一种改进的粒子群优化算法及其在无人机航路规划中的应用

论文摘要

粒子群优化（PSO）算法原理简单、通用性强、搜索能力全面,特别适合用于无人机航路规划。常规的PSO算法容易陷入局部最优,结合遗传算法,对PSO算法的种群进行交叉、变异等操作,根据适应值优劣,对粒子先判断后更新,提高了种群的多样性,避免种群陷入"早熟",提高了收敛速度。通过对基准测试函数进行测试,结果表明,改进的遗传-粒子群优化（GA-PSO）算法收敛速度更快,收敛精度更高。针对无人机航路规划问题,采用GA-PSO算法进行仿真,仿真结果验证了GA-PSO算法在航路规划中的有效性。

论文目录

• 0 引 言
• 1 改进的粒子群算法
•   1.1 标准粒子群算法
•   1.2 量子粒子群算法
•   1.3 改进的粒子群算法
•   1.4 改进效果仿真
• 2 航路规划
•   2.1 环境建模
•   2.2 航迹路线建模
•     2.2.1 航迹路线建模
•     2.2.2 最优航线求解
• 3 仿真试验与分析
• 4 结束语

文章来源

类型: 期刊论文

作者: 李鹏,李兵舰,亓亮,陈凯翔,李迪

关键词: 粒子群优化,航路规划,遗传算法

来源: 舰船电子对抗 2019年05期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 航空航天科学与工程,自动化技术

单位: 中国船舶重工集团公司第七二三研究所

分类号: TP18;V279;V249

DOI: 10.16426/j.cnki.jcdzdk.2019.05.015

页码: 59-64

总页数: 6

文件大小: 3779K

下载量: 212