針對標準粒子群算法初期收斂速度快,后期容易陷入早熟,局部尋優(yōu)等缺點,提出了一種新的隨機時滯粒子群優(yōu)化算法(Random Delayed Particle Swarm Optimization,RDPSO)。該算法中,速度更新模型將根據(jù)隨機變量期望值從一種模式切換到另一種模式。此外,為了減少陷入局部最優(yōu)現(xiàn)象的發(fā)生并擴大搜索空間,在速度更新方程中添加了隨機時滯。仿真結果表明了所提出的RDPSO算法的綜合性能優(yōu)于其他改進的PSO算法。最后,將RDPSO算法應用于油田巡檢無人機航跡規(guī)劃問題,實驗證明RDPSO算法有效地避免了局部最優(yōu)現(xiàn)象的發(fā)生,同時保證了收斂速度。

【文章頁數(shù)】：6 頁


本文編號：3843413