基于粒子群算法和航行规则的分步多船避碰路径规划

针对宽水域多船避碰过程中路径规划难与航行规则结合的问题,提出一种分步多船避碰路径规划算法。首先将障碍船视为静态障碍物,利用极坐标空间的粒子群路径规划算法结合船舶安全领域进行静态路径规划,得到船舶避碰转向点;然后利用航行规则对转向点的转向角度进行动态修正。通过对算法进行仿真验证,能够很好地解决多船避碰路径规划的问题,为解决多船避碰问题提供一种新的思路。     

基于改进花授粉算法的无人船空间全局优化

在分析无人船的空间路径规划的数学建模基础上,提出基于粒子群局部搜索算法策略和维度改进算法策略的改进花授粉(IFPA)的全局搜索优化算法。该算法在水面中解决无人船(US)路径规划问题中,可以加快全局收敛速度,同时保留标准花授粉算法(FPA)的强鲁棒性。实验结果表明:相比其他9种基于群体的算法,IFPA方法对解决US在水面路径规划更为有效。     

多子群改进的海洋捕食者算法

文章针对海洋捕食者算法(Marine Predators Algorithm,MPA)求解精度不高和收敛速度慢等缺点,提出一种多子群改进的海洋捕食者算法(Multi-subpopulation Marine Predators Algorithm,MSMPA).根据不同适应度值将海洋捕食者种群分为领导者、追随者和衔尾者...     

基于AIS的船舶避碰系统研究

船舶自动识别系统AIS的诞生为船舶避碰提供了一种新方法,研究了船舶自动识别系统AIS的关键技术及其组成,设计了基于AIS的船舶避碰系统.该系统对AIS等设备采集的数据进行变换与接收,以DSP为信息处理和控制元件,采用FPGA以解决多接口的问题.AIS技术的引入,使船舶碰撞危险系数的计算更为精确,船舶与船舶之间、船舶与岸台之间的通信更加迅速.     

动态环境下基于改进蚁群算法的移动机器人路径规划

针对同时具有静态和动态障碍物的复杂环境下机器人路径规划问题,提出一种基于改进蚁群算法(ACA)的路径规划方法。文章所述的方法由两部分组成,分别为全局和局部预测避障路径规划。首先,在传统ACA上调整转移概率,加入精英策略以解决路径规划时易陷入局部最优的问题。其次,针对上述改进ACA在动态障碍物环境中适应性低的弊端,通过加入滚动窗口指导移动机器人在栅格环境中避开动态障碍物,仿真结果表明所述方法具有可行性。     

基于邻域粗糙集和海洋捕食者算法的特征选择方法

针对粗糙集模型中特征选择方法存在计算开销大、不能直接处理连续数据,以及海洋捕食者算法(MPA)处理优化问题仍存在收敛速度慢、易陷入局部最优等问题,提出了基于邻域粗糙集(NRS)和海洋捕食者算法的特征选择方法.首先,使用基于Tent混沌映射的反向学习和高斯扰动策略对原算法改进得到IMPA,再构建一种传输机制形成一种二进制算法;然后,基于邻域依赖度和特征子集长度构造适应度函数,使用IMPA不断迭代搜索出最优特征子集,设计一种元启发式特征选择算法.最后,在9个基准测试函数上评估IMPA的优化性能以及在UCI数据集上评估特征选择算法的分类能力.实验结果表明,在9个基准测试函数上IMPA的平均值、标准差明显优于粒子群优化算法(PSO)和樽海鞘算法(SSA);在UCI数据集上,同基于粗糙集的优化特征选择算法、基于邻域粗糙集的优化特征选择算法相比,所提的特征选择方法在KNN分类器下的分类精度平均值分别提高了10.28~14.13个百分点、2.71~12.11个百分点,在CART分类器下的分类精度平均值分别提高了9.41~13.24个百分点、2.90~12.31个百分点.     

