![](https://img-blog.csdnimg.cn/20190918140158853.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
论文学习
文章平均质量分 93
论文学习
元气小嘉
这个作者很懒,什么都没留下…
展开
-
一种基于混合协作的约束多目标优化的新型多群体进化算法
实际应用中的各种挑战通常需要同时优化多个目标,并且这些目标有时可能会出现相互冲突的优先级。此类场景的示例包括汽车设计的优化 [1] 和电网效率的提高 [2]。原创 2024-06-12 17:58:53 · 670 阅读 · 0 评论 -
人类记忆优化算法:针对全局优化问题的记忆启发优化器
以最小化问题为例,本文开发了一种受人类记忆行为启发的启发式算法。人类的记忆是多模态的行为,人们常常会对指导未来行为的失败和成功印象深刻,同时,人类会时不时地回忆起最近的记忆,但也会忘记最近的记忆。具体示意图如图1所示。(a)中的人到处寻找手机,结果发现手机在自己手里,这是人类记忆暂时遗忘的过程;(b)中的人以前被蛇咬过,所以非常怕蛇,而且那段痛苦的记忆也很深刻。原创 2024-06-10 17:25:36 · 669 阅读 · 0 评论 -
多目标多任务优化的有效知识转移方法
作为最具代表性的进化多任务优化算法之一,MFEA 已成功开发用于解决复杂的现实问题。如何通过调整知识转移的强度来减少负转移。为了解决这个问题,[16]提出了一种基于在线学习的进化多任务优化算法。在该方法中,利用不同任务之间的相关性来确定跨任务转移多少知识。此外,郑等人。[17]还提出了一种在任务之间捕获和共享有用知识的算法。在本文中,知识转移的强度根据任务相关程度进行调整。如何为不同的优化问题分配计算资源如何在任务之间建立映射以实现有意义的知识转移实际应用。原创 2024-01-08 14:43:11 · 902 阅读 · 0 评论 -
基于条件概率的异构无人机多目标协同任务分配
本文的动机包括两个主要方面:(i)构建一个能够衡量无人机破坏风险和协作多任务分配问题(MOCTAP)的各种资源约束的多目标优化模型;(ii) 提出一种具有高效解锁能力的进化算法,以避免死锁情况。尽管目前已经开发出许多针对协同任务分配问题(CTAP)的模型和算法,但仍需要进一步提高建模的准确性和多无人机MOCTAP的适用性,以适应日益复杂的战场环境。一方面,为了降低模型的复杂度和算法的计算难度,现有研究通过任务假设、无人机、还有弹药水平,比如无人机必须能够完成任务并生存,弹药必须充足等等。原创 2023-10-24 10:39:58 · 413 阅读 · 0 评论 -
粒球相关笔记
粒球计算已经成功地冒险进入不同的人工智能领域,促进了创新理论方法的发展,包括颗粒球分类器、聚类技术、神经网络、粗糙集和进化计算。这大大提高了传统方法的效率、噪声鲁棒性和可解释性。原创 2023-12-27 16:44:03 · 1243 阅读 · 0 评论 -
论文实验总结
论文实验总结。原创 2023-09-06 15:49:23 · 143 阅读 · 1 评论 -
结合聚类的FW-GA混合算法在无人机森林火灾侦察任务分配中的应用
针对森林火灾侦察的需要,提出了一种两阶段无人机任务分配模型。该模型首先利用卫星携带的传感器数据对森林火灾进行数字化处理,然后利用基于GMM的EM算法得到各无人机的初始位置。利用数字火力模型和无人机的初始位置,建立了基于MKP的无人机任务分配模型。该模型极大地简化了模型的复杂性,同时避免了基于位置的严格局部分区问题,就像简单的k-means算法一样。遗传算法通常用于求解MKP问题,但其收敛速度慢,计算复杂度高,且容易陷入局部最优解。这使得有效地解决大规模背包问题具有挑战性。原创 2023-06-24 20:16:35 · 362 阅读 · 1 评论 -
基于自适应遗传算法的异构多无人机协同任务分配
本文的重点是解决异构固定翼无人机对多个静止地面目标执行SEAD任务的CMTAP问题。同时考虑了无人机的异构性和任务耦合约束。虽然遗传算法已被广泛应用于求解CMTAP问题,但这些现有的方法不能在这些假设下直接应用。为此,我们提出了一种自适应遗传算法(AGA)。首先,引入多类型基因,建立一种无死锁的染色体编码策略。提出的染色体编码策略保证了生成的染色体满足无人机异构性和任务耦合约束。为了计算任务执行时间,采用Dubins车模型对无人机航迹编队进行仿真。原创 2023-04-04 20:54:30 · 1582 阅读 · 0 评论 -
