基于粒子群优化算法的传感器优化部署方法研究

针对目前三维空间传感器部署算法PSO算法存在寻优精度、全局收敛性和收敛速度不能保证的问题,提出了通过惯性权重线性递减策略与动态加速常数自适应策略改进的基于粒子群的WCPSO优化算法,有效地提高了算法的寻优精度和收敛速度。给出了算法的设计方案并进行了来袭路径未知和来袭路径预估情况下的仿真实验,仿真实验结果表明WCPSO算法的优化效果和效率都要优于改进前的PSO算法。     

基于PSO算法的无人机侦听与反制仿真研究

阐述改进PSO算法的无人机航迹规划的侦听模型与对应的欺骗式干扰反制模型,通过计算机对模型效果进行了仿真评估并讨论了算法的收敛速度,仿真研究了50次侦听航迹中,基站均不被侦听条件下,干扰机的功率与最优部署位置和数量,从而证明干扰机位置规划模型的可用性和准确性。     

基于粒子群算法的雷达网优化部署方法研究

为了利用有限的雷达资源对监视区域进行合理、有效布站,提出了一种基于粒子群算法的雷达网优化部署方法。建立单/多雷达探测范围模型,给出雷达网探测性能评估指标,并以此构造目标函数,利用粒子群算法完成对雷达网各平台位置的优化部署。利用Matlab工具进行了仿真分析,仿真结果验证了该方法的有效性。     

基于改进粒子群优化算法的无人机实时航迹规划

在无人机航迹规划中,通过改变惯性权重和采用自适应粒子群编码方式,以最大转弯半径、步进、最短距离和回避威胁作为航迹的评价指标,将约束条件、地形地貌及威胁信息引入适应度函数等方法,对粒子群优化算法进行改进,解决了粒子群算法在寻优过程中易陷入局部最优的问题.仿真结果表明,该方法可实现在线实时航迹规划.     

基于K-Means变异算子的混合PSO算法聚类研究

提出了基于K-Means算子的混合粒子群优化算法聚类,将K-Means算法的局部搜索能力与粒子群优化算法的全局寻优搜索能力相结合,根据群体适应度变化的情况自适应调整权重,并对种群中性能较差的粒子进行交叉选择,能充分挖掘群体本身信息,又能不断引入附加信息.数据集仿真实验表明,该算法有效的克服了传统粒子群优化算法过慢收敛和K-Means算法陷入局部收敛的问题,从而得到更好的聚类效果.     

采用粒子群优化算法规划无人机侦察航路

研究了粒子群优化算法,提出了将该算法运用于无人机的航路规划.引入交换指数和变异子的概念,解决了算法的局部极值问题,给出了航路规划的方法和步骤.在Matlab仿真环境下得到了参考航路.结果表明,该算法简单有效,在很大程度上提高了无人机的侦察效率.     

基于临近空间飞行器的区域自组网优化部署算法

该文针对基于临近空间飞行器的新型区域自组织网络,提出一种优化部署方案。采用线性递减权值粒子群算法,对于临近空间飞行器节点,一个粒子代表所有飞行器节点坐标集合,以最大化网络覆盖空间的联合通信覆盖率为目标,进行节点的优化部署。对于地面骨干节点,一个粒子代表一个网络分区内骨干节点坐标,以最多覆盖节点数和最小平均跳数为目标,进行初始化。网络运行过程中根据任务区域内数据业务分布情况,以趋近数据量多、业务优先级高的区域为目标,动态调整更新地面骨干节点位置。仿真结果表明,所提方案能为上层协议的运行提供良好基础,使网络分组投递率、延迟和开销等性能得到改善。     

PSO算法在物流配送车辆路径优化模型中的应用

物流配送中车辆路径优化问题是一类有实用价值的组合NP问题。粒子群算法是一种新出现的群智能优化方法,将其应用于车辆路径优化问题,构造车辆路径问题的粒子表达方法,建立此问题的粒子群算法,并与实际情况作了对比,结果表明,粒子群算法可以快速、有效的求得车辆路径问题的优化解,是求解车辆路径问题的一个较好方案。     

基于PLC的PSO算法PID输送机速度控制技术研究

本文主要利用粒子群优化算法(PSO)确定输送机系统速度控制中的最佳PID控制器增益。该项目通过三菱Q系列UDV PLC实现,该PLC带有多个编码器传感器和一个内置以太网模块来监控反馈。为了验证该方法的性能,将PSO离线确定的最优增益应用于模拟器和实际模型。实验结果表明,与其它方法相比,所提出的基于粒子群算法的PID控制...     

