基于多蜂群的多无人机协同自适应搜索

针对多无人机(unmanned aerial vehicle, UAV)在未知海域环境下协同搜索这一重要研究课题,提出基于精英学习的多蜂群协同自适应搜索路径规划算法。首先,建立考虑飞行高度时变的无人机模型、传感器模型以及海域模型。其次,在该模型基础上建立了包括目标发现收益、期望探测收益及避碰等多目标效能函数。在考虑到UAV飞行高度动态变化时采用不同搜索策略,由于传统蜂群算法在搜索中存在适应性差、速度慢等缺点,提出基于精英学习的多蜂群算法,保证了搜索效益的最大化。最后,通过仿真实验验证了算法的有效性和实用性。     

基于NSGA-Ⅲ算法的多无人机协同航迹规划

当多架无人机协同作战时,需要进行协同航迹规划,以提升任务成功率.将协同航迹规划中的约束转换为多个目标后,对NSGA(Non-Dominated Sorting Genetic Algorithm)-Ⅲ算法与势场蚁群算法进行融合设计.算法首先对地图进行势场构建,使距离障碍物较近的节点不易被选择,并且引导搜索方向.然后对航...     

基于MATD3的无人机智能协同路径规划方法

[目的]多无人机协同路径规划是多无人机应用的关键技术之一,本文旨在研究三维动态环境下的多无人机智能协同路径规划和优化方法.[方法]本文提出了一种基于搜索的扰动流体动态系统(SIFDS)与速度控制策略结合的路径规划算法.该方法通过SIFDS方法将多障碍物环境简化为单障碍物环境,并生成由反应系数构成的无人机动作空间;再结合速度控制策略实现无人机间的时间协同;最后利用多智能体双延迟深度确定性策略梯度(multi-agent twin delaged deep deterministic policy gradient, MATD3)算法,训练得到的动作网络在线生成最优的反应系数,以此提高多无人机路径规划的质量与效率.[结果]本文所提出的方法能够在三维动态环境下使多无人机规划出安全且互不干扰的路径;引入MATD3后,无人机路径更短且平滑;速度控制策略能够控制各无人机同时到达的时间误差在测量精度0.5 s以下.[结论]本文所提出的方法,能够使多无人机在规划路径的同时满足时间协同、空间协同的约束,实现了多无人机协同路径规划,且具有较强的稳定性,为多无人机系统在复杂任务中的实际应用提供了一定的技术支持和理论参考.     

基于配送模式的无人机城市配送路径规划

无人机以其“小、快、灵活”的优势逐渐应用于城市物流配送当中。本文首先论述了无人机配送模式,分为机车协同模式与无人机独立运行模式。其次阐述了无人机配送路径规划的影响因素,包括能耗、禁区障碍物等绕飞因素以及不确定的自然环境。最后根据两种配送模式,探讨了内外因素对无人机配送路径规划的影响。结果说明非线性无人机能耗模型更符合无人机实际运行特征;风、温度等天气因素影响其城市配送飞行方向与电量能耗等;禁飞区、时间窗等外部因素也影响无人机路径规划。实际运行中无人机会受到多重因素共同影响,能耗与外部因素对无人机路径规划影响问题研究还有待进一步完善。     

基于改进粒子群优化的多无人机协同航迹规划

由于航迹规划可以为多无人机飞行控制提供参考指令,且当前粒子群航迹规划算法存在收敛速度慢,成功率不高的缺点,故提出了一种综合改进粒子群的多无人机协同航迹规划算法,考虑了无人机性能约束、障碍与威胁约束、空间协同与时间协同约束。首先,通过对学习因子线性化调整,实现了粒子惯性和最优行为的平衡;其次,引入混沌初始化,改善了粒子分布质量;然后,基于遗传变异思想设计了取代策略,同时提出了调速机制,提升了算法收敛速度。最后,将综合改进粒子群算法进行仿真验证,规划结果成功率高、收敛速度快且航迹代价小,可见改进算法的有效性。     

船舶燃油品质监测的无人机巡航路径优化

随着我国船舶排放控制区(SECA)建设从沿海向内河的推进,基于无人机和嗅探法的船舶燃油硫含量检测问题成为行业研究热点.基于移动目标旅行商理论(MTTSP),结合检测过程特点,提出一种航迹预测方法,构建无人机巡检路径优化模型(D-SSP).针对该模型设计一种遗传算法进行求解,并基于AIS信息服务平台历史数据,在12种不同...     

