论文摘要
针对正弦余弦算法(SCA,sine cosine algorithm)局部搜索能力差的缺陷,提出自学习策略和Lévy飞行的正弦余弦优化算法(SCASL,sine cosine optimization algorithm with selflearning strategy and Lévy flight)。首先,提出正弦余弦算法自学习策略和非线性权重因子,使搜索个体记忆自身历史最优位置,在寻优过程中指导搜索个体更新位置,提高SCA的局部搜索能力;算法寻优后期,当搜索陷入局部最优时,采用基于Lévy飞行的停滞扰动策略使算法跳出局部最优,提高SCA的局部最优规避能力。基于13个经典基准测试函数对算法性能进行测试的实验结果表明,SCASL相比标准SCA和较新的优化算法SSA,VCS,WOA,GSA,具有更高的计算效率,收敛精度以及更强的局部最优规避能力。求解无人作战飞机航迹规划的仿真结果表明,在有6个敌方威胁源的战场环境中,相比SCA,SCASL求解得到的飞行航迹具有更小的航迹代价。综上,所提出的SCASL具有较强的寻优能力。
论文目录
文章来源
类型: 期刊论文
作者: 李银通,韩统,赵辉,王骁飞
关键词: 优化算法,正弦余弦优化算法,自学习策略,飞行
来源: 重庆大学学报 2019年09期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 航空航天科学与工程,自动化技术
单位: 空军工程大学航空工程学院
基金: 中国航空科学基金(20175196019),陕西省自然科学基金(2017JM6078)~~
分类号: TP18;V279;V249
页码: 56-66
总页数: 11
文件大小: 343K
下载量: 105
相关论文文献
标签：优化算法论文; 正弦余弦优化算法论文; 自学习策略论文; 飞行论文;