粒球计算分类器的高效,可扩展和鲁棒学习
引入了“颗粒球”的概念,定义了颗粒球标签和两个颗粒球之间的距离。提出了粒球计算分类器的框架,将粒球引入到分类器中,使现有的分类器高效、可扩展、鲁棒。提出的框架不局限于特定的分类器。为了建立粒球计算(GBC)分类器的通用理论框架,推导了颗粒球支持向量机(GBSVM)和颗粒球k近邻(GBkNN)算法。基于粒球的分类器的时间复杂度几乎为O(n)。这种时间复杂度使得它们在大规模数据处理中具有很高的效率。提出了一种颗粒球kNN (GBkNN)算法。原创 2023-03-15 17:09:16 · 1426 阅读 · 0 评论 -
用于多种无人机协作的群体智能算法:综合综述
随着无人机技术的快速高水平发展,将多架无人机作为自主控制的编队应用于复杂情况是一个新兴领域的代表之一。在实现自主控制的挑战中,碰撞避免、任务分配、路径规划和编队重构是关键功能。本文对各种经典的无人机群智能算法进行了系统的总结和分析。原创 2023-02-11 17:42:42 · 5151 阅读 · 0 评论 -
基于分散遗传算法的多Agent系统分散任务分配
Decentralized Task Allocation in Multi-Agent Systems Using a Decentralized Genetic Algorithm>2020年发表于ICRA>文献链接: [Decentralized Task Allocation in Multi-Agent Systems Using aDecentralized Genetic Algorithm](https://ieeexplore.ieee.org/document/9197314/ci原创 2023-02-10 15:50:59 · 854 阅读 · 0 评论 -
基于仿生狼群法的无人机群任务分配算法
任务分配是 UAV 集群中一个非常重要的过程,但目前面临着大规模、实时性等约束,如何有效地进行任务分配具有一定的挑战性。因此,对狼群在自然环境中的行为特征进行建模,并利用其来解决复杂场景下 UAV 集群动态任务分配问题。具体而言,所提出的方法考虑非平衡任务分配问题,并利用任务调度算法使分配结果满足任务性能约束。提出了一种适用于复杂场景下 UAV 集群的路径规划算法和覆盖搜索算法。针对不同目标数量和随机目标位置的仿真实验表明,该算法具有较高的任务完成率,并能平衡无人机的负载,为复杂场景提供了一种合适的解决方案原创 2023-01-28 17:48:17 · 1803 阅读 · 2 评论 -
sparrow search algorithm(麻雀搜索算法)
SSA(麻雀搜索算法)的灵感来源:麻雀群体的觅食和反捕食行为原创 2022-11-20 20:20:58 · 4342 阅读 · 0 评论 -
Ant System:Optimization by a colony of cooperation agents(蚁群优化算法)
蚁群优化算法的特点:1、通用性,因为它可以应用于相同问题的类似版本; 例如,从旅行商问题(TSP)到非对称旅行商问题(ATSP)有一个直接的扩展。2、稳健性。 它可以应用于其他组合优化问题,如二次分配问题(QAP)和作业车间调度问题(JSP)。3、基于群体。 这很有趣,因为它允许利用正反馈作为一种搜索机制。蚁群优化算法的基本思想:用来在个体之间传递关于路径的信息,并用来决定去哪里的媒介由信息素踪迹组成。 一只移动的蚂蚁在地面上放置一些信息素(数量不等),从而用这种物质的踪迹来标记路径。 虽然一只孤立原创 2022-11-08 18:12:39 · 388 阅读 · 0 评论 -
Particle Swarm Optimization(粒子群优化算法)
1、本论文介绍了一种用于优化连续非线性函数的方法。该方法是通过对一个简化的社会模型的模拟发现的。2、粒子群起源于两个两种主要的组成方法学:A-life(artificial life人工生命:鸟群、蜂群等)以及进化算法。原创 2022-10-22 20:16:41 · 1041 阅读 · 0 评论