近年來(lái),各種事故災(zāi)害發(fā)生頻繁,現(xiàn)場(chǎng)救援工作的需求愈加迫切;同時(shí),也使得救援現(xiàn)場(chǎng)的環(huán)境變得惡劣且復(fù)雜,人工救援成為一項(xiàng)困難又危險(xiǎn)的工作。移動(dòng)機(jī)器人技術(shù)的迅速發(fā)展,為解決這一艱巨的課題帶來(lái)新的方向。移動(dòng)機(jī)器人用于受災(zāi)現(xiàn)場(chǎng)的搜救探索,是機(jī)器人技術(shù)朝實(shí)用化發(fā)展的重要研究?jī)?nèi)容。本文從劃分與指派兩個(gè)優(yōu)化層面,對(duì)多機(jī)器人探索優(yōu)化算法進(jìn)行研究。K-means聚類算法是一種無(wú)監(jiān)督學(xué)習(xí)方法,實(shí)現(xiàn)簡(jiǎn)單。用K-means算法對(duì)探索目標(biāo)點(diǎn)的分布區(qū)域劃分,保證了每個(gè)區(qū)域的工作量相當(dāng),在指定探索區(qū)域內(nèi),機(jī)器人移動(dòng)不會(huì)沖突碰撞。考慮到K-means算法對(duì)初始中心敏感,對(duì)離群點(diǎn)可能錯(cuò)分。采用人工蜂群算法對(duì)聚類算法優(yōu)化并提出K-means不迭代的思想,同時(shí)改進(jìn)人工蜂群算法,加快與提高對(duì)解的搜索速度、開發(fā)精度。優(yōu)化的K-means算法用在UCI數(shù)據(jù)集中數(shù)據(jù)的聚類測(cè)試,結(jié)果表明提出的算法提高了聚類劃分的穩(wěn)定性。指派問題是一類組合優(yōu)化問題。人工蜂群算法一般用于連續(xù)優(yōu)化問題上,而且不同的組合問題有不同的解編碼。因此,從可行解的編碼形式和解的搜索更新方式上,改進(jìn)人工蜂群算法。通過(guò)兩個(gè)指派算例對(duì)改進(jìn)的算法做測(cè)試,并與其他方法做對(duì)比,結(jié)...

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1探索任務(wù)指派示意圖

救援機(jī)器人協(xié)作探索，問題關(guān)鍵在于，如何確保多個(gè)機(jī)器人動(dòng)路徑最短，并且各自的探索工作量大致相同）、在避免碰撞下，基本同步完成各自的探索任務(wù)。對(duì)此，本文考慮基于目任務(wù)）和大概的環(huán)境信息（如長(zhǎng)和寬等），首先K-means聚為與機(jī)器人個(gè)數(shù)相同的多個(gè)子區(qū)域，并進(jìn)一步將劃分好的區(qū)其中涉及....

圖2.2K-means算法聚類過(guò)程

c||ij表示。算法的步驟描述如下：1）隨機(jī)初始化聚類中心：dkc,c,...,c∈R12；2）重復(fù)循環(huán)執(zhí)行以下操作，直至算法收斂：于數(shù)據(jù)集中的每一個(gè)待分?jǐn)?shù)據(jù)對(duì)象ix2C:argmin||xc||ijjj=于每一個(gè)聚類中心jc{}{}∑∑=====miimiiijC....

圖3.3IABC-K-means算法流程圖方案一由于K-means聚類算法本身就是一種迭代進(jìn)化算法，對(duì)于規(guī)模小的簡(jiǎn)單數(shù)據(jù)

中原工學(xué)院碩士學(xué)位論文第3章基于改進(jìn)ABC算法的聚類優(yōu)化算法本文用IABC算法優(yōu)化K-means算法的提法是，要將數(shù)據(jù)集劃分成K類；初始化IABC算法參數(shù)包括種群規(guī)模、最大迭代次數(shù)，以及開采度；同時(shí)利用IABC算法全局隨機(jī)搜索能力，隨機(jī)從數(shù)據(jù)集中選擇....

圖 3.4 IABC-K-means 算法流程圖方案二

IABC算法K-means算法圖3.4IABC-K-means算法流程圖方案二對(duì)圖3.4中的算法流程說(shuō)明：首先借用IABC算法隨機(jī)初始化K個(gè)初始的聚類中心；將數(shù)據(jù)集輸入K-means算法，由前述中心并依據(jù)最近歐氏距離的原則，對(duì)數(shù)據(jù)進(jìn)行一次劃分，接著求一次各....

本文編號(hào)：4030083