基于强化学习的多机器人避碰算法研究

采用强化学习解决多机器人避碰问题。然后针对表格式Q学习算法只能用于离散的状态并且学习时间过长,难以收敛的不足,提出了神经网络和Q学习相结合的算法。最后将该算法应用到多机器人避碰问题中,仿真实验表明该算法有效,能较好地解决多机器人避碰问题。     

基于AIS与ECDIS融合的现代船舶避碰系统

海上航行船舶是一个复杂的系统,其系统组成包括人、船、环境等三大要素,该系统的独特之处在于具有不确定性,因为它在应用过程中涉及的因素繁多且复杂,同时这些因素充满了变化。在驾驶员航行值班期间,主要是凭借丰富的海上经验来作出判断,从而展开避碰决策,但航海经验大多无法以传统数学方法给予表示,不能建立明确的模型,因此不能对海上航行避碰问题提供准确且有效的指导。近年来,各国均对船舶智能避碰决策系统领域展开了研究,通过现代化船舶避碰系统的应用,来控制人为失误等因素所致的海上交通事故。如今,现代科技在我国航运业中的应用更加成熟,电子海图技术及船舶自动识别系统的融合应用,大大提升了船舶航行系统的性能,为船舶的安全航行提供了有力保障。     

基于深度强化学习的无人船全覆盖路径规划

无人船使用传统“之”字形算法在不规则岛屿区域执行海上搜索任务时,无法实现全覆盖路径规划。针对该问题,文中提出一种将“之”字形算法和基于深度强化学习的无人船全覆盖路径规划算法框架相结合的混合算法,对大范围无障碍区域使用“之”字形算法,对存在障碍的小范围区域使用深度强化学习算法框架,并引入内在好奇心模块增强该算法框架的收敛速度。该算法框架将搜索区域的地图信息转换成矢量观测值并通过全连接层传递给智能体,从而训练出一个神经网络为无人船做规划决策,在满足规避障碍物的安全约束条件下实现任务区域的全覆盖。试验方面,通过Unity3D仿真平台搭建三维环境模型,验证该混合算法的可行性。结果表明,所提出的无人船全覆盖路径规划算法框架可在岛屿区域达到覆盖率100%,且路径较短。     

无人船避障导航算法仿真测试平台设计与开发

为解决无人船避障导航算法验证成本高的问题,在实验室中为相关算法提供便捷高效的离线测试方案,利用虚拟现实技术,基于Unity 3D开发平台,采用插件动态加载方法,设计开发了一款仿真测试软件平台。在此软件平台中能够实时生成具有随机障碍物的虚拟近岸海洋环境,将自主设计开发的避障导航算法嵌入无人船运动过程中,对相关算法的性能指标进行测试和记录展示。设计开发的无人船避障导航算法仿真测试平台,为无人船关键测控算法的离线仿真测试验证提供了新的手段,实验过程易于复现,算法效果比对直观。与实船实验相比节省了大量的人力物力,提高了算法测试验证的便捷性和效率。     

基于正余弦扰动的海洋捕食者算法优化RFA设计

为适应下一代6G通信网络对光通信网络提出的高速率、宽带宽和大容量的需求,对拉曼光纤放大器(Raman fiber amplifier, RFA)泵浦参数的优化设计成为了当前光通信系统研究的重点。本文以掺铒碲基光纤为传输介质,提出了一种改进的海洋捕食者算法(modified marine predator algorithm, MMPA),利用该算法优化设计了多泵浦RFA,有效实现了对C+L波段内各信道的平坦光放大。与现有RFA优化算法进行对比,MMPA具有性能优异和鲁棒性强等特点,能有效解决拉曼耦合波方程中的非线性和组合优化等问题,确保RFA的高增益和低增益平坦度。仿真结果表明,在1 530—1 630 nm的增益谱宽范围内,放大器的平均增益为42.36 dB,增益平坦度为0.67 dB。     

基于蚁群算法的无人船平滑路径规划

为解决无人驾驶船舶在复杂环境中规划路径时存在的转向角度大、路径拐点多、航行能耗高等问题,文中提出一种基于改进蚁群算法的平滑路径规划方法。该方法采用栅格法进行环境建模,通过在启发函数中引入路径平滑度、距离启发因子以及在路径转移概率中引入障碍物启发因素,提高路径寻优和静态避障能力。结合启发因素改进信息素更新标准,设置可调节信息素挥发因子增加算法的自适应性。提取输出的最优路径关键节点并对其进行平滑处理,进一步保证路径平滑度和安全性。根据不同栅格环境下的避障仿真结果可知,与传统算法相比,文中改进蚁群算法的路径寻优速度提高了45%～62%,转向次数减少了25%～44%,平滑处理后的路径安全性和可行性得到了提升,较好地实现了不同环境下无人船自主路径规划。     