基于粒子群优化算法的多无人机多目标航迹路径规划

针对多无人机多目标航迹路径规划中容易陷入局部最优,机间碰撞以及时效低等问题.提出一种多无人机多目标下改进的粒子群算法（Multi UAV Multi-Objective Improved Particle Swarm Optimization, MUMOIPSO）.该方法将改进的粒子群算法与Dubins算法相结合.首先,通过目标置换以及粒子交叉等方法对粒子群算法中速度和位置更新方式进行改进;通过将自身速度引起位置变化的目标进行置换操作,将个体极值和全局极值影响自身位置变化的粒子进行交叉操作,使改进的粒子群算法适合多无人机多目标航迹路径规划.其次,应用反正切函数改进惯性因子,线性递减函数改进非负的加速度系数,在前期提高无人机全局搜索能力,在后期提高无人机局部搜索能力避免陷入局部最优.最后,采用Dubins算法结合Intersection Type方法规划出一条无碰撞的平滑路径.仿真结果表明,所提出的算法在保证良好稳定性的前提下,其搜索效果与路径规划方式更优,较对比其他算法在适应度函数和总航程方面分别提高16.3%和10.2%.     

继承优秀染色体片段的PSO算法求解TSP问题

粒子群优化算法(PSO)提出至今一直未能有效解决离散及组合优化问题,TSP问题是组合优化问题中一个典型的NP问题.文中参考了离散粒子群算法(DPSO)和遗传算法(GA)解决TSP问题的成功经验,提出了一种继承优秀染色体片段的PSO算法(ECFG-PSO).为避免早熟,在算法中加入了局部查找和二次初始化策略.实验证明ECFG-PSO算法解决TSP问题的效率和规模优于DPSO算法.     

基于改进一致性算法的无人机集群饱和攻击

针对无人机一般难以单独打击空防严密的高价值目标问题,采用低成本无人机集群饱和攻击技术,提出协同控制下的三阶段一致性饱和攻击策略,根据不同阶段的任务特点,设计对应的改进一致性算法,并在满足饱和攻击任务多条件协同的基础上,加入Dubins曲线增加飞行轨迹约束,平滑无人机飞行航迹,缩短航程.此外,在高精度队形保持的任务环境下...     

基于甲虫搜索的改进粒子群无人机辅助网络部署优化算法

在体育赛场等用户大规模聚集或者突发灾难的情况下,地面基站经常面临过载甚至瘫痪的问题。此时,多无人机(UAV)辅助网络系统可以很好地为地面基站提供信号补偿,有效地增强局部地区的通信质量。然而,无人机的机动性和网络流动引起的拓扑结构变化,会导致频繁的间歇性连接甚至出现传输故障。因此,UAV基站的有效部署以及网络性能的优化成为亟待解决的问题。该文提出一种基于甲虫搜索的改进粒子群UAV辅助网络部署优化算法—智能高效算法(IEA),利用甲虫搜索算法(BAS)的个体寻优优势,对粒子群算法(PSO)进行改进,并首次采用双门限约束保证用户通信质量,使得多UAV系统下的网络性能得到了改善。仿真结果表明,相对于传统算法,该文提出的IEA算法在系统吞吐量、用户平均吞吐量以及频谱效率等方面都获得了较大提升。     

