《表2 利用粒子群优化算法和改进后的算法效果对比1》
接着,分别利用线性递减惯性权重粒子群算法(LDW-PSO)和改进的粒子群优化算法(CM PSO)进行船舶路径规划以比较两者实际效果.改进的粒子群优化算法的第一个子群的惯性权重ω=0.9,第二个子群的惯性权重ω=0.4,第三个子群的惯性权重ω=0.75,而且这三个子群占整个种群的比例分别为2∶1∶2,三个子群中c1=c2=2.采用线性递减的粒子群优化算法的ωmax=0.9,ωmin=0.4,c1=c2=2.两种算法的种群粒子数均为100,最大迭代次数为300.设置起点坐标为P(68.25,72.36),终点坐标为Q(131.72,23.64),分别利用两种算法进行路径规划30次,且均不加入路径平滑优化处理,记录所获取的全局最优路径长度,其最优个体适应度值的平均值随迭代次数的变化如图7所示.计算全局最优路径的均值以及方差,结果如表2所示.
图表编号 | XD009533900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.12.01 |
作者 | 王文丰、宋勇、韩龙哲、包学才、刘天元、徐灯 |
绘制单位 | 南昌工程学院江西省水信息协同感知与智能处理重点实验室、南昌工程学院信息工程学院、武汉理工大学自动化学院、南昌工程学院江西省水信息协同感知与智能处理重点实验室、南昌工程学院信息工程学院、南昌工程学院江西省水信息协同感知与智能处理重点实验室、南昌工程学院信息工程学院、南昌工程学院信息工程学院、南昌工程学院信息工程学院 |
更多格式 | 高清、无水印(增值服务) |