简介:摘要介绍基本粒子群优化算法的原理、特点,并在此基础上提出了一种改进的粒子群算法。通过在粒子初始化时引入相对基的原理使粒子获得更好的初始解,以及在迭代过程中引入变异模型,部分粒子生成相对应的扩张及收缩粒子,比较其适应度,保留最佳粒子进行后期迭代,使算法易跳出局部最优。通过经典函数的测试结果表明,新算法的全局搜索能力有了显著提高,并且能够有效避免早熟问题。
简介:针对粒子群算法无线传感器网络(WSN)覆盖优化中算法稳定性较差,后期收敛速度慢和易陷入局部最优问题,本文提出了一种自适应扰动混沌的粒子群(AdaptiveDisturbanceChaoticParticleSwarmOptimization,简称ADCPSO)的覆盖增强算法。一是在覆盖范围中应用改进的混沌Tent映射对粒子初始化,提高了种群的求解质量和算法的稳定性;二是采用非线性递减的惯性权重和学习因子自适应操作;三是根据一定概率对粒子位置进行扰动更新,避免粒子陷入局部收敛的问题。仿真结果表明,该算法具有良好的全局搜索能力,稳定性好,提高了网络覆盖率。
简介:针对自由漂浮状态下的空间机械臂系统,研究了基座姿态扰动最小的轨迹规划问题。首先通过正弦函数参数化机械臂各个关节,在机械臂关节角速度、角加速度以及基座姿态变化范围受限的约束条件下,定义了基座姿态扰动最小的目标函数,然后提出了基于混沌粒子群算法的轨迹优化策略,并给出了具体求解步骤。数值算例结果表明,在满足系统的约束条件下,机械臂关节变化平缓,不存在角速度突变的情况,并且比标准粒子群算法具有更快的收敛速度,在优化轨迹下进行运动仿真,结果表明终止时刻基座姿态扰动为1.3708°(三轴合成),而梯形规划的姿态扰动为8.5459°,优化后使得姿态的扰动减小84%,从而说明所提出的算法能够有效减小机械臂运动对基座姿态的扰动。