基于改进蚁群算法的海上目标搜索路径规划

孙艺松; 胡海军; 李乐; 耿正霖

doi:10.13873/J.1000-9787(2024)10-0160-05

Chinese

您当前的位置：

首页 >

文章列表页 >

基于改进蚁群算法的海上目标搜索路径规划

计算与测试 | 更新时间：2025-09-11

- 基于改进蚁群算法的海上目标搜索路径规划
- 暂无标题
- 传感器与微系统 2024年第10期页码：160-164
- 作者机构：
  
  1. 长沙理工大学数学与统计学院
  2. 国防科技大学气象与海洋学院
- 作者简介：
- 基金信息：
- DOI：10.13873/J.1000-9787(2024)10-0160-05
  中图分类号： TP18;U676.8
- 纸质出版：2024
- 稿件说明：
移动端阅览
孙艺松, 胡海军, 李乐, 等. 基于改进蚁群算法的海上目标搜索路径规划[J]. 传感器与微系统, 2024,(10):160-164.
孙艺松, 胡海军, 李乐, 等. 基于改进蚁群算法的海上目标搜索路径规划[J]. 传感器与微系统, 2024,(10):160-164. DOI： 10.13873/J.1000-9787(2024)10-0160-05.

DOI：

摘要

针对最大最小蚁群算法(MMAS)在最小时间搜索(MTS)路径规划问题中存在的收敛速度慢和易陷入局部最优问题，提出了一种基于MMAS的改进算法。首先，结合目标运动速度改进启发函数因子；其次，对最优路径进行信息素奖励；另外，使用满足正态分布的信息素挥发系数自适应的更新信息素，改进后的算法能加快算法收敛速度和避免搜索陷入局部最优。仿真结果表明：改进后的蚁群算法得到的搜索路径搜索到目标的概率更大，且期望搜索时间更短。

Abstract

关键词

Keywords

references

陈晓.无人机海上救援搜索路径规划研究[D].大连海事大学,2019(06).

高茂源,王好臣.基于改进蚁群算法的移动机器人路径规划[J].传感器与微系统,2021(06).

姜伟楠,杨理柱,李秀华,侯阿临.基于改进蚁群算法的机器人路径规划研究[J].计算机仿真,2021(05).

毛嘉琪.改进蚁群算法的机器人路径规划研究[J].计算机应用与软件,2021(05).

杨海清,芦斌.基于改进蚁群算法的水下无人机路径规划研究[J].计算机测量与控制,2020(10).

陈至坤,郭宝军,王淑香.移动机器人目标路径规划的仿真研究[J].计算机仿真,2016(05).

Manh Duong Phung,Quang Phuc Ha.Motion-encoded particle swarm optimization for moving target search using UAVs[J].Applied Soft Computing Journal,2020.

Sara Perez-Carabaza,Eva Besada-Portas,Jose A. Lopez-Orozco,Jesus M. de la Cruz.Ant colony optimization for multi-UAV minimum time search in uncertain domains[J].Applied Soft Computing,2018.

Manon Raap,Silja Meyer-Nieberg,Stefan Pickl,Martin Zsifkovits.Aerial Vehicle Search-Path Optimization: A Novel Method for Emergency Operations[J].Journal of Optimization Theory and Applications,2017.

Guanjun Ma, ,Haibin Duan,,Senqi Liu.Improved Ant Colony Algorithm for Global Optimal Trajectory Planning of UAV under Complex Environment.[J].International Journal of Computer Science & Applications,2007.

浏览量

554

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

改进遗传算法在机器人多目标路径规划的应用

融合Q-learning的A^*预引导蚁群路径规划算法

基于引力搜索算法融合DWA的移动机器人路径规划

多策略改进鲸鱼优化算法的移动机器人路径规划

融合IGJO与TEB算法的移动机器人路径规划