無(wú)人機(jī)作為一種無(wú)人駕駛技術(shù),在空中偵察、物資運(yùn)輸、目標(biāo)區(qū)域搜索等方面有著天然的優(yōu)勢(shì),尤其體現(xiàn)在災(zāi)區(qū)救援工作上。蟻群算法是一種群體智能算法,其主要模仿螞蟻群體在覓食過(guò)程中搜救食物的交流方式,抽象出一個(gè)用于解決圖中尋找優(yōu)化路徑的幾率型算法。粒子群算法是一種用于調(diào)整粒子最佳位置的群體智能算法,可以用來(lái)優(yōu)化其他群體智能算法。本文首先對(duì)災(zāi)區(qū)無(wú)人機(jī)搜救場(chǎng)景使用的技術(shù)進(jìn)行介紹,分析無(wú)人機(jī)和地理信息系統(tǒng)在災(zāi)區(qū)救援工作中的優(yōu)勢(shì)。其次,本文從蟻群算法的優(yōu)化角度著手,分析了蟻群算法可以優(yōu)化的幾個(gè)方面,從不同角度提出了幾種優(yōu)化方案。而后,本文分析了蟻群算法在災(zāi)區(qū)搜救場(chǎng)景的可行性,設(shè)計(jì)一條從某一點(diǎn)出發(fā)遍歷所有區(qū)域后回到出發(fā)點(diǎn)的封閉環(huán)狀搜救路徑,類似旅行商問(wèn)題,蟻群算法解決該問(wèn)題相對(duì)具有優(yōu)勢(shì)。再?gòu)募?xì)節(jié)上分析災(zāi)區(qū)無(wú)人機(jī)搜救場(chǎng)景的特殊性,對(duì)蟻群算法優(yōu)化,使之完美適合本文場(chǎng)景。從災(zāi)區(qū)動(dòng)態(tài)變化性的特征對(duì)參數(shù)優(yōu)化,并提出了細(xì)化區(qū)間法和基于粒子群的參數(shù)優(yōu)化方法兩種算法,分別適用于不同的輸入規(guī)模;從災(zāi)區(qū)受災(zāi)程度的不同對(duì)受災(zāi)區(qū)域進(jìn)行優(yōu)先級(jí)劃分,優(yōu)化了算法對(duì)下一區(qū)域的選擇方案,并對(duì)不同輸入規(guī)模討論調(diào)節(jié)參數(shù)的取值;從功能角度對(duì)無(wú)人機(jī)... 

【文章來(lái)源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：66 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及研究意義
    1.2 研究現(xiàn)狀及研究?jī)?nèi)容
    1.3 本文結(jié)構(gòu)
    1.4 本章小結(jié)
2 相關(guān)技術(shù)
    2.1 無(wú)人機(jī)技術(shù)
        2.1.1 無(wú)人機(jī)類型和優(yōu)勢(shì)
        2.1.2 無(wú)人機(jī)的應(yīng)用場(chǎng)景
    2.2 地理信息系統(tǒng)
        2.2.1 地理信息系統(tǒng)技術(shù)
        2.2.2 地理信息系統(tǒng)的應(yīng)用領(lǐng)域
        2.2.3 CyberGIS地理信息系統(tǒng)
    2.3 群體智能算法
        2.3.1 蟻群算法簡(jiǎn)介
        2.3.2 粒子群算法簡(jiǎn)介
        2.3.3 人工魚(yú)群算法簡(jiǎn)介
        2.3.4 人工蜂群算法簡(jiǎn)介
    2.4 本章小結(jié)
3 蟻群算法及其優(yōu)化
    3.1 蟻群算法的優(yōu)化基礎(chǔ)
        3.1.1 信息素對(duì)蟻群算法影響研究
        3.1.2 應(yīng)用場(chǎng)景分析
        3.1.3 蟻群算法解決旅行商問(wèn)題的研究
    3.2 蟻群算法優(yōu)化研究
        3.2.1 參數(shù)自適應(yīng)蟻群算法
        3.2.2 多Qo S約束的QIACO算法
        3.2.3 基于多Qo S約束的自適應(yīng)蟻群算法
    3.3 本章小結(jié)
4 群體智能算法在災(zāi)區(qū)無(wú)人機(jī)搜救中的應(yīng)用
    4.1 災(zāi)區(qū)無(wú)人機(jī)搜救場(chǎng)景
        4.1.1 場(chǎng)景描述及工作流程
        4.1.2 無(wú)人機(jī)的分類
    4.2 災(zāi)區(qū)無(wú)人機(jī)搜救算法的參數(shù)優(yōu)化方案
        4.2.1 基于細(xì)化區(qū)間的參數(shù)調(diào)整方法
        4.2.2 基于粒子群算法的參數(shù)調(diào)整方法
    4.3 引入災(zāi)區(qū)優(yōu)先級(jí)的蟻群算法優(yōu)化方案
    4.4 具有災(zāi)區(qū)優(yōu)先級(jí)特征的參數(shù)自適應(yīng)調(diào)整的蟻群算法
    4.5 本章小結(jié)
5 仿真參數(shù)設(shè)置以及結(jié)果分析
    5.1 仿真實(shí)驗(yàn)環(huán)境及參數(shù)
    5.2 參數(shù)優(yōu)化方案的仿真結(jié)果
    5.3 基于權(quán)重調(diào)整參數(shù)p的仿真結(jié)果分析
    5.4 臨時(shí)基站的位置調(diào)整策略仿真
    5.5 PAACO算法仿真以及分析
    5.6 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝



本文編號(hào)：3409053