發(fā)布時間：2021-07-30 01:18

　　針對量子行為粒子群優(yōu)化（QPSO）算法在移動機器人路徑規(guī)劃中出現(xiàn)早熟收斂的問題,提出一種基于聚集度因子和階段變異策略的改進QPSO算法。根據(jù)目標函數(shù)計算粒子的適應度值,在壓縮擴張因子中引入改進聚集度因子劃分搜索階段,利用分階段變異策略更新個體位置,并對算法進行性能測試。實驗結(jié)果表明,與FE-PSO算法相比,該算法具有較高的收斂精度與較好的穩(wěn)定性。 

【文章來源】：計算機工程. 2019,45(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

可以看出，在地圖1中，改進QPSO算法、SeL-QPSO算

計算機工程2019年4月15日這3張柵格地圖對FE-PSO算法、SeL-QPSO算法、QPSO-DE算法與改進QPSO算法進行實驗，將10m×10m、15m×15m、20m×20m這3張地圖分別稱為地圖1、地圖2與地圖3。每種算法在每種地圖獨立運行50次，考察50次實驗迭代結(jié)束時所得到的平均路徑長度、標準差、最短路徑長度、最長路徑長度與程序運行時間，結(jié)果如圖1～圖6所示。圖14種算法在地圖1中的最短路徑路線圖24種算法在地圖1中的平均路徑長度圖34種算法在地圖2中的最短路徑路線圖44種算法在地圖2中的平均路徑長度圖54種算法在地圖3中的最短路徑路線圖64種算法在地圖3中的平均路徑長度表7給出4種算法的性能比較結(jié)果。從表7可以看出，在地圖1中，改進QPSO算法、SeL-QPSO算法與QPSO-DE算法所得到的最短路徑長度相同，但是在平均路徑長度與路徑長度標準差上，改進QPSO算法要優(yōu)于其他3種算法。在地圖2中，改進QPSO算法所算得到的路徑標準差遜于SeL-QPSO算法和QPSO-DE算法，最長路徑長度要長于SeL-QPSO算法和QPSO-DE算法，這是因為改進QPSO算法在搜索后期有可能沒有收斂或者收斂速度較慢，其收斂性能要差于QPSO-DE算法，而在其他指標上，改進QPSO算法均優(yōu)于其他對比算法。綜合考慮平均長度、標準差與平均時間這3個指標，改進QPSO算法在地圖2上穩(wěn)定性不如QPSO-DE算法和SeL-QPSO算682


本文編號：3310389