一个新的改进的虫优化算法用于无人机协作3D路径规划
Xiaojun Zheng1, Rundong Liu1, Siyang Li1
1School of Mechanical Engineering, Dalian Jiaotong University, Dalian 116028, China.
Biomimetics (Basel, Switzerland)
|July 25, 2025
概括
本研究介绍了环境意识的混沌力场虫优化器 (ECFDBO),这是一个增强的算法,可以克服过早的融合,并提高复杂的优化任务的精度. 在高维问题和无人机路径规划方面,ECFDBO表现出卓越的性能.
科学领域:
- 计算智能是一种计算智能.
- 优化算法 优化算法
- 超听证学是一种超听证学.
背景情况:
- 标准的虫优化器 (DBO) 在高维,复杂的搜索空间中遭受过早的融合和有限的精度.
- 解决这些局限性对于提高元启发算法性能至关重要.
研究的目的:
- 为了提出一个新的,改进的甲虫优化器,环境意识的混沌力场甲虫优化器 (ECFDBO).
- 为复杂的优化问题增强全球勘探和本地开发能力.
主要方法:
- ECFDBO集成了一个基于混乱扰动的非线性收缩策略,一个智能边界处理机制,以及一个动态的吸引力-排斥力场突变.
- 该算法在CEC2017基准套件上进行了评估,共进行了30次独立运行.
- 进行统计测试 (Wilcoxon,Friedman) 来评估绩效差异和排名.
主要成果:
- ECFDBO在CEC2017基准套件上的其他七种元启发算法上取得了统计学上显著的改进.
- 该算法在不同的问题维度中展示了强大的全球优化能力.
- 在3D无人机路径规划模拟中,ECFDBO满足了合作规划的全球最佳性要求.
结论:
- ECFDBO有效地解决了标准DBO的局限性,提供了增强的全球勘探和本地开采.
- 拟议的算法显示出对高维全球优化应用的巨大潜力,包括合作无人机路径规划.
