本文關鍵詞：基于粒子群算法的路徑規(guī)劃問題研究

  更多相關文章： 粒子群算法 移動機器人路徑規(guī)劃 雁群粒子群算法 混沌 旅行商問題 遺傳算法

【摘要】：粒子群優(yōu)化算法(PSO)是一種新型群智能優(yōu)化算法,因其概念簡單,參數(shù)較少,容易實現(xiàn)等優(yōu)點,使其獲得了國內(nèi)外眾多研究人員的青睞,現(xiàn)已被廣泛應用在函數(shù)優(yōu)化、自動控制、機器學習、工程設計等領域。但由于PSO算法仍在發(fā)展中,其理論基礎以及改進方法和應用領域還需要進一步的研究和拓展。本文主要側(cè)重于標準PSO算法應用的改進研究,主要的內(nèi)容包括以下幾個方面:首先,闡述本課題的研究現(xiàn)狀及基本理論,包括算法原理、算法數(shù)學描述、算法步驟、算法流程以及算法的收斂性分析,并對PSO算法中的主要參數(shù)進行了詳細的分析和討論。其次,針對基于PSO算法的移動機器人路徑規(guī)劃容易陷入局部最優(yōu)值的問題,借鑒雁群飛行啟示,提出一種基于改進雁群PSO的移動機器人全局路徑規(guī)劃方法。利用混沌算法對雁群PSO進行初始化,并對于算法優(yōu)化過程中出現(xiàn)的早熟粒子進行混沌處理,以此避免了算法過早收斂。另外,通過引入一種新的自適應慣性權重公式,更好的平衡了全局搜索和局部搜索。仿真結(jié)果表明,改進后的雁群PSO算法能更好的擺脫局部最優(yōu)值,搜索到全局最優(yōu)路徑。最后,在離散空間的組合優(yōu)化中,對于較復雜旅行商問題,PSO算法尋優(yōu)后期出現(xiàn)粒子的多樣性下降,利用遺傳算法的思想提出交叉策略,這樣可以使得上一代粒子的優(yōu)勢基因傳遞給下一代,此外,通過采用啟發(fā)因子策略來改進PSO算法,使得算法的優(yōu)化過程向全局最優(yōu)值趨近。仿真分析表明,改進后的PSO算法在TSP問題中表現(xiàn)出了明顯的優(yōu)勢。
【關鍵詞】：粒子群算法 移動機器人路徑規(guī)劃 雁群粒子群算法 混沌 旅行商問題 遺傳算法
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-17
• 1.1 課題研究背景10-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-15
• 1.2.1 PSO算法的理論研究11-12
• 1.2.2 PSO算法的改進研究12-13
• 1.2.3 PSO算法的應用研究13-15
• 1.3 課題來源及本文主要內(nèi)容15
• 1.4 本文組織結(jié)構15-17
• 第2章 粒子群算法的理論基礎17-30
• 2.1 基本粒子群算法17-20
• 2.1.1 算法原理17
• 2.1.2 數(shù)學描述17-18
• 2.1.3 算法步驟18-19
• 2.1.4 算法流程19-20
• 2.2 標準粒子群算法20-21
• 2.2.1 帶慣性權重的PSO算法20
• 2.2.2 帶壓縮因子的PSO算法20-21
• 2.3 粒子群算法的參數(shù)分析21-26
• 2.3.1 慣性權重21-24
• 2.3.2 學習因子24-25
• 2.3.3 其他參數(shù)25
• 2.3.4 PSO算法的收斂性分析25-26
• 2.4 粒子群算法的常用測試函數(shù)26-29
• 2.5 本章小結(jié)29-30
• 第3章 基于改進雁群PSO的移動機器人路徑規(guī)劃30-45
• 3.1 引言30
• 3.2 基于雁群啟示的優(yōu)化PSO算法30-40
• 3.2.1 對雁群PSO混沌初始化并改進早熟粒子31-33
• 3.2.2 一種新的自適應慣性權重33-37
• 3.2.3 改進的雁群PSO與其他PSO算法的比較37-40
• 3.3 改進雁群PSO的移動機器人路徑規(guī)劃40-44
• 3.3.1 環(huán)境建模40-41
• 3.3.2 搜索策略41
• 3.3.3 算法步驟41-42
• 3.3.4 仿真分析42-44
• 3.4 本章小結(jié)44-45
• 第4章 改進粒子群優(yōu)化算法在旅行商問題中的應用45-59
• 4.1 引言45
• 4.2 求解旅行商問題的PSO算法45-50
• 4.2.1 TSP問題的簡介45-46
• 4.2.2 TSP問題的描述46-47
• 4.2.3 定義交換子和交換序47-49
• 4.2.4 TSP中的粒子群算法49-50
• 4.3 求解旅行商問題的改進PSO算法50-58
• 4.3.1 基于遺傳算法思想的改進50-51
• 4.3.2 啟發(fā)因子策略51-52
• 4.3.3 改進PSO算法的步驟及流程52-54
• 4.3.4 仿真分析54-58
• 4.4 本章小結(jié)58-59
• 結(jié)論59-61
• 參考文獻61-65
• 致謝65

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應用[J];計算機工程與應用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術;2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進的完全信息粒子群算法研究[J];曲阜師范大學學報(自然科學版);2011年01期

6 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[J];計算機工程與應用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應量子粒子群算法[J];計算機系統(tǒng)應用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機應用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學習因子的簡化粒子群算法[J];自動化技術與應用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應用[J];計算機工程與應用;2004年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質(zhì)與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學;2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結(jié)構優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設計[D];河北聯(lián)合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學;2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學;2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機數(shù)學模型問題[D];山東大學;2015年

9 陳百霞;考慮風電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學;2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學;2015年

，

本文編號：708574