短了10.7%和16.3%;3维环境下, 规划的平均路径分别缩短了13.7%和36.2%;算法达到收敛状态时, EDS-IBA的适应度值也较小, 在路径规划能力和算法性能方面有较好的可行性和有效性。该研究对无人机路径规划的实际应用和开发具有一定的现实意义。

为了提高现行室内可见光定位系统的定位精度，提出考虑噪声干扰的动态惯性权重及认知因素的改进型粒子群算法。首先，将决定定位精度的欧式距离转换为目标函数最小值优化问题; 其次，利用惯性权重动态赋值，增强粒子群算法初期的全局搜索能力和后期的局部搜索能力; 然后，利用正弦函数使得个体认知因素值非线性地减小，利用余弦函数使得群体认知因素值线性地增加，以进一步提升定位精度; 最后，通过仿真与实验测试对所提定位算法进行验证。仿真测试结果表明，在5m×5m×3m和5m×4m×3m两种定位模型中，在0，0.5，1.0和1.5m四个高度平面的空间定位平均误差分别为0.65和0.54cm; 实验结果显示，在搭建的1m×1m×0.8m和1m×0.8m×0.8m室内空间中的平均定位误差分别为2.67和1.81cm。

考虑到抗压强度对混凝土设计的重要影响，本文提出了改进麻雀搜索算法(ISSA)和门控循环单元(GRU)结合的ISSA-GRU预测模型，实现对高性能混凝土抗压强度的精准预测。对收集的数据集进行归一化处理后，利用基于光谱-理化值共生距离(SPXY)法对数据集进行训练集和测试集划分，采用GRU对高性能混凝土抗压强度进行回归预测，并通过引入动态惯性权重的ISSA，加强对GRU网络参数的寻优效率。结果表明，在使用相同数据样本的情况下，将ISSA-GRU模型与长短期记忆(LSTM)网络、核极限学习机(KELM)和支持向量回归(SVR)模型进行比较，其均方根误差RMSE分别降低了93%、375%、335%，平均绝对误差MAE分别降低了135%、385%、417%。同时，研究了训练集数据量和输入变量对模型预测性能的影响，研究结果表明，所提出的模型能高效寻找超参数，具有较高的预测精度和较好的适应性，为多样化原材料和混凝土特定性能的发展提供可行参考。

为提高水质光谱分析模型的学习速度与预测精度, 采用核极限学习机对水质光谱进行建模, 并提出一种具有动态惯性权重的改进鲸鱼优化算法对模型进行参数优化。由于极限学习机的输入权值矩阵和偏置是随机生成的, 故引入核方法以减小其输出权值矩阵的波动; 将鲸鱼优化算法中的惯性权重在非线性递减的基础上引入随机因子, 通过动态调整惯性权重以平衡算法的全局搜索能力与局部开发能力。与传统优化模型进行了对比实验, 实验结果表明: 基于该方法所建模型具有更高的预测精度, 而在相同的学习迭代次数下, 核极限学习机的运行时间相对于传统算法约下降50%, 且改进鲸鱼优化算法能够以更快的收敛速度使模型达到全局最优。