一种基于改进蚁群优化算法的载人潜水器全局路径规划

基础蚁群优化算法在解决复杂障碍环境下的载人潜水器路径规划问题时,易过早收敛于局部最优解,信息素挥发系数的设置过于依靠经验,路径规划结果受概率影响大且不稳定。为此,提出了一种改进蚁群算法用于解决载人潜水器的全局路径规划问题。该算法提出"路径延伸块"的概念。算法前期采用动态更新信息素参数的蚁群优化算法进行简单迭代计算获得原始路径,并对原始路径进行栅格延伸以得到"路径延伸块";后期在路径延伸块中再次使用蚁群算法或其他寻优算法(Dijkstra算法)寻找最优路径。改进的算法与基础蚁群优化算法相比,算法效率及稳定性更高,不易收敛于局部最优解,能更好地适应U型槽环境和复杂障碍环境。     

基于改进遗传算法的无人水下航行器路径规划

针对无人水下航行器（Autonomous Underwater Vehicle,AUV）运动约束多,传统遗传算法的路径寻优效率低、收敛速度慢等问题,提出了一种改进遗传算法的 AUV 路径规划方法。该算法选用栅格法构建环境,使用路径长度、平滑度和危险区域作为评价函数。改进遗传算法种群初始化过程,引入周围点栅格提高收敛速度,同时结合灾变思想避免群体陷入局部最优解。该算法根据 AUV 最大转角的约束条件,设计了 AUV 平滑过程和删除过程,避免了 AUV 航行出现急停急转。仿真及湖上试验结果表明：改进遗传算法相比传统遗传算法,路径长度减少 11.4%,收敛速度加快 20.0%,且收敛路径满足 AUV 航行约束要求。     

多视角聚类的数值方法研究

针对Zhang等提出的多视角子空间聚类方法,本文给出了一种求解该非凸优化问题的方法并对其提出的算法进行了新的分析和改进。得到的主要结果包括：(1)选择一个好的近似解作为初始点,提高了算法的收敛速度和对全局最优解的收敛概率。(2)用MM思想重新推导出Zhang的方法,由此证明了一个新的收敛性定理;(3)改进了Wen提出的基于流形的正交约束算法并用于求解多视角子空间聚类模型,在算法中加入了初始点,大大提高了运行速度。通过对合成数据和实际数据的实验,验证了算法的有效性。     

改进的模糊C均值聚类算法及其在海底热液硫化物组分分析中的应用

在聚类分析中,模糊C均值(FCM)聚类算法有着广泛的应用。在实际应用中,该算法存在着很多缺陷,如最优聚类数目的确定完全依赖于数据的数目,算法易收敛到局部极值点以及收敛速度慢等。本文针对这些缺陷提出了2点改进方法:首先,利用减法聚类确定聚类数目的范围,提出一个新的聚类有效性指标函数,实现最优聚类数目的自适应确定。在此基础上,提出了基于粒子群(PSO)的模糊C均值混合聚类算法,以解决已有原始FCM聚类算法容易陷入局部极小点和收敛速度慢的问题。仿真测试结果表明:改进后的FCM聚类算法能够有效减少迭代次数,并以较快的收敛速度获得更加准确的聚类结果。最后,将改进的FCM聚类算法应用到冲绳海槽热液硫化物矿物组分分析中,准确地反映出了其矿物化学组分中主要金属元素的分布特征及矿石分类状况。     

基于RRT和DWA的欠驱动UUV路径规划

针对无人潜航器(UUV)在未知水下复杂环境的路径规划问题,设计了随机树以及动态窗口的融合算法。该算法基于快速扩展随机树(RRT)以及动态窗口(DWA)两层规划设计,第一层利用随机树算法快速规划出全局路径,在此基础上第二层加载全局路径,针对 UUV 模型的欠驱动和非线性,利用动态窗口算法完成局部路径规划,保证约束条件下 UUV 路径的安全性。通过融合参数 μ 修正内外框架的融合度,有效地弥补了全局路径算法的无法躲避动态障碍物的缺点以及局部路径算法全局能力低下的问题。最后,通过对比仿真验证了融合算法相比于随机树全局算法和动态窗口局部算法的优越性。     

改进的MVC-NMF算法在高光谱图像解混中的应用

高光谱图像中混合像元的存在不仅影响了基于遥感影像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。MVC-NMF混合像元解混算法不需要假定纯像元的存在,并且在自动提取端元的同时,能够获取每种端元所对应的丰度图,然而该方法收敛速度较慢、效率较低,文中提出利用BBA(Barzilai-Borwein Algorithm)算法来实现MVC-NMF算法的迭代更新,从而提高了算法的效率。实验结果表明:该方法在相同迭代次数条件下比MVC-NMF算法解混的结果好、效率高。     

基于改进量子粒子群算法的AUV路径规划研究

针对海洋环境下自主水下机器人（AUV）的路径规划问题,提出了一种基于框架四叉树的改进量子粒子群算法（QPSO）,首先使用框架四叉树的方法对障碍物建模,该方法提高了建模的精度且对后续算法的效率也有极大的改进,之后设计改进的量子粒子群算法,并且结合水下环境的特殊性设计适应度函数,综合考虑航线路径长度、偏转角度以及海流影响,使得算法可以在水下环境中寻得能耗最短的解路径。最后通过仿真试验验证,相比于传统的栅格法和粒子群算法,改进量子粒子群算法的运算时间更短,收敛速度更快,其独特的适应度函数可以使AUV能更好适应水下多变的环境,且能利用海流设计能耗更小的路径,具有很大的实用价值。     

基于蚁群算法的水下传感网网络生存期延长策略研究

随着海洋强国战略的推进和实施,水下传感器网络广泛应用于海洋资源探测、污染监测、辅助导航和水下军事侦察等领域,具有十分重要的意义。由于水下传感器所携电池充电或更换困难,如何减小传输能耗、在传感器能量受限的情况下提升网络生存期是亟须解决的关键问题之一。据此,提出了一种动态蚁群路由算法,考虑了每次传输后的节点剩余能量,作为路径优化的条件之一,基于蚁群算法在每次传输中选择最优路径,并在每次传输完成后更新路由表,让更多的节点参与信息传输,以提高节点的利用率。仿真结果表明：动态蚁群路由算法同时兼顾了能耗平衡和最小传输能耗,大大提高了网络生存期。分析结果对水下传感器网络的路由协议设计有一定的参考意义。     

非精确搜索一维全局最优化方法

研究一维全局最优化问题的确定性求解方法。运用逐次建立目标函数的线性下界函数,将不含全局最优解的子区域删除,并基于非精确搜索结合下降算法而得出非精确搜索一维全局最优化方法,使计算量减少且使迭代收敛加快。迭代结束时该算法得到一维全局最优化问题的ε－全局最优解。该方法具有有限收敛性且不需精确的局部优化过程。文中的数值实例表明该算法的有效性。     

基于坐标约束的精密单点定位授时算法

针对传统PPP授时算法收敛性速度慢的问题,提出了一种基于坐标约束的PPP授时算法。该算法通过利用先验坐标信息构建坐标约束方程来对传统授时算法进行改进,进而提高授时结果的收敛速度。利用IGS站观测数据进行实验分析,结果表明,附加先验坐标信息进行约束后,静态条件下可以显著提高授时结果的收敛速度;静态模拟动态条件下不仅能够提高收敛速度,还能提高授时的精度和稳定性。