基于群体智能算法的无人机灾区搜救优化研究

发布时间：2021-09-25 04:04

　　无人机作为一种无人驾驶技术,在空中侦察、物资运输、目标区域搜索等方面有着天然的优势,尤其体现在灾区救援工作上。蚁群算法是一种群体智能算法,其主要模仿蚂蚁群体在觅食过程中搜救食物的交流方式,抽象出一个用于解决图中寻找优化路径的几率型算法。粒子群算法是一种用于调整粒子最佳位置的群体智能算法,可以用来优化其他群体智能算法。本文首先对灾区无人机搜救场景使用的技术进行介绍,分析无人机和地理信息系统在灾区救援工作中的优势。其次,本文从蚁群算法的优化角度着手,分析了蚁群算法可以优化的几个方面,从不同角度提出了几种优化方案。而后,本文分析了蚁群算法在灾区搜救场景的可行性,设计一条从某一点出发遍历所有区域后回到出发点的封闭环状搜救路径,类似旅行商问题,蚁群算法解决该问题相对具有优势。再从细节上分析灾区无人机搜救场景的特殊性,对蚁群算法优化,使之完美适合本文场景。从灾区动态变化性的特征对参数优化,并提出了细化区间法和基于粒子群的参数优化方法两种算法,分别适用于不同的输入规模;从灾区受灾程度的不同对受灾区域进行优先级划分,优化了算法对下一区域的选择方案,并对不同输入规模讨论调节参数的取值;从功能角度对无人机... 

【文章来源】：大连理工大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景及研究意义
    1.2 研究现状及研究内容
    1.3 本文结构
    1.4 本章小结
2 相关技术
    2.1 无人机技术
        2.1.1 无人机类型和优势
        2.1.2 无人机的应用场景
    2.2 地理信息系统
        2.2.1 地理信息系统技术
        2.2.2 地理信息系统的应用领域
        2.2.3 CyberGIS地理信息系统
    2.3 群体智能算法
        2.3.1 蚁群算法简介
        2.3.2 粒子群算法简介
        2.3.3 人工鱼群算法简介
        2.3.4 人工蜂群算法简介
    2.4 本章小结
3 蚁群算法及其优化
    3.1 蚁群算法的优化基础
        3.1.1 信息素对蚁群算法影响研究
        3.1.2 应用场景分析
        3.1.3 蚁群算法解决旅行商问题的研究
    3.2 蚁群算法优化研究
        3.2.1 参数自适应蚁群算法
        3.2.2 多Qo S约束的QIACO算法
        3.2.3 基于多Qo S约束的自适应蚁群算法
    3.3 本章小结
4 群体智能算法在灾区无人机搜救中的应用
    4.1 灾区无人机搜救场景
        4.1.1 场景描述及工作流程
        4.1.2 无人机的分类
    4.2 灾区无人机搜救算法的参数优化方案
        4.2.1 基于细化区间的参数调整方法
        4.2.2 基于粒子群算法的参数调整方法
    4.3 引入灾区优先级的蚁群算法优化方案
    4.4 具有灾区优先级特征的参数自适应调整的蚁群算法
    4.5 本章小结
5 仿真参数设置以及结果分析
    5.1 仿真实验环境及参数
    5.2 参数优化方案的仿真结果
    5.3 基于权重调整参数p的仿真结果分析
    5.4 临时基站的位置调整策略仿真
    5.5 PAACO算法仿真以及分析
    5.6 本章小结
结论
参考文献
攻读硕士学位期间发表学术论文情况
致谢



本文编号：3409053