基于改进高斯伪谱法的多无人机协同轨迹规划

针对当前伪谱法求解无人机轨迹存在的计算量大、运算时间长以及难以保证最优性等问题,提出了将粒子群算法与高斯伪谱法相结合的改进方法。首先,使用粒子群算法进行航迹预规划,保证近似最优解的快速实现;其次,针对高斯伪谱法配点的相对位置选取,对粒子群预规划的航迹点做拟合处理,并以此作为高斯伪谱法的初始参考指令,从而解决伪谱法的初值敏感问题,加快优化算法的收敛速度。最后,综合考虑无人机编队性能指标、飞行环境以及协同飞行约束等进行实验。实验结果验证了初值选取的重要性,同时表明了所设计算法可提升解的最优性与收敛速度。研究结果可为多无人机协同飞行控制快速规划出多维度、高精度的引导指令,对实现智能自主化飞行有一定参考价值。     

面向无人机路径规划的多目标粒子群优化算法

针对无人机路径规划中方案单一的问题,本文提出一种基于集分解的多目标综合学习粒子群优化算法框架(MOCS-PSO/D),该算法使用基于分解的多目标优化框架(MOEA/D),结合基于集的粒子群优化(S-PSO)和综合学习粒子群优化(CLPSO),对CLPSO和PSO的速度更新公式进行改进,直接获得更多样的路径规划方案,同时...     

基于分层策略的多无人机最优协同航路规划

基于分层策略将多无人机协同航路规划分为航路规划层、协同控制层和航迹控制层进行研究。航路规划层采用基于K均值和遗传算法的航路规划方法,为每架无人机提供多条备选航路;针对传统协同控制算法在求解协同变量出现无解的情况,设计了新的协同变量求解步骤;航迹控制层基于无人机六自由度模型和协同变量建立了终端时间固定的最优航迹控制模型,并采用勒让德伪谱法将最优控制问题转化为非线性规划问题,并利用CFSQP对模型进行了求解,实现了对无人机航迹控制变量和姿态的规划。仿真结果表明,利用该方法得到的无人机协同航路具有较高的可操作性,且计算量较小,效率较高,得到的无人机控制指令平滑,易于操控。     

多无人机平滑巡检路径规划算法

针对石化中多无人机巡检路径问题,利用Dubins曲线并采用提出的滚动式分支定界算法实现最短的平滑轨迹规划.算法将多无人机巡检路径规划问题描述为基于Dubins的多旅行商问题,以实现最优巡检路径规划为目标,提出滚动式分支定界算法不断预估并更新路径长度,并利用上界及下界的不断迭代优化寻求最优路径.此外,算法利用最小插入算法对贪婪算法的改进获得优质的候选解从而剔除更多分支来优化巡检路径.最后,通过离散化各监测点位置的航向角及滑动窗口的限制来规划Dubins路径,实现路径平滑.实验仿真结果表明与现有的巡检路径规划算法相比,该算法在路径长度方面具有更好的性能.     

