多策略改进侏儒猫鼬算法的无人机三维路径规划
李路
杨帆
吕立新
安徽商贸职业技术学院信息与人工智能学院,安徽 芜湖 241002
摘要：针对侏儒猫鼬优化算法(Dwarf Mongoose Optimization,DMO)在求解无人机三维路径规划问题时存在收敛速度慢、收敛精度不高等缺点,提出了一种多策略改进的侏儒猫鼬算法(Improved Dwarf Mongoose Optimization,IDMO),该算法使用最优领导和高斯变异的候选食物生成策略增强个体寻优能力,使用基于正弦函数的动态收敛因子来有效平衡算法的探索和开发能力;使用基于质心导向的探索策略来扩大算法的搜索空间,增强算法找到全局最优解的能力.为验证算法的有效性,在12 个标准的测试函数和无人机三维路径规化问题上进行了数值实验和仿真分析,并且和另外 5种群智能算法进行了对比.实验结果表明,IDMO在收敛速度、寻优精度上均优于对比算法,具有较好的鲁棒性、可扩展性.
关键词：侏儒猫鼬优化算法动态收敛因子高斯变异质心导向策略无人机三维路径规划
分类号：V279(各类型航空器)
资助基金：安徽省高校自然科学重点项目(2024AH050529)安徽商贸职业技术学院自然科学重点项目(2024KZZ01)安徽商贸职业技术学院自然科学重点项目(2024KZZ02)
论文发表日期：2025-01-29
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 34-40 )
英文信息