期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于多策略融合的改进RRT路径规划算法 被引量:2
1
作者 陈澳 朱建阳 +1 位作者 蒋林 程浩然 《武汉科技大学学报》 CAS 北大核心 2024年第4期282-289,共8页
针对传统快速扩展随机树(RRT)及其衍生算法在路径规划时生成路径效率较低、无效探索点较多等问题,提出一种多策略融合的改进RRT算法。首先利用启发式选择策略确定最合适的扩展节点,然后结合基于目标偏置的自适应动态步长策略,使随机树... 针对传统快速扩展随机树(RRT)及其衍生算法在路径规划时生成路径效率较低、无效探索点较多等问题,提出一种多策略融合的改进RRT算法。首先利用启发式选择策略确定最合适的扩展节点,然后结合基于目标偏置的自适应动态步长策略,使随机树始终向目标点区域扩展,最后通过垂距断点预优化的跳点连线策略去除冗余点,生成一条没有较大转折角的最短安全路径。通过不同复杂程度的仿真实验和现实环境实验对该算法进行测试。结果表明,与RRT、RRT*和Bi-RRT*算法相比,本文算法在时间消耗上分别减少了大约80%、50%和60%,在路径节点数上分别减少了大约65%、40%和35%。机器人依据该算法可以高效生成一条无碰撞,仅包含起始点、目标点和非突兀转折点的最优路径。 展开更多
关键词 路径规划 快速扩展随机树 多策略融合算法 目标偏置 动态步长 垂距断点 跳点连线
在线阅读 下载PDF
电力系统无功优化多目标处理与算法改进 被引量:21
2
作者 陈前宇 陈维荣 戴朝华 《电力系统保护与控制》 EI CSCD 北大核心 2014年第5期129-135,共7页
电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种... 电力系统无功优化属于典型的多目标非线性复杂优化问题,求解非常困难。近年来,众多智能优化算法应用于该问题,其中粒子群优化(Particle Swarm Optimization,PSO)算法最具代表性;但PSO算法性能仍有待提高,如可能陷入局部极值。提出一种多策略融合粒子群优化(Particle Swarm Optimization with Multi-Strategy Integration,MSI-PSO)算法,对速度更新公式引入选择操作,分阶段加速因子调整和惯性权重动态调整,以平衡粒子局部搜索与全局探索能力;同时,随机选取部分性能差的粒子,将其速度更新公式中的个体认知部分修改为社会认知部分,以提高算法搜索精度和收敛速度。建立以系统网络损耗最小和系统电压稳定裕度最大为目标的无功优化仿真模型,分别考虑加权法、隶属度函数法和Pareto法实施多目标处理。针对IEEE30节点测试系统进行仿真实验,结果表明,和其他几种改进PSO算法以及基于pareto最优解集PSO算法进行对比,所提MSI-PSO算法具有更好的性能,能够有效求解电力系统多目标无功优化问题。 展开更多
关键词 多目标无功优化 电压稳定 有功损耗 人工智能 多策略融合粒子群优化算法
在线阅读 下载PDF
基于自适应随机共振的水下蓝绿光微弱信号检测
3
作者 张建磊 张娟 +4 位作者 朱云周 姚欣钰 吴倩倩 杨祎 贺锋涛 《光子学报》 EI CAS CSCD 北大核心 2024年第3期207-218,共12页
海水的吸收和散射导致光信号严重衰减,使得水下无线光通信系统中低信噪比信号检测成为一大难题。基于此,提出一种自适应随机共振水下蓝绿光微弱信号检测方法。分析了水下弱光信号特点以及随机共振的产生条件,结合多策略融合的粒子群算... 海水的吸收和散射导致光信号严重衰减,使得水下无线光通信系统中低信噪比信号检测成为一大难题。基于此,提出一种自适应随机共振水下蓝绿光微弱信号检测方法。分析了水下弱光信号特点以及随机共振的产生条件,结合多策略融合的粒子群算法与随机共振动态调整系统参数,使系统达到最优匹配状态,进而提升弱光信号的检测性能。搭建了水下无线光通信实验系统进行实验,结果表明,在接收信噪比为-1.7 dB时,使用该方法得到的误码率低至2×10-4,验证了该方法的可行性和有效性。 展开更多