模拟退火算法在机器人路径规划中的应用研究

本文分析了模拟退火算法在路径规划中的应用。研究结果表明 :它能够有效地提高路径规划的计算速度和保证路径规划的质量     

变电站智能巡检机器人全局路径规划设计

针对国内变电站智能巡检机器人行走路线的特点,建立半结构化的道路模型。提出将改进的Dijkstra算法与模拟退火算法相结合,应用到变电站智能巡检机器人的全局路径规划中,在数据库技术的基础上采用VC++对上述算法进行软件设计与实现,构建具有全局路径规划功能的电子地图系统。该系统已在变电站的智能巡检机器人系统平台下进行实验并投入使用,现场运行结果证明该方法高效可行。     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

基于模拟退火算法的输电网中长期规划研究

模拟退火算法是一种解决组合优化问题的有效方法,其最终优化结果不依赖于初始解的选择,理论上可避免算法过早收敛于局部最小点,从而保证找到全局最优解或全局近似最优解．本文将模拟退火算法用于输电网中长期规划问题的研究,详细介绍了算法实现过程中各种参数的选择方法并给出了具体算例．试算结果表明利用该算法得到的优化结果是令人满意的．     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

基于多核的并行模拟退火放疗计划优化加速方法

为了满足图像导引(imaging guided radio therapy,IGRT)的实时四维适形调强逆向放疗计划在临床实施的需要,用一台HP桌面型工作站和OpenMP多线程库,试验了用多核并行计算技术实现的模拟退火逆向治疗计划快速全局优化算法,并将其应用在一个虚拟体模和4个临床病例的优化中。实验结果表明：基于多核的并行计算技术能大幅度提高逆向放疗技术的优化计算的效率;进一步选用更多核的并行计算机图像工作站,该技术可以满足目前大多数4D医学成像的临床需要。     

基于多核的并行模拟退火放疗计划优化加速方法

为了满足图像导引(imaging guided radiotherapy,IGRT)的实时四维适形调强逆向放疗计划在临床实施的需要,用一台HP桌面型工作站和OpenMP多线程库,试验了用多核并行计算技术实现的模拟退火逆向治疗计划快速全局优化算法,并将其应用在一个虚拟体模和4个临床病例的优化中。实验结果表明:基于多核的并行计算技术能大幅度提高逆向放疗技术的优化计算的效率;进一步选用更多核的并行计算机图像工作站,该技术可以满足目前大多数4D医学成像的临床需要。     

排放控制区巡检作业中异质无人机与无人艇协同调度的双层规划

为提高无人机巡检船舶尾气排放效率,考虑了异质无人机与无人艇协同调度路径规划问题,采用双层规划模型解决无人机与无人艇配置和路径优化问题。上层模型利用改进的自适应模拟退火算法求出无人机与无人艇配置方案;下层模型以最短无人机飞行总时间为目标,结合无人机、无人艇和船舶实时动态性特征,利用改进的遗传算法求出无人机检测序列与飞行路径和无人艇航行路径。算例实验结果表明：异质无人机与无人艇协同调度相较于固定配置下同质无人机与无人艇在飞行总时间上平均减少24.98%,无人机成本平均减少23.57%,无人艇成本平均减少42.20%;无人机速度每提升15 km/h,飞行总时间平均减少23.02%,无人机成本平均增加26.45%;无人艇速度每提升5 km/h,无人艇成本平均增加37%。     

模拟退火遗传算法在电力系统无功优化中的应用

电力系统无功优化是保证系统安全、经济运行的一项有效手段.针对常规遗传算法收敛速度慢、易早熟等缺陷,并结合电力系统无功优化的特点,在遗传算法(GA)和模拟退火算法(SA)的基础上,提出了更加有效的算法即模拟退火遗传算法.使用该文提出的算法对IEEE-14节点系统进行了无功优化计算,结果表明该模拟退火遗传算法应用于无功优化是合理可行的.     

自动化立体仓库固定货架拣选路径问题研究

为提高自动化立体仓库拣选效率,以存取时间最短为目标,针对单巷道固定货架拣选作业过程,构建了解决拣选作业路径优化问题的数学模型,提出结合模拟退火算法的混合粒子群算法.该算法在求解过程中用粒子群算法初始化种群,提高了优化效率,缩短了搜索时间;在迭代过程中采用模拟退火算法,利用其概率突跳能力,以避免基本粒子群算法迭代过程中陷入局部最优和早熟收敛.通过实例验证,该算法比标准粒子群算法所用时间短、收敛速度快、迭代次数少.