基于射线模型的改进全局路径规划算法

针对目前服务于移动机器人的全局路径规划算法存在拐点多、耗时长或递归计算复杂等问题,本文提出一种基于射线模型的改进全局路径搜索算法.利用形态学滤波处理障碍物栅格地图,并引入碰撞估值增加靠近障碍物的栅格的代价值,形成梯度代价栅格地图.结合射线模型从起点向终点进行射线搜索,并在搜索过程中通过逆向优化算法优化路径.通过实验证明...     

基于漂角估计的无人船局部动态避障方法

为了提高无人船局部动态避障的规范性、安全性和稳定性,提出基于漂角估计的无人船局部动态避障方法。首先,根据国际海上避碰规则(COLREGS)选取动态窗口法(DWA)的速度空间;其次,根据预测的障碍物运动状态选择动态窗口法中无人船的无碰预测轨迹;最后,考虑海洋扰动,利用横向位置误差估计漂角,并在无人船的航向上进行补偿。仿真实验结果验证了所提方法的有效性。     

基于连续空间的萤火虫算法改进

针对萤火虫算法在全局寻优过程中求解精度差,且容易陷入局部最优的问题,文中提出了一种优化的萤火虫算法.采用离散-连续的方法将传统萤火虫算法的空间连续化,在传统萤火虫算法的基础上定义新的吸引度计算式以及相应的更新策略,实现待求的离散问题的空间连续化,改善萤火虫单体相应的移动方式.实验仿真结果证明了该改进算法的有效性.文中对...     

基于元启发算法的FBG解调方法

当光纤布喇格光栅(FBG)复用过多或带宽有限时会存在波长串扰问题,信号解调方法的性能会影响结果的精确性.提出一种基于元启发算法的中心波长解调方法,采用实际光谱与理论光谱差异的最小二乘函数作为优化目标,利用具有优异挖掘能力和探索能力的海洋捕食者算法进行求解.数值仿真结果和实验验证表明:所提算法是一种有效的、可行的波长解调...     

基于改进A*算法的水下航行器自主搜索航迹规划

以水下航行器在水下路径规划为研究重点,提出了基于改进型A*算法的水下无人航行器自主搜索航迹规划算法。一般航迹规划可由多种算法完成,而在这些算法中以A*的计算流程最为简单、算法易于实现,并在理论上可保证全局最优解的收敛性;且程序较为简短,可在一些低功耗、低主频的系统中应用。由于传统的A*算法不具备最小转弯半径等约束条件,因此,针对水下航行器高低速问题,对传统的A*算法进行改进,使得A*算法可实现高速与低速相结合的应用。     

基于果蝇优化算法的月球车全局路径规划

基于月球车全局路径规划的任务要求,采用果蝇优化算法应用于全局路径的规划。针对果蝇优化算法在路径规划中容易形成局部最优的问题,对算法进行了修改,将果蝇与原点的距离直接带入味道浓度判定函数,从而不易陷入局部最优,提高了算法的稳定性,并可使果蝇群体向已知食物源飞行。通过仿真表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局路径。     

动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.     

基于改进CART算法的降雨量预测模型

降雨量预测对于水资源的管理非常重要,可以帮助决策者提前做出应对举措,降低灾情发生时带来的经济损失和人员伤亡。同时,降雨量预测对人们的日常生活、出行等也有着非常重要参考意义。通过分类回归树算法构建两个预测降雨量的模型,然后通过粒子群算法对模型中的参数进行优化。此外,为解决原算法不具备处理数据流问题的能力,根据dsCART算法的思想,对原算法生成决策树的过程做出了调整,使其具有增量学习的能力,提高其在气象信息系统中的实用性。最终通过实验验证了该改进方法的可行性、有效性。