基于IGWO-A~*算法的无人机农田喷洒航迹规划

目前无人机已经在农业领域逐步应用,在精量播种、农药喷洒、植被检测等不同类型的农业航空作业中有着广泛的应用,采用无人机进行农药喷洒已经成为农业植保过程中的一项重要任务。多喷洒点遍历及障碍物避障的航迹规划问题,影响着无人机喷洒作业的效率。如何规划无人机喷洒作业点的顺序及低空作业避障问题在农田喷洒任务中受到了广泛的关注。使用传统灰狼优化算法求解能力强,但这易陷入局部最优解。针对此问题提出了一种改进的灰狼优化算法(IGWO)与A~*算法相结合的无人机农田喷洒航迹规划算法。IGWO算法引入了K-Means算法进行种群初始化以加强种群多样性,引入了非线性收敛因子以平衡算法的全局搜索与局部开发能力,引入了粒子群优化算法个体优越性进行位置更新以避免算法陷入局部最优,从而使得IGWO算法具有更强的模型求解能力。运用IGWO算法无障碍物的求解遍历多喷洒点的最优航迹路径,随后在障碍物阻挡的航迹路径段运用A~*算法避障规划以修正段内航迹。试验仿真结果表明:IGWO算法与GWO算法在随机生成的5个喷洒任务点的遍历航迹规划长度相同,而在随机生成的30个喷洒点遍历航迹规划中IGWO算法是GWO算法寻找最优解所需迭代次数的1/3,且规划路径缩短4.17%,说明IGWO算法对大任务量喷洒任务点更具有优越性,收敛速度更快,模型求解能力更强,规划航迹效率更高,同时验证了基于IGWO-A~*算法的无人机农田喷洒航迹规划的真实有效性。该研究为农业植保提供了一定的理论基础,为无人机自主作业解决了前提条件。     

基于差分量子退火算法的农用无人机路径规划方法

为解决不规则区域内农用无人机植保作业问题,以农用无人机的总飞行距离和多余覆盖率为指标建立模型,将无人机的植保作业航向角作为优化目标,并考虑有障碍物下的情形,采用差分进化算法(different evolution algorithm,DE)与量子退火算法(quantum annealing algorithm,QA)融合的方法对应用模型进行求解,分析算法的执行过程并进行MATLAB仿真试验。结果显示:在设定的不含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法(differential evolution algorithm-quantum annealing,DEQA)时无人机总的飞行距离分别减少101.52、73.00 m,转弯路径分别减少43.02、43.10 m,多余覆盖率分别减少22.25%和12.79%;在设定的含障碍物农田区域环境下,相较于未规划与差分进化算法规划情况,采用差分量子退火算法时无人机总的飞行距离分别减少73.24、24.54 m,转弯路径分别减少52.50、12.72 m,多余覆盖率分别减少72.34%、23.52%,其余指标均有所下降。仿真结果表明,采用差分量子退火算法能够完成农田区域路径规划问题,可为农用无人机路径规划提供技术支持。     

南淝河水污染控制的不确定模糊规划的研究

基于排污口最优处理规划,引入水质模型运行参数的区间值,建立两组费用函数和约束方程,求解模型后,建立费用和水质约束的隶属函数,并采用模糊判决,最后对南淝河水质系统进行模糊决策分析.应用不确定模糊线性规划模型,对合肥市南淝河进行水污染控制的不确定模糊规划,得出各排放口治污系数和污水处理费用的区间优化解,其结果具有弹性且精度较高,可为南淝河水质规划提供参考.     

无约束优化问题的差分进化算法求解

许多复杂的无约束优化问题不存在多项式时间复杂度的求解算法,为一类NP-难的问题。基于差分进化算法具有全局优化性能好,结构简单和易于实现的特点,提出了求解无约束优化问题的差分进化算法。数值试验结果验证该算法是可行有效的。     

基于代理模型的气动设计稳健优化方法

为了减少不确定分析的计算量,提出了一种基于代理模型的不确定性气动设计优化方法,其中代理模型主要用于简化不确定分析计算过程.运用拉丁方试验设计和Krig-ing建立了代理模型,用随机参数来表示尺寸误差和飞行条件的变化.基于代理模型,以蒙特卡洛模拟法作为不确定分析方法,求解气动性能的均值和方差.在此基础上定义了气动稳健优化问题的表达式,用遗传算法进行求解,并以某翼型的优化问题对该方法进行验证.结果表明,通过该方法得到的最优解对不确定性的敏感度大大减小,同时在不确定的情况下仍然能满足设计约束条件.     

