基于改进粒子群优化算法的巡航导弹航路规划
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.
粒子群优化算法、群体智能、航路规划
37
V249.1(航空仪表、航空设备、飞行控制与导航)
“十一五”XX基础科研资助项目A212006XXX
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
1228-1232