针对移动机器人寻找最优路径问题,提出了一种融合无标度网络、自适应权重和黄金正弦算法变异策略的樽海鞘群算法BAGSSA(Adaptive Salp Swarm Algorithm with Scale-free of BA Network and Golden Sine)。首先,生成一个无标度网络来映...
详细信息
针对移动机器人寻找最优路径问题,提出了一种融合无标度网络、自适应权重和黄金正弦算法变异策略的樽海鞘群算法BAGSSA(Adaptive Salp Swarm Algorithm with Scale-free of BA Network and Golden Sine)。首先,生成一个无标度网络来映射跟随者的关系,增强算法全局寻优的能力,在追随者进化过程中集成自适应权重ω,以实现算法探索和开发的平衡;同时选用黄金正弦算法变异进一步提高解的精度。其次,对12个基准函数进行仿真求解,实验数据表明平均值、标准差、Wilcoxon检验和收敛曲线均优于基本樽海鞘群和其他群体智能算法,证明了所提算法具有较高的寻优精度和收敛速度。最后,将BAGSSA应用于移动机器人路径规划问题中,并在两种测试环境中进行仿真实验,仿真结果表明,改进樽海鞘群算法较其他算法所寻路径更优,并具有一定理论与实际应用价值。
针对室内到达时间差(time difference of arrival,TDOA)位置估计中的非线性最优化问题,提出用改进的樽海鞘群算法搜索目标位置.通过选择最优主基站构造改进的适应度函数,使适应度函数可以更好地反映解的优劣程度,提高了搜索精度.在初始...
详细信息
针对室内到达时间差(time difference of arrival,TDOA)位置估计中的非线性最优化问题,提出用改进的樽海鞘群算法搜索目标位置.通过选择最优主基站构造改进的适应度函数,使适应度函数可以更好地反映解的优劣程度,提高了搜索精度.在初始樽海鞘种群中引入近似解,使全局搜索的步骤得到简化,加快了算法前期收敛速度.采用自适应跟随策略更新追随者位置,解决局部开发低效问题,加快了算法后期收敛速度.仿真结果表明,基于改进樽海鞘群算法的TDOA定位技术相比其他元启发式算法具有更高的定位精度和更快的收敛速度.
暂无评论