《表2 利用粒子群优化算法和改进后的算法效果对比1》

  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

《一种改进的粒子群算法的路径规划研究》

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

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．