|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 蚁群算法研究与应用的新进展显示文摘蚁群算法是一种源于大自然生物界的仿生进化算法,具有自组织性、正反馈性、较强的鲁棒性和分布式计算等特性,且易于与其它算法相结合,在众多的复杂组合优化领域中有着广阔的应用前景。首先对蚁群算法的理论及其重要参数进行了阐述,继而分析了其在参数优化和智能融合方面的改进与应用;然后对其在车间作业调度问题、车辆路径问题、图像处理、电力系统优化等领域的应用进展进行了综述;最后对其理论研究和应用领域可能存在的问题及对策进行了探讨和展望。 | 覃远年 梁仲华 | 2019 | 计算机工程与科学2019，41，1： | 35 |
| 2 | System Identification Method for Small Unmanned Helicopter Based on Improved Particle Swarm Optimization显示文摘 | Oi Bian Kairui Zhao Xinmin Wang Rong Xie | 2016 | Journal of Bionic Engineering2016，13，3： | 4 |
| 3 | 基于信息素差异分布策略的路径规划蚁群改进算法显示文摘针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题,提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离,对初始信息素不平均分配,使其呈正态分布,降低算法搜索初期的盲目性,加快最优解的搜索;其次改进挥发因子,采用双挥发因子原则,控制信息素的挥发,既降低局部最优的可能,又能加快收敛速度;对冗余路径作进一步优化处理,使得路径更优。仿真结果表明,本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快,收敛性更稳定。 | 马康康 王雷 李东东 蔡劲草 苏学满 | 2023 | 南京航空航天大学学报2023，55，1： | 1 |
| 4 | 基于终距指数的机器人路径规划方法研究显示文摘传统蚁群算法在生成信息素浓度时,由于算法生成的路径可能存在冗余成分,信息素浓度可能无法正确反应路径各节点的优劣,蚂蚁无法根据信息素浓度来迅速找出最优路径,导致算法寻优缓慢.基于传统蚁群算法思想,提出了一种新改进蚁群算法,即通过引入终距指数这一概念,取代信息素浓度的标记功能,蚂蚁可以依赖该指数进行决策选择优良节点.以20×20的栅格环境地图对改进蚁群算法进行案例仿真,实验结果表明,传统蚁群算法及其他改进蚁群算法分别需要43代及34代才能收敛到最优值,而利用改进蚁群算法仅需要进化3代即可收敛到最优解;为了进一步验证改进蚁群算法的优越性,在对更为复杂的30×30栅格模型仿真,利用传统蚁群算法与其他改进蚁群算法的收敛代数分别为52代与28代,而利用新改进蚁群算法的收敛代数仅为4代;另外,为了进一步验证改进算法的稳定性,对30×30环境模型进行连续运行30次仿真,所需平均收敛代数仅为4.97代. | 李东东 王雷 马康康 | 2022 | 云南大学学报(自然科学版)2022，44，3： | 0 |
| 5 | An Intelligent Ellipsoid Calibration Method Based on the Grey Wolf Algorithm for Magnetic Compass显示文摘With the measurement of the Earth’s magnetic field,magnetic compass can provide high frequency heading information.However,it suffers from local magnetic interference.An intelligent ellipsoid calibration method based on the grey wolf is proposed to generate optimal parameters for magnetic compass to generate high performance heading information.With the analysis of the projection relationship among the navigation coordinate frame,the body frame and the local horizontal frame,the heading ellipsoid equation is constructed.Furthermore,an improved grey wolf algorithm is proposed to find optimization solution in a large solution space.With the improvement of the convergence factor and the evolutionary mechanism,the improved grey wolf algorithm can generate optimized solution for heading ellipsoid equation.The effectiveness of the proposed method has been verified by a series of vehicle and flight tests.The experimental results show that the proposed method can eliminate errors caused by sensor defects,hard-iron interference,and soft-iron interference effectively.The heading error generated by the magnetic compass is less than 0.2162 degree in real flight tests. | Xusheng Lei Xiaoyu Zhang Yankun Hao | 2021 | Journal of Bionic Engineering2021，18，2： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员