基于改进粒子群优化算法的巡航导弹航路规划

被引：6

作者：

孙健

吴森堂

机构：

[1] 北京航空航天大学自动化科学与电气工程学院

来源：

北京航空航天大学学报 | 2011年 / 10期

关键词：

粒子群优化算法; 群体智能; 航路规划;

D O I：

10.13700/j.bh.1001-5965.2011.10.027

中图分类号：

TJ761.6 [巡航式导弹];

学科分类号：

082501 ; 082601 ; 082602 ;

摘要：

粒子群优化(PSO,Particle Swarm Optimization)算法是继遗传算法、蚁群算法之后的又一种新的群体智能算法,经常用于复杂问题的求解.由于其迭代公式是面向连续空间的,因此更适合解决非网格拓扑的航路规划问题.标准的粒子群优化算法在寻优的过程中容易出现早熟现象,针对这种现象,提出了一种改进的粒子群优化算法.改进算法根据相应的代价函数选择精英粒子和较差粒子,对较差粒子采用了带有动能补偿的速度更新策略,从而避免了寻优过程中的早熟现象;在单个粒子的运动方面引入了最差粒子的失败经验,让群体中粒子有效避开最差解.仿真表明:改进算法在航路规划的应用中具有更强的搜索能力,获得的航路代价在进化代数相同的前提下更小.

引用

页码：1228 / 1232

页数：5

共 4 条

[1]

飞行控制系统[M]. 北京航空航天大学出版社 , 吴森堂, 2005

[2]

A review of particle swarm optimization. Part I: background and development[J] . Alec Banks,Jonathan Vincent,Chukwudi Anyakoha.Natural Computing . 2007 (4)

[3] A review of particle swarm optimization. Part II: hybridisation, combinatorial, multicriteria and constrained optimization, and indicative applications [J].

Alec Banks ;

Jonathan Vincent ;

Chukwudi Anyakoha .

Natural Computing, 2008, 7 (1) :109-124

[4]

Dynamic multi-swarm particle swarm optimizer .2 J. J. Liang,P. N. Suganthan. Proceedings of the 2005 IEEE Swarm Intelligence Symposium . 2005

← 1 →