狼群算法的改进研究及其在机器人路径规划中的应用
发布时间：2021-02-01 13:32
狼群算法是一种近几年兴起的群体智能算法,是通过模拟狼群捕猎过程中产生的一系列行为和特征,而产生的一种优化算法。狼群算法是一种以迭代方式进行的群体随机优化方法。由于狼群算法对问题的优化表现出精度高、收敛快、易实现、稳定性好等特点,现在已经被一些学者应用到神经网络、生产调控、传感器优化、路径规划等实际生产实践问题中,且取得良好优化效果。不过,狼群算法的理论体系还不够成熟,在解决复杂的生产、实践问题上仍需要做进一步的研究和拓展。经研究发现,狼群算法中现今主要存在的不足问题有:对大部分测试函数的优化中,算法的收敛精度有待提高;算法在种群初始化时,存在很大随机性;算法在迭代后期极易陷入局部最优等问题,本文将对该算法从三个方面进行研究和改进。它们分别是单目标优化问题、多目标优化问题还有算法的实际应用问题。下面从这三个方面问题对本文研究和改进内容进行阐述:针对单目标优化问题方面,就狼群算法的收敛精度低、寻优速度慢、易陷入局部最优等问题做研究。分析认为是狼群初始化过程中存在太大随机性问题,造成初始种群分布不均,降低了算法的优化性能。为了提高初始种群中狼个体的质量,在狼群初始化中引入Tent混沌映射策略...
【文章来源】：东华理工大学江西省
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 群体智能算法的产生与发展
1.3 狼群算法的研究现状
1.4 本文主要研究方法
1.5 本文结构安排
2 狼群算法
2.1 狼群算法的起源及思想
2.2 狼群算法的原理
2.2.1 生物原理
2.2.2 模型结构
2.2.3 狼群的行为模式
2.2.4 算法流程
2.3 狼群算法参数分析
2.3.1 狼群规模
2.3.2 搜寻狼的搜寻步长
2.3.3 搜寻狼的探寻方向
2.3.4 搜寻狼的最大游走次数
2.3.5 狼群算法参数设置原则
2.4 狼群算法特征
2.5 本章小结
3 单目标连续优化问题的改进狼群算法
3.1 引言
3.2 基于Tent混沌映射与Levy飞行的改进狼群算法
3.2.1 几种常用的混沌映射
3.2.2 基于改进Tent混沌映射的种群初始化
3.2.3 基于Levy飞行的围攻行为
3.2.4 TLWPA算法的具体操作流程
3.2.5 TLWPA算法复杂度分析
3.3 仿真实验
3.3.1 标准测试函数与评价准则
3.3.2 改进Tent混沌映射种群初始化的性能分析
3.3.3 Levy飞行围攻行为的性能分析
3.3.4 TLWPA算法与其他群体智能算法的对比试验与结果分析
3.4 本章小结
4 基于多目标机制的改进狼群算法
4.1 引言
4.2 多目标优化问题和相关概念
4.3 多目标优化的改进狼群算法
4.3.1 基于改进差分进化的精英个体搜寻
4.3.2 正弦搜寻行为
4.3.3 基于pareto差熵的混沌奔走行为
4.3.4 适用于多目标优化问题的Levy飞行围攻行为
4.3.5 基于聚集密度的个体质量比较方法
4.3.6 MO-IWPA算法步骤
4.4 仿真实验
4.4.1 标准测试函数与评价准则
4.4.2 MO-IWPA算法与其他群体智能算法的对比试验与结果分析
4.5 本章小结
5 基于TLWPA算法的机器人路径规划研究
5.1 研究背景
5.2 环境建模
5.3 路径表示
5.4 碰撞检测
5.5 机器人路径规划算法流程
5.6 仿真实验
5.7 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于狼群算法与二维最大熵的图像分割[J]. 陈超,宣士斌,雷红轩. 计算机工程. 2018(01)
[2]基于改进狼群算法的甲醇合成塔转化率机理建模及参数估计[J]. 俞灵杰,张凌波,顾幸生. 华东理工大学学报(自然科学版). 2017(06)
[3]基于混沌理论的图像置乱算法[J]. 杨勃,葛学锋,解海燕. 电子技术与软件工程. 2017(23)
[4]基于混沌算法的电气自动化设备中电力控制系统设计[J]. 吴金华. 电子制作. 2017(22)
[5]基于改进多目标狼群算法的微电网调度优化[J]. 马文,耿贞伟,张莉娜,于凤荣. 电子技术应用. 2017(11)
[6]基于参数动态调整的多目标差分进化算法[J]. 侯莹,韩红桂,乔俊飞. 控制与决策. 2017(11)
[7]一种改进的狼群算法[J]. 惠晓滨,郭庆,吴娉娉,赵昱. 控制与决策. 2017(07)
[8]自适应分组差分变异狼群优化算法[J]. 张强,王梅. 华东师范大学学报(自然科学版). 2017(03)
[9]基于狼群算法的GNSS欺骗干扰识别（英文）[J]. 孙闽红,邵章义,包建荣,余旭涛. Journal of Southeast University（English Edition）. 2017(01)
[10]仿生智能算法研究现状及军事应用综述[J]. 彭业飞,冯智鑫,张维继. 自动化技术与应用. 2017(02)
博士论文
[1]几类优化问题的人工蜂群算法[D]. 孔翔宇.西安电子科技大学 2016
[2]风电功率预测不确定性及电力系统经济调度[D]. 阎洁.华北电力大学(北京) 2016
[3]群智能混合优化算法及其应用研究[D]. 匡芳君.南京理工大学 2014
硕士论文