昆明市4个主要针叶树种林分断面积生长模型研究

采用Richards、Schumacher和Korf模型作为林分断面积生长备选模型,运用麦夸特算法、差分进化算法、遗传算法、模拟退火算法和粒子群算法进行模型参数求解,根据R2和RMSE选择模型拟合结果、算法迭代次数和残差分布,比较各优化算法的效率和参数稳定性。结果表明:华山松、云南松、油杉和柏木地位级表落点检验值分别为97.9%、98.3%、98.1%和98.9%,精度符合要求,能够用于林区林业生产经营活动;优化算法求解模型参数的效率由高到低的顺序为LMDEPSOGASA,PSO求解参数的拟合优度较差;针叶树种断面积生长模型更适宜采用Richards模型,Schumacher模型参数拟合结果更稳定。运用优化算法进行林分断面积生长模型参数估计并分析其优劣,对提高模型精度具有重要作用,研究结果为优化算法在生长模型参数估计中的运用提供了依据。     

含蜡原油双结构参数模型参数回归的稳定性

含蜡原油双结构参数模型参数回归存在不稳定性,基于触变性参数分组逐步确定法,采用最小二乘原理建立了触变性参数的回归模型。引入稳定性较好的自适应差分进化算法优化回归模型,并针对研究问题的特殊性,对该算法的初始化操作加以改进。在改进的自适应差分进化算法下,待回归触变性参数的回归结果存在随机跳动现象。通过分析回归结果,提出阶跃剪切率实验与恒剪切率实验相结合的触变性测定实验方法,有效解决了双结构参数模型参数回归结果的不稳定问题。     

动态局部搜索差分进化算法

针对差分进化算法存在进化后期收敛速度慢、易早熟等缺点,提出了一种基于动态局部搜索的差分进化算法(DLSDE).采用随机选择的方式进行变异并运用小概率扰动操作,增加种群的多样性,平衡算法的开发能力和探索能力;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度.对标准测试函数进行仿真实验并与其他6种算法进行比较,结果表明DLSDE算法具有较快的收敛速度和较高的求解精度,对复杂的数值优化问题寻优效果很好.     

基于区间数的高速磨床主轴系统的不确定性优化研究

为了更精确地反映主轴系统在工作状态下的情况，针对高速磨床主轴系统建立柔性体动力学模型，对其在不确定性磨削力作用下的工况进行数值模拟和优化研究.首先采用优化拉丁超立方试验设计方法在设计变量和不确定参数构成的混合空间内采样，再建立包含不确定量的主轴系统径向基函数近似模型，代替耗时的数值仿真模型.利用基于区间数的不确定性优化方法对高速磨床主轴系统进行优化设计研究.结果表明，利用基于区间数的不确定性优化方法，对主轴系统的关键参数进行优化后，表征磨削质量的刚体砂轮质心的径向跳动值比原来有了较大的减少，得到了在不确定磨削力影响下优化结果的响应区间.     

AC-PSO算法在无人机任务规划中的应用

无人机飞行中合理的路线规划可以减小飞行时间、降低油耗,减小被敌方发现、攻击的可能,从而提高了完成任务的概率.鉴于大部分无人机是以一个相对固定的高度进行侦察和任务飞行,故可将无人机的飞行任务规划视为二维平面的TSP问题.本文进一步将地面防空威胁与飞行距离统一量化,通过求解TSP求取最优无人机任务规划.文中通过分析蚁群算法与粒子群算法,提出了一种新的混合方法AC-PSO算法解决TSP求解问题.算法借鉴了蚁群算法的路线构造方法和粒子群算法的进化策略思想,同时给出了提升算法效率的一些措施.实验验证,该算法和威胁建模方法相结合,能有效地满足无人机飞行任务规划的要求.     

自适应差分进化算法在反求含水层参数中的应用

【目的】研究自适应差分进化算法在反求含水层参数中的适用性。【方法】以理论计算值与实际观测值的离差平方和的均值作为目标函数,应用自适应差分进化算法优化待估含水层参数;计算相关实例,对比改进直线图解法、混沌序列优化算法、简算法、泰斯配线法、线性回归法与自适应差分进化算法的最终优化结果。【结果】与改进直线图解法、混沌序列优化算法和简算法等计算方法相比,自适应差分进化算法的计算结果更加精确,与实际观测值的差异较小;对于不同的含水层参数取值范围,自适应差分进化算法较传统差分进化算法稳定且寻优率与计算结果精度更高。【结论】自适应差分进化算法是一种有效的反求含水层参数的方法。     

全自动植保无人机含障不规则区域的航迹规划算法

对于存在障碍物的农田区域,为了解决植保无人机在全自动作业中的避障问题,提出1种含障不规则区域的航迹规划算法。该算法将全局规划和局部规划相结合,全局规划算法对不规则地块进行"Z"字形扫描,快速得到往复遍历式植保无人机的作业路径。局部规划算法根据大小将障碍物分为点状障碍物和区域障碍物,对2类障碍物通过插入航点的方式进行局部规划,最终得到含障不规则区域的作业路径。仿真结果表明,采用该算法进行航迹规划,无人机的飞行航迹和规划航迹重合,证明了该算法的可行性。在相同条件下进行10组田间试验,实际飞行航迹与理论规划航迹的最大偏差小于0.4 m,满足实际作业的精度要求。     

