《表2 不同算法优化结果统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《复合形引导蜂群寻优的无人机航迹多目标规划》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了形成对比，分别使用改进人工蜂群算法、基于混沌扰动的改进人工蜂群算法[11]、传统人工蜂群算法进行航迹规划，各算法进行仿真20次，每种算法规划的最优航迹，如图6所示。计算各算法在相同迭代次数时目标函数平均值，结果如图7所示。由图6可知，三种算法规划的航迹都能够躲避威胁，顺利完成任务。但是改进人工蜂群算法规划的航迹最为平滑、长度最短且转向角最小。由图7可知，改进人工蜂群算法迭代50次时基本收敛，收敛速度最快且寻优结果也最好。为了更加有力地比较三种算法的性能，统计三种算法的寻优结果，如表2所示。表2中算法耗时为20次寻优的平均耗时，收敛迭代次数为算法基本收敛时的迭代次数，寻优耗时为20次仿真寻找到最优解的平均耗时，收敛值均值与标准差为20次仿真目标函数值的均值与标准差。分析表2可知，提出的改进人工蜂群算法单次循环的耗时略小于另外两种算法，但是改进算法在迭代50次时就收敛，较传统人工蜂群算法与混沌扰动人工蜂群算法分别减少了4倍、6倍；改进算法的寻优耗时为0.82s，比传统人工蜂群算法与混沌扰动人工蜂群算法降低了约一个数量级；改进算法目标函数值均值与标准差均小于传统人工蜂群算法与混沌扰动人工蜂群算法，说明改进算法规划的航迹更优、稳定性更强。