关键词 水下无线光通信 低信噪比 自适应随机共振 多策略融合粒子群算法 误码率
在线阅读 下载PDF
基于NRS-ISSA-SVM的砂土液化判别模型 被引量:11
4
作者 姜礼涛 周爱红 +3 位作者 袁颖 刘育林 宁志杰 牛建广 《地震工程学报》 CSCD 北大核心 2022年第3期570-578,共9页
针对砂土液化判别中影响因素与砂土状态间映射关系的不确定性及模糊性等问题,在邻域粗糙集(Neighborhood Rough Set,NRS)因素约简的基础上,利用多策略融合的改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化支持向量机(Su... 针对砂土液化判别中影响因素与砂土状态间映射关系的不确定性及模糊性等问题,在邻域粗糙集(Neighborhood Rough Set,NRS)因素约简的基础上,利用多策略融合的改进麻雀搜索算法(Improved Sparrow Search Algorithm,ISSA)优化支持向量机(Support Vector Machine,SVM)参数C和g,构建了SVM砂土液化判别模型。以吉林松原地区的42组实例作为总体样本集,其中35组作为训练集,另外7组作为测试集,利用邻域粗糙集对9个影响因素约简得到4个因素,然后输入ISSA-SVM模型进行预测,并进行了约简得到的因素敏感性分析。结果表明:因素约简剔除了冗余属性,降低了模型复杂度;ISSA算法具有极强的探索性、收敛性和局部逃逸能力;相比于其他模型,NRS-ISSA-SVM砂土液化判别模型精度更高,泛化能力更强;建议要判别砂土的液化状态,需要准确查明水位埋深、地震烈度、标准贯入击数,非液化土层厚度这4个因素,尤其是前三个因素。通过易获取的影响因素建立NRS-ISSA-SVM砂土液化判别模型,不仅可准确地判断该区域其余未知点的砂土状态,还可为其他类似问题提供参考借鉴。 展开更多
关键词 砂土液化 预测模型 支持向量机 邻域粗糙集 多策略融合的改进麻雀搜索算法
在线阅读 下载PDF
基于KPCA-ISSA-SVR的盾构施工诱导地面沉降预测模型研究
5
作者 刘育林 周爱红 +1 位作者 姜礼涛 袁颖 《河北地质大学学报》 2022年第5期42-49,共8页
为了准确预测盾构施工诱发的地面沉降量,论文提出了核主成分—多策略融合的改进麻雀搜索算法优化支持向量回归机(KPCA-ISSA-SVR)预测模型。以73组地面沉降实例为总体样本集构建训练及测试样本,利用核主成分分析对影响地面沉降的地质因... 为了准确预测盾构施工诱发的地面沉降量,论文提出了核主成分—多策略融合的改进麻雀搜索算法优化支持向量回归机(KPCA-ISSA-SVR)预测模型。以73组地面沉降实例为总体样本集构建训练及测试样本,利用核主成分分析对影响地面沉降的地质因素及施工因素进行特征提取的基础上,采用ISSA算法优化参数C和g,建立KPCA-ISSA-SVR地面沉降量预测模型,并与核主成分-Tent混沌映射改进麻雀搜索算法优化支持向量回归机(KPCA-TentSSA-SVR)、核主成分—麻雀搜索算法优化支持向量回归机(KPCA-SSA-SVR)、麻雀搜索算法优化支持向量回归机(ISSA-SVR)模型进行对比。结果表明:KPCA能够剔除冗余信息,降低模型复杂度;ISSA全局寻优及局部探索能力强,能高效准确地确定模型参数;KPCA-ISSA-SVR预测精度更高,稳定性更强。 展开更多
关键词 盾构施工 地面沉降 核主成分 多策略融合改进麻雀搜索算法 支持向量回归机
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部