采用混合生物地理学算法的番茄种植规划研究

为解决番茄酱产季原料供应不均衡问题,在构建番茄种植规划的数学模型基础上,提出采用生物地理学算法对番茄种植规划模型的求解。利用余弦迁移模型、干扰迁移算子和基于高斯分布的变异算子对BBO算法进行适当改进,并与差分进化算法的变异算子结合,以增强生物地理学算法的全局搜索性能。以新疆某番茄酱厂为例对番茄种植规划问题进行计算,结果表明:采用该算法获得的种植方案能实现番茄原料产量与番茄酱厂生产能力之间的平衡。仿真结果验证了番茄种植规划数学模型的合理性。在求解番茄种植规划问题上,与其他智能优化算法相比,该算法具有较好的收敛性。     

基于机会约束规划模型的灌溉管网不确定优化研究

【目的】弥补管网优化设计确定性模型虽然简化了计算,但忽略了一些不确定参数对优化结果影响的不足。【方法】将管段设计流量、节点最小工作水头和管道粗糙系数等参数作为随机变量,分别建立了基于随机模拟技术的重力和泵站加压两种输配水系统的机会约束规划模型;在随机模拟技术基础上,用列队竞争算法对该模型进行求解。【结果】工程实例验证表明,不确定参数对优化结果有显著影响,随着不确定参数变化范围的增加,系统的泵站扬程和投资费用也随之增加。【结论】研究建立的优化方法与工程实际情况更接近,弥补了确定性规划模型的不足。     

先锋精神：从新诗的民族神话、传说写作 看中国新诗用典出路

研究了多态不确定性环境下的城市垃圾处理问题.在一定假设条件下, 建立了一类固废管理问题的区间模糊优化模型. 提出了区间大小关系可能度算子的公理化定义,并基于这种可能度算子的方法, 对给定的权重系数和置信水平, 推导了原模型的确定型等价类, 从而把区间模糊优化问题转化为普通的线性规划问题求解.将所建立的模型和求解方法用于解决一个实际固废管理问题, 结果证实了该模型及其求解方法的有效性.     

基于改进差分进化算法的含风电场的电力系统无功优化

含风电场的电力系统无功优化是一种具有多状态、多约束条件的非线性规划问题.针对其存在易陷入局部最优的缺点,提出了改进的差分进化算法.在基本差分进化算法中,融入递增二次函数交叉算子以增加算法的收敛速度.当算法陷入早熟后,对最优个体和随机选取的个体采用随机扰动的变异策略,帮助其跳出局部极值.仿真算例表明:改进的算法能有效地寻找到全局最优解,明显提高收敛速度,具有良好的自适应特性.     

基于鲁棒双层多目标规划的农业水资源优化配置模型构建与应用

水资源是发展农业的基础,但目前我国水资源供需矛盾突出,急需建立与经济发展、人口增长、生态稳定相适应的农业水资源优化配置模型。考虑农业供水约束的不确定性,利用盒式鲁棒不确定集合,构建基于鲁棒双层多目标规划的农业水资源优化配置模型,并且利用双层规划中分散的决策方式对多目标决策函数进行处理,最后采用粒子群算法对算例进行求解,证明该模型应用于农业水资源优化配置的有效性。     

基于ADE算法优化的木材单板染色全光谱配色模型研究

采用自适应的交叉因子与变异因子在增强全局搜索能力的同时提高收敛速度,通过循环迭代取值的方法确定Stearns-Noechel模型中参数M的最优值。采用新模型对8组标准样进行染色配方预测,以CIEDE 2000色差评价标准对实验结果进行评价。结果表明:基于ADE优化模型预测染色配方得到的拟合样与标准样间ΔE_(00)均小于3;迭代次数是遗传算法的13.04%,差分进化算法的50.00%,寻优速度更快;对于标准样1,新模型预测配方得到拟合样与标准样间ΔE_(00)约为最小二乘法、遗传算法和差分进化算法优化模型的1/5、1/3与1/2,预测精度更高,说明了新模型在染色木材单板全光谱配色方面具有较高的使用价值。     

改进蛙跳算法的约束处理方法

提出了一种用于求解有约束优化问题的混合蛙跳算法.蛙跳算法结合ε-差分进化算法(ε-differential evolution algorithm,ε-DE),可使算法在进化过程中充分利用种群中不可行解的信息.在进化初始阶段,可行域边界上拥有较优目标函数的不可行解进入种群,随着进化代数增加,种群约束允许放松程度不断减小,使得种群中不可行解数量减少,直到种群约束允许放松程度为0,此时种群完全由可行解组成.改进后的蛙跳算法能够提高收敛速度和精度.13个标准Benchmark函数仿真试验的结果表明,改进后的蛙跳算法寻优精度高,鲁棒性强,是一种有效的求解有约束优化问题的算法.     

基于小生境差分进化算法的预防性维修优化研究

针对预防性维修问题,提出了一种基于小生境进化策略的改进差分进化算法.该算法采用DE/best/2/bin变异方式,变异个体由当前种群中的最优个体作引导,同时引入小生境进化策略,使算法具有局部搜索能力强和精度高的特点,也增强了算法的全局搜索能力,避免早熟现象的发生.将该算法应用于求解有限时间区间的预防性维修问题,仿真试验结果表明,该算法可行有效,其结果能对生产实践起到一定指导作用.