蚁群优化方法研究及其在潜艇导航规划中的应用

论文摘要

潜艇导航规划是实现潜艇自动化、智能化航行的关键技术之一,其研究目的在于如何使潜艇更快更好的完成上层指令规定的任务,按照安全航行、隐蔽航行、快速航行的优化目标自动规划出由当前点到指定目标位置的最优航线。从算法执行过程来看,导航规划主要由环境建模和路径优化搜索两部分组成。因此,导航规划问题可以归结为优化搜索问题。蚁群算法是20世纪90年代初提出的一种群智能优化算法。其优越的问题分布式求解模式在组合优化问题的求解中取得了极大成功,引起了相关领域学者的广泛关注。实践已经证明,蚁群算法能够很好的解决复杂非线性条件下的多约束优化问题。本文主要针对蚁群优化方法及其在潜艇导航规划中的应用进行研究,论文主要研究工作如下:1.概述了蚁群算法的基本原理,对ACS算法的值收敛性和解收敛性进行了详细分析,证明了标准ACS算法能够值收敛,但无法实现解收敛。通过对标准ACS算法进行改进,选择适当的信息素值下限函数,可以同时实现ACS算法的值收敛和解收敛。2.给出了状态转移策略的一般表示形式,提出了蚁群算法中选择函数、选择概率、选择强度的概念,并设计了三种选择函数,就不同选择函数对蚁群算法性能的影响进行了理论和仿真分析。提出了一种基于粒子群优化的蚁群算法参数选取方法,将蚁群算法的参数选取看作一个优化问题,使用粒子群优化算法对其进行迭代寻优。该方法能够方便有效地实现蚁群算法参数的优选,有利于蚁群算法的应用和推广。3.基于提高离散域蚁群算法寻优能力和寻优速度两方面考虑,分别提出并设计了协同多蚁群伪并行优化算法和空间收缩蚁群优化算法。协同多蚁群伪并行优化算法使用采用不同算法实例模型的多个子蚁群并行独立的构建问题的解,通过信息交互的方式综合各子蚁群信息素矩阵上累积的历史经验信息,保证信息素分布的指导性和多样性,提高了算法的寻优能力和稳定性。空间收缩蚁群优化算法在运行过程中通过不断的整合信息素浓度较高的构造块,从而缩小解的组成成分集合和构造块集合的规模,加快了算法运行速度。4.通过对蚂蚁觅食过程中蚁群的分布与食物源的关系进行深入的分析,提出了一种基于蚁群觅食行为的改进连续域优化算法。设计了算法解的表达形式、信息素分布模型、状态转移策略、信息素更新规则和约束条件处理方法,并就算法参数对算法性能的影响进行了定性分析。对一类无约束和一类有约束基准测试函数的求解结果表明,该算法具有收敛速度快和全局寻优能力强的优点。5.针对基于蚁群优化的潜艇三维空间导航规划的实现方法及其关键技术进行了深入研究。分别以空间收缩蚁群优化算法和基于蚁群觅食行为的改进连续域优化算法为基础,设计了潜艇三维空间导航规划算法。获得的两种导航规划算法不仅能够灵活地规划出具有不同特点的优化路径,而且可以方便容易地处理各种约束,具有较强的搜索能力,能够很好的解决潜艇三维空间导航规划问题。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究的背景、目的和意义
• 1.2 蚁群算法
• 1.2.1 蚁群算法的产生与发展
• 1.2.2 蚁群算法与其它仿生优化算法的比较
• 1.2.3 蚁群算法的国内外研究现状
• 1.2.4 蚁群算法的发展趋势
• 1.3 导航规划简介
• 1.3.1 导航规划的常用方法
• 1.3.2 蚁群算法在导航规划中的应用
• 1.4 论文的主要研究工作
• 第2章 蚁群算法基本原理及其收敛性分析
• 2.1 引言
• 2.2 蚁群算法的生物学原理
• 2.3 蚁群优化元启发式算法
• 2.3.1 元启发式算法
• 2.3.2 蚁群优化元启发式算法框架
• 2.3.3 经典蚁群算法模型
• 2.4 蚁群算法收敛性分析
• 2.4.1 蚁群算法收敛性研究成果
• 2.4.2 ACS算法收敛性分析
• 2.5 本章小结
• 第3章 蚁群算法状态转移策略分析及参数选取方法设计
• 3.1 引言
• 3.2 蚁群算法状态转移策略研究
• 3.2.1 状态转移策略的一般表示形式
• 3.2.2 选择函数对算法性能的影响
• 3.3 蚁群算法参数选取方法设计
• 3.3.1 蚁群算法参数定性分析
• 3.3.2 粒子群优化算法
• 3.3.3 基于粒子群的蚁群算法参数优化
• 3.4 本章小结
• 第4章 基于协同和空间收缩思想的改进蚁群算法
• 4.1 引言
• 4.2 离散空间蚁群算法概述
• 4.3 蚁群算法的改进策略
• 4.4 协同多蚁群伪并行优化算法
• 4.4.1 算法的基本思想
• 4.4.2 算法设计
• 4.4.3 算法性能试验
• 4.5 空间收缩蚁群优化算法
• 4.5.1 算法的基本思想
• 4.5.2 算法设计
• 4.5.3 算法性能试验
• 4.6 本章小结
• 第5章 基于蚁群觅食行为的改进连续域优化算法
• 5.1 引言
• 5.2 算法基本思想
• 5.2.1 约束优化问题
• 5.2.2 连续空间的蚂蚁觅食
• 5.2.3 基于蚁群觅食行为的改进连续域优化算法基本思想
• 5.3 算法的构建
• 5.3.1 无约束条件情况下的算法设计
• 5.3.2 约束条件的处理
• 5.3.3 算法流程
• 5.3.4 参数对算法性能的影响
• 5.4 算法性能测试及分析
• 5.4.1 求解无约束优化问题
• 5.4.2 求解约束优化问题
• 5.4.3 算法性能分析
• 5.5 本章小结
• 第6章 基于蚁群优化的潜艇三维空间导航规划
• 6.1 引言
• 6.2 潜艇三维空间导航规划问题描述
• 6.3 环境建模
• 6.3.1 三维海底地形的构造
• 6.3.2 三维环境空间的抽象建模
• 6.4 基于离散域蚁群算法的三维空间导航规划算法设计
• 6.4.1 算法设计
• 6.4.2 算法仿真与分析
• 6.5 基于连续域蚁群算法的三维空间导航规划算法设计
• 6.5.1 算法设计
• 6.5.2 算法仿真与分析
• 6.6 本章小结
• 结论
• 一、本课题的工作总结
• 二、今后研究工作的展望
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 附录: 约束优化问题基准测试函数