针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯...针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。展开更多
目的针对当前物流背景下普遍出现的送货公司外包、退换货频繁等问题,结合现有的碳排放政策,提出低碳背景下开放式同时送取货选址−路径模型(Low-Carbon Open Location-routing Problem with Simultaneous Pickup and Delivery Problem,LO...目的针对当前物流背景下普遍出现的送货公司外包、退换货频繁等问题,结合现有的碳排放政策,提出低碳背景下开放式同时送取货选址−路径模型(Low-Carbon Open Location-routing Problem with Simultaneous Pickup and Delivery Problem,LOLRPSPD),并通过改进野马算法进行求解。方法首先设计一种新的解码方式,使得原离散问题可以采用连续算法求解。之后,运用哈尔顿序列生成初始解,改进非线性进化概率因子,使用模拟二进制交叉,增加变异操作,以及精英保留、设置连续失败重新初始化等步骤,改进野马算法。最后,通过6组不同大小的算例将改进野马算法与原始野马算法、模拟退火算法、粒子群算法、遗传算法进行对比。结果针对中大型算例,改进野马算法远超原始野马算法。针对小型算例,在确保准确率的同时,改进野马算法对比各经典算法也在速度上具有优势。结论提出的LOLRPSD模型具备合理性,改进的野马算法针对选址路径问题具有较好的搜索能力。展开更多
文摘针对无人机路径规划求解计算量大、难收敛等问题,提出了一种基于全粒子推动野马算法的路径规划方法。建立三维环境模型与路径代价模型,将路径规划问题转化为多维函数优化问题;采用一种自适应邻域搜索策略,改善算法的开发能力;利用高斯随机游走策略对个体的历史最优位置进行回溯搜索,改善算法的探索能力;考虑到自适应策略对初始种群多样性敏感的问题,结合Tent混沌映射初始化种群,提高算法的鲁棒性以及全局寻优能力;将提出的改进算法在13个经典测试函数中进行性能验证,并移植于无人机三维路径规划问题中。在30峰、40峰、50峰的环境模型下进行测试,与遗传算法、粒子群算法、SRM-PSO(self-regulating and self-perception particle swarm optimization with mutation mechanism)算法以及野马算法对比,全粒子推动野马算法皆取得最短平均路径,且在所有测试中都找到满足约束、无碰的路径。仿真结果证明,在复杂环境下全粒子推动野马算法具有优秀的全局寻优能力以及较好的鲁棒性。
文摘目的针对当前物流背景下普遍出现的送货公司外包、退换货频繁等问题,结合现有的碳排放政策,提出低碳背景下开放式同时送取货选址−路径模型(Low-Carbon Open Location-routing Problem with Simultaneous Pickup and Delivery Problem,LOLRPSPD),并通过改进野马算法进行求解。方法首先设计一种新的解码方式,使得原离散问题可以采用连续算法求解。之后,运用哈尔顿序列生成初始解,改进非线性进化概率因子,使用模拟二进制交叉,增加变异操作,以及精英保留、设置连续失败重新初始化等步骤,改进野马算法。最后,通过6组不同大小的算例将改进野马算法与原始野马算法、模拟退火算法、粒子群算法、遗传算法进行对比。结果针对中大型算例,改进野马算法远超原始野马算法。针对小型算例,在确保准确率的同时,改进野马算法对比各经典算法也在速度上具有优势。结论提出的LOLRPSD模型具备合理性,改进的野马算法针对选址路径问题具有较好的搜索能力。
文摘目的优化野马追Eupatorium lindleyanum DC.倍半萜内酯精制工艺。方法以野马追内酯A、B含有量为指标,动态吸附及解吸附试验优化大孔树脂吸附工艺;以夹带剂(无水乙醇)用量、萃取压力、萃取温度为影响因素,倍半萜内酯提取率为评价指标,响应面法优化CO_2超临界萃取工艺。结果最优精制工艺条件为采用AB-8型大孔树脂,提取液以40 m L/min体积流量通过树脂柱,将吸附后的树脂依次用水、20%、40%、60%、80%乙醇各3 BV洗脱,收集60%~80%部分;最优CO_2超临界萃取工艺条件为夹带剂用量30%,萃取压力35 MPa,萃取温度45℃,萃取时间2 h,CO_2体积流量40 m L/min,野马追内酯A、B总含有量由0.56%增加到39.07%。结论该方法简单可行,可用于精制野马追倍半萜内酯。
