基于适应度值优劣粒子群算法的无人机路径规划

作者:王小璐; 黄辰*; 于远航; 陈福豪; 胡蝶; 陆琪; 崔曦予
来源:电子制作, 2022, 30(16): 16-19.
DOI:10.16589/j.cnki.cn11-3571/tn.2022.16.005

摘要

粒子群优化算法(PSO)是一种典型的基于群体合作的搜索算法,针对传统粒子群优化算法在求解无人机路径规划问题时存在陷入局部最优和容易早熟收敛等问题,提出基于适应度值优劣粒子群算法的路径规划方法。改进的粒子群算法将避障和路径长度作为约束条件来建立目标函数,通过将整个种群中的粒子按照适应度值划分为两个部分,并且分别设计了划分后的两个部分的惯性权重,以此来提高算法的多样性和收敛性,从而进一步提高粒子群算法的寻优能力。通过仿真实验表明:与原粒子群算法相比,根据适应度值来调整算法惯性权重能够有效提高粒子群算法的多样性和收敛性。

全文