论文部分内容阅读
优化问题是科学研究和工程实践领域中的热门问题。经过近几十年的发展,群体智能优化算法以其简单、灵活、高效等特点,已成为解决全局优化问题的主要技术。经典的群智能优化算法有粒子群算法(PSO)和蚁群算法(ACO)。一方面,这些算法主要是在搜索过程中引入了随机性,能够有效的避免陷入局部解。另一方面,大多数需要优化的实际工程问题都伴随着大量的局部解。因此,采用群智能优化算法来获得全局优化问题中的最优解具有重要的现实意义。
本文基于麻雀种群中的觅食行为和反捕食行为提出一种新型的群智能优化技术:麻雀搜索算法(Sparrow Search Algorithm,SSA),并将该算法成功应用在三维无人机航迹优化问题上。本文主要研究工作如下:
(1)为了解决传统优化算法易陷入局部最优等问题,提出麻雀搜索算法。具体地,我们根据麻雀的觅食行为和反捕食行为制定出相应的规则,然后,根据这些规则构建出相对应的数学模型,提出在搜索空间中具有全局探索与局部开发能力的算法。
(2)本文设计了三组仿真实验用以验证麻雀搜索算法的性能。在第一组仿真实验中,对七种单峰测试函数进行优化,验证算法的收敛速度和局部开发能力;第二组实验是对五种多峰测试函数进行优化,用来验证算法逃离局部极值的能力和全局探索能力;第三组实验选取了七种固定维度测试函数进一步验证算法的收敛速度、稳定性和收敛精度。对算法的求解速度、稳定性和收敛精度的综合分析表明,麻雀搜索算法与灰狼优化算法(GWO)、粒子群算法(PSO)和引力搜索算法(GSA)相比具有很强的竞争力。
(3)本文将麻雀搜索算法应用于三维无人机的航迹优化过程。首先,建立了用于三维无人机航迹规划的环境模型,其中包括基准地形、障碍区域和威胁区域。然后,建立了无人机飞行综合代价评估模型作为目标函数,并通过麻雀搜索算法寻找到最佳的飞行路线。最后,对求取结果进行分析与总结,验证本文所提算法在三维无人机航迹规划中的有效性和可行性。
本文基于麻雀种群中的觅食行为和反捕食行为提出一种新型的群智能优化技术:麻雀搜索算法(Sparrow Search Algorithm,SSA),并将该算法成功应用在三维无人机航迹优化问题上。本文主要研究工作如下:
(1)为了解决传统优化算法易陷入局部最优等问题,提出麻雀搜索算法。具体地,我们根据麻雀的觅食行为和反捕食行为制定出相应的规则,然后,根据这些规则构建出相对应的数学模型,提出在搜索空间中具有全局探索与局部开发能力的算法。
(2)本文设计了三组仿真实验用以验证麻雀搜索算法的性能。在第一组仿真实验中,对七种单峰测试函数进行优化,验证算法的收敛速度和局部开发能力;第二组实验是对五种多峰测试函数进行优化,用来验证算法逃离局部极值的能力和全局探索能力;第三组实验选取了七种固定维度测试函数进一步验证算法的收敛速度、稳定性和收敛精度。对算法的求解速度、稳定性和收敛精度的综合分析表明,麻雀搜索算法与灰狼优化算法(GWO)、粒子群算法(PSO)和引力搜索算法(GSA)相比具有很强的竞争力。
(3)本文将麻雀搜索算法应用于三维无人机的航迹优化过程。首先,建立了用于三维无人机航迹规划的环境模型,其中包括基准地形、障碍区域和威胁区域。然后,建立了无人机飞行综合代价评估模型作为目标函数,并通过麻雀搜索算法寻找到最佳的飞行路线。最后,对求取结果进行分析与总结,验证本文所提算法在三维无人机航迹规划中的有效性和可行性。