典型文献
基于适应度值优劣粒子群算法的无人机路径规划
文献摘要：
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.
文献关键词：
粒子群优化算法;路径规划;惯性权重;无人机
中图分类号：
作者姓名：
王小璐;黄辰;于远航;陈福豪;胡蝶;陆琪;崔曦予
作者机构：
沈阳航空航天大学民用航空学院,辽宁沈阳,110136
文献出处：
引用格式：
[1]王小璐;黄辰;于远航;陈福豪;胡蝶;陆琪;崔曦予-.基于适应度值优劣粒子群算法的无人机路径规划)[J].电子制作,2022(16):16-19
A类：
B类：
适应度值,无人机路径规划,粒子群优化算法,PSO,搜索算法,规划问题,局部最优,早熟,路径规划方法,改进的粒子群算法,避障,路径长,惯性权重,收敛性,寻优能力
AB值：
0.198156
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
