计算机科学 ›› 2017, Vol. 44 ›› Issue (Z11): 123-128.doi: 10.11896/j.issn.1002-137X.2017.11A.025
刘洁,赵海芳,周德廉
LIU Jie, ZHAO Hai-fang and ZHOU De-lian
摘要: 为实现移动机器人最优路径规划,提出了一种改进量子行为粒子群的优化算法(LTQPSO)。针对粒子群算法存在过早收敛的问题,利用个体粒子进化速度与群体离散度来动态调整惯性权重,使惯性权重具有自适应性与控制性,从而避免过早收敛;同时将自然选择方法引入传统位置更新公式中,以保持种群的多样性,加强LTQPSO算法的全局搜索能力,加快算法的收敛速度;将改进后的LTQPSO算法应用于移动机器人路径规划中;最后通过理论仿真与移动机器人平台实验验证了该方法的有效性与可行性。
[1] CLERC M,KENNDY J.The Particle Swarm-Explosion,Stability,and Convergence in a Multidimensional Complex Space[J].IEEE Transaction on Evolutionary Computation,2002,6(1):58-73. [2] TAN G Z,BAO K,RICHARD M R.A composite particle swarmalgorithm for global optimization of multimodal functions[J].Journal of Central South University,2014,1(5):1871-1880. [3] LUNG X L,LI W F,ZHANG Y,et al.An adaptive particle swarmoptimization method based on clustering[J].Soft Comput,2014,14:1262-1280. [4] SHIKHA A,SANJAY S.FRPSO:Fletcher-Reeves based particle swarm optimization for multimodal function optimization[J].Soft Computing,2014,18:2227-2243. [5] 周游.基于粒子群优化的动态优化研究[D].杭州:浙江大学,2014. [6] 徐小俊,雷秀娟,郭玲.基于SWGPSO算法的多序列比对[J].计算机工程,2011(6):184-186. [7] 黄仁全,靳聪,等.自适应局部增强微分进化改进算法[J].空军工程大学学报(自然科学版),2011(3):84-89. [8] 武鲁晓.改进粒子群算法在电力系统无功优化中的应用[D].济南:山东大学,2012. [9] 李仁府,独孤明哲,胡麟.基于PSO算法的路径规划收敛性与参数分析[J].华中科技大学学报(自然科学版),2013(1):271-275. [10] 方伟,孙俊,谢振平,等.量子粒子群优化算法的收敛性分析与控制参数研究[J].物理学报,2010,9(6):3686-3694. |
No related articles found! |
|