[1]基于遗传粒子群算法的永磁同步电机多目标优化设计[D]. 曹雪景.安徽大学 2017
[2]基于改进人工鱼群算法的移动机器人路径规划问题研究[D]. 杨亚威.大连海事大学 2017
[3]狼群算法的研究与应用[D]. 李国亮.东华理工大学 2016
[4]基于多目标混合人工蜂群算法的能效优化调度研究[D]. 解书琴.华中科技大学 2014
[5]基于变参Tent混沌映射的加密方法研究和实现[D]. 朱凯.重庆师范大学 2009
本文编号：3012860
【文章来源】：东华理工大学江西省
【文章页数】：83 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
1 绪论
1.1 研究背景及意义
1.2 群体智能算法的产生与发展
1.3 狼群算法的研究现状
1.4 本文主要研究方法
1.5 本文结构安排
2 狼群算法
2.1 狼群算法的起源及思想
2.2 狼群算法的原理
2.2.1 生物原理
2.2.2 模型结构
2.2.3 狼群的行为模式
2.2.4 算法流程
2.3 狼群算法参数分析
2.3.1 狼群规模
2.3.2 搜寻狼的搜寻步长
2.3.3 搜寻狼的探寻方向
2.3.4 搜寻狼的最大游走次数
2.3.5 狼群算法参数设置原则
2.4 狼群算法特征
2.5 本章小结
3 单目标连续优化问题的改进狼群算法
3.1 引言
3.2 基于Tent混沌映射与Levy飞行的改进狼群算法
3.2.1 几种常用的混沌映射
3.2.2 基于改进Tent混沌映射的种群初始化
3.2.3 基于Levy飞行的围攻行为
3.2.4 TLWPA算法的具体操作流程
3.2.5 TLWPA算法复杂度分析
3.3 仿真实验
3.3.1 标准测试函数与评价准则
3.3.2 改进Tent混沌映射种群初始化的性能分析
3.3.3 Levy飞行围攻行为的性能分析
3.3.4 TLWPA算法与其他群体智能算法的对比试验与结果分析
3.4 本章小结
4 基于多目标机制的改进狼群算法
4.1 引言
4.2 多目标优化问题和相关概念
4.3 多目标优化的改进狼群算法
4.3.1 基于改进差分进化的精英个体搜寻
4.3.2 正弦搜寻行为
4.3.3 基于pareto差熵的混沌奔走行为
4.3.4 适用于多目标优化问题的Levy飞行围攻行为
4.3.5 基于聚集密度的个体质量比较方法
4.3.6 MO-IWPA算法步骤
4.4 仿真实验
4.4.1 标准测试函数与评价准则
4.4.2 MO-IWPA算法与其他群体智能算法的对比试验与结果分析
4.5 本章小结
5 基于TLWPA算法的机器人路径规划研究
5.1 研究背景
5.2 环境建模
5.3 路径表示
5.4 碰撞检测
5.5 机器人路径规划算法流程
5.6 仿真实验
5.7 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于狼群算法与二维最大熵的图像分割[J]. 陈超,宣士斌,雷红轩. 计算机工程. 2018(01)
[2]基于改进狼群算法的甲醇合成塔转化率机理建模及参数估计[J]. 俞灵杰,张凌波,顾幸生. 华东理工大学学报(自然科学版). 2017(06)
[3]基于混沌理论的图像置乱算法[J]. 杨勃,葛学锋,解海燕. 电子技术与软件工程. 2017(23)
[4]基于混沌算法的电气自动化设备中电力控制系统设计[J]. 吴金华. 电子制作. 2017(22)
[5]基于改进多目标狼群算法的微电网调度优化[J]. 马文,耿贞伟,张莉娜,于凤荣. 电子技术应用. 2017(11)
[6]基于参数动态调整的多目标差分进化算法[J]. 侯莹,韩红桂,乔俊飞. 控制与决策. 2017(11)
[7]一种改进的狼群算法[J]. 惠晓滨,郭庆,吴娉娉,赵昱. 控制与决策. 2017(07)
[8]自适应分组差分变异狼群优化算法[J]. 张强,王梅. 华东师范大学学报(自然科学版). 2017(03)
[9]基于狼群算法的GNSS欺骗干扰识别（英文）[J]. 孙闽红,邵章义,包建荣,余旭涛. Journal of Southeast University（English Edition）. 2017(01)
[10]仿生智能算法研究现状及军事应用综述[J]. 彭业飞,冯智鑫,张维继. 自动化技术与应用. 2017(02)
博士论文
[1]几类优化问题的人工蜂群算法[D]. 孔翔宇.西安电子科技大学 2016
[2]风电功率预测不确定性及电力系统经济调度[D]. 阎洁.华北电力大学(北京) 2016
[3]群智能混合优化算法及其应用研究[D]. 匡芳君.南京理工大学 2014
硕士论文
[1]基于遗传粒子群算法的永磁同步电机多目标优化设计[D]. 曹雪景.安徽大学 2017
[2]基于改进人工鱼群算法的移动机器人路径规划问题研究[D]. 杨亚威.大连海事大学 2017
[3]狼群算法的研究与应用[D]. 李国亮.东华理工大学 2016
[4]基于多目标混合人工蜂群算法的能效优化调度研究[D]. 解书琴.华中科技大学 2014
[5]基于变参Tent混沌映射的加密方法研究和实现[D]. 朱凯.重庆师范大学 2009
本文编号：3012860
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3012860.html