基于PSO算法的城轨列车自动驾驶控制策略研究

由于传统的控制方法对于城轨列车运行这一非线性过程难以获得令人满意的控制结果,而粒子群算法(PSO)相较于布谷鸟搜索算法(CS)具有更快的收敛速度,更简洁易操作等优点,因此,文章尝试在此前CS算法研究的基础上,基于PSO算法对列车自动驾驶系统建立仿真模型并进行智能算法研究。通过MATLAB软件对列车运行过程中的精度、误差、节能、舒适度等目标进行仿真并比较结果。结果表明,城轨列车自动控制系统采用PSO算法是可行的。     

基于改进粒子群算法的无人机三维航迹规划

针对传统粒子群(Particle Swarm Optimization, PSO)算法在航迹规划的过程中需要根据无人机性能建立约束条件和易陷入局部最优值的缺点,提出了一种结合天牛须(Beetle Antennae Search, BAS)算法的球坐标PSO算法。该改进算法直接利用球坐标系对无人机的航向角和俯仰角进行约束,并且通过BAS算法避免PSO算法陷入局部最优值。根据数字高程地图建立仿真环境,综合考虑航迹长度、平滑度和危险性等因素构建目标函数。仿真结果表明,改进后的算法与其他PSO算法相比,规划的三维航迹质量更高,能够很好地适应无人机在各种环境下的飞行要求。     

采用粒子群优化算法的无人机实时航迹规划

战场环境是动态变化的,很难预先获得全局精确的威胁信息,因此需要无人机具备一定的实时航迹规划能力.采用连续型粒子群优化(PSO)算法进行无人机参考航迹的实时规划,以最大转弯半径、步进、最短距离和回避威胁作为适应度函数的评价指标,得到代表最优航路的离散点.对算法进行了相应的仿真,结果表明该方法费时短,占用内存少,可以满足在线实时航迹规划的要求.     

基于无源定位技术的无人机集群定位调整策略研究

为使无人机在飞行时尽量保持电磁静默,采用纯方位无源定位技术建立无人机定位模型,并针对具体的情形给出无人机位置的调整方案。首先,设计定位误差比较模型,针对由两架无人机作为信号发射机和由3架无人机作为信号发射机的情况进行了模型构建与仿真对比;其次,在建立了信号发射机与信号接收机之间的几何关系的基础上,利用粒子群算法构建了圆形编队智能优化模型,实现了仅用两架无人机进行定位的效率的提升;最后,将所构建的模型进行改进与推广,建立了针对锥形编队的樽海鞘群跟踪定位模型和聚合式定位模型。     

基于群体智能算法的无人机协同搜索

为解决无人机集群进行协同搜索时的任务分配问题,在基于天牛须搜索的粒子群优化(BSO)算法的基础上设计了一种天牛粒子群混合(BSO-BAS)算法,克服了粒子群优化(PSO)算法易陷入局部最优解、寻优不稳定的缺点。以多旅行商模型(MTSP)为基础构建了多目标、多约束的无人机集群任务分配模型。通过实验仿真与原始寻优算法进行对比,验证了所设计算法求解无人机协同搜索任务分配问题的可行性和稳定性。     

面向无人机集群的双层分组拜占庭容错算法

针对区块链技术应用于无人机集群通信时存在的通信复杂度高、稳健性差等问题,提出了一种双层分组拜占庭容错算法.根据无人机的编队结果对节点进行分组,并从每组选取一部分高信誉节点组成委员会,其他节点作为共用节点,形成双层分组共识结构.使用门限签名技术降低通信复杂度,仅通过委员会节点与其他分组节点通信,减少分组间通信次数,使平均...     

基于能耗均衡的无人机集群组网算法

无人机集群可通过节点协作应对复杂的任务环境,但节点能量有限且服务区中数据传输需求分布不均,为了优化节点能量使用以及通信负载分配,提出基于能耗均衡的无人机集群组网算法.该组网算法采用分层分簇的网络架构,利用K-means++聚类算法实现分簇;构建了考虑通信能耗和移动能耗的节点能耗模型,以最小化节点最大能耗为目标函数;通过...