微分方程优化模型&智能优化算法
我发现相比于动态规划,大家更喜欢用传统的动力学模型加上智能优化算法,这里讲一下基于传统动力学的模型:
我们知道
P
=
F
v
=
F
d
s
d
t
P=Fv=F\frac{ds}{dt}
P=Fv=Fdtds
注意P和F有多个影响因素,我们考虑骑手应用的F和P是与位置和高度以及坡度,侧拐角度有关,可考虑到骑手所处位置的高度也是根据地图所定,不妨设高度函数为
h
(
s
)
h(s)
h(s),值得注意的是这里的
s
⃗
\vec{s}
s单指水平位移,这样我们就可以用$
\nabla _t h\left( s \right)$指示是否在上坡还是下坡还是平路,正值为上坡,负值为下坡。我们考虑加速度可以由牛顿第二定律得到:
d
v
⃗
d
t
=
F
(
s
⃗
)
⋅
τ
−
m
g
sin
θ
⃗
m
\frac{d\vec{v}}{dt}=\frac{F\left( \vec{s} \right) \cdot \tau -mg\sin \vec{\theta}}{m}
dtdv=mF(s)⋅τ−mgsinθ
此外我们应当考虑:。。。
寻优算法
。此处省略。。。至少存在1维变量从
v
i
,
G
\boldsymbol{v} _ { i , G }
vi,G到
u
i
,
G
\boldsymbol{u} _ { i , G }
ui,G下图为生成试验向量
u
i
,
G
\boldsymbol{u} _ { i , G }
ui,G的示意图:
。此处省略。。。
目标函数自适应缩放因子
F
G
F_G
FG是指利用当前种群的目标函数来确定当前的缩放因子
F
G
F_G
FG。下图给出了目标函数自适应缩放因子
F
G
F_G
FG设计的示意图。