学位论文 > 优秀研究生学位论文题录展示

微分进化算法及其在无人机航迹规划中的应用研究

作　者: 黄越
导　师: 高立群
学　校: 东北大学
专　业: 控制理论与控制工程
关键词: 微分进化算法粒子群优化算法多智能体系统航迹规划
分类号: V279
类　型: 硕士论文
年　份: 2009年
下　载: 72次
引　用: 0次
阅　读: 论文下载

内容摘要

优化问题大量存在于科学研究和工程应用中的各个领域,进行最优化方法的研究具有重要的理论意义和实用价值。因此高效的优化技术成为科学工作者的研究目标之微分进化算法(Differential Evolution,简称DE)是一种新的群体智能优化算法。其主要特点是原理简单、参数少、收敛速度快、所需领域知识少。通过大量研究发现,DE算法具有很强的搜索能力,适合于解决复杂的优化问题。该算法已在函数优化、神经网络训练、组合优化等领域获得了广泛应用,并取得了较好的效果。但是由于它缺乏关于搜索空间的全局信息机制,有时会陷入局部最优。粒子群优化算法(Particle Swarm Optimization,简称PSO)是于1995年提出的一种基于群体的进化优化算法。PSO算法在整个种群中充分利用全局信息,有很强的全局搜索机制。但PSO算法由于缺乏保持种群多样性的机制,在寻优过程中容易陷入局部最优。而微分进化算法有很多优点,比如在保持种群多样性方面和良好的局部搜索能力方面。但是它缺乏全局信息的指导,容易导致浪费计算资源和陷入局部最优。所以将两种算法融合可以取长补短,互相促进。本文还将多智能体概念引入DE算法中,构造了“局部版”的DE算法。为了进一步克服DE和PSO单个算法在求解全局优化问题时的缺陷,本文提出了种新型的全局优化算法——协同微分进化算法(Co-evolutionary Differential Evolution,简称CDE)。CDE算法基于一种双种群进化策略,其中一个子种群中的个体按照PSO操作进化,另一个子种群的个体按照DE操作进化,在每次进化过程中利用一种信息交流机制交流寻优信息,避免各自种群陷入局部最优。该方法可以保证两个子种群在解空间中协调寻优,达到开发能力和探索能力之间的平衡,维持整个种群的多样性,降低了陷入局部最优的风险。针对无人机航迹规划的特点,本文将CDE算法应用于解决无人机航迹规划问题。对给定的三种战场环境进行模拟仿真,在满足各种约束条件的情况下取得了令人满意的效果,证明了该算法用于解决无人机航迹规划问题是有效可行的。

全文目录

摘要  5-6
Abstract  6-11
第1章绪论  11-17
  1.1 研究背景和课题意义  11-12
  1.2 无人机航迹规划概述  12-13
  1.3 常用的航迹规划方法  13-15
  1.4 论文的组织结构  15-17
第2章微分进化算法原理  17-29
  2.1 最优化问题  17
  2.2 优化算法  17-21
    2.2.1 进化算法  17-19
    2.2.2 群体智能算法  19-21
  2.3 微分进化算法  21-29
    2.3.1 微分进化算法介绍  21-24
    2.3.2 微分进化算法的工作策略  24-25
    2.3.3 微分进化算法参数设置  25
    2.3.4 微分进化算法流程  25-26
    2.3.5 微分进化算法和其它进化算法的比较  26-27
    2.3.6 微分进化算法的不足  27-29
第3章协同微分进化算法  29-45
  3.1 引言  29-30
  3.2 智能体和多智能体系统  30-31
    3.2.1 智能体  30
    3.2.2 多智能体系统  30-31
  3.3 多智能体系统在协同微分进化算法中的应用  31-32
  3.4 协同微分进化算法进化策略  32-36
    3.4.1 子种群的划分  32-33
    3.4.2 微分进化子种群进化策略  33-34
    3.4.3 粒子群子种群进化策略  34-35
    3.4.4 早熟收敛的对策  35-36
  3.5 算法流程  36-37
  3.6 算例仿真  37-45
    3.6.1 实验设置  37-38
    3.6.2 实验结果  38-43
    3.6.3 结果分析  43-45
第4章基于协同微分进化算法的无人机航迹规划  45-61
  4.1 无人机航迹规划模型  45-49
    4.1.1 航迹规划问题  45
    4.1.2 飞行航迹的表示  45-46
    4.1.3 飞行航迹的基本约束  46-47
    4.1.4 航迹评价  47-49
  4.2 数字地图的模拟算法  49-50
    4.2.1 数字地图技术  49
    4.2.2 数字高程地图  49-50
    4.2.3 航迹规划的数字地形模拟算法  50
  4.3 基于协同微分进化算法的无人机航迹规划  50-54
    4.3.1 个体编码方案  50-51
    4.3.2 种群初始化  51
    4.3.3 航迹评价  51-52
    4.3.4 不同航迹的判别  52-53
    4.3.5 基于协同微分进化算法的航迹规划流程  53-54
  4.4 算例仿真  54-61
第5章总结与展望  61-63
参考文献  63-67
致谢  67-69
攻读硕士期间发表的论文  69

微分进化算法及其在无人机航迹规划中的应用研究

内容摘要

全文目录

相似论文