-
公开(公告)号：CN104850011A
公开(公告)日：2015-08-19
申请号：CN201510267991.4
申请日：2015-05-22
Applicant: 上海电力学院
Abstract: 本发明涉及一种障碍物环境中TSP避障最优路径规划方法，包括以下步骤：(1)利用栅格法划分环境地图，设定栅格地图的分辨率，障碍物栅格位置，要遍历的所有目标点栅格；(2)利用遗传算法搜索得到每两个目标栅格之间的最优栅格路径以及该路径的最短距离；(3)采用上述最优栅格路径和距离代替目标栅格对应的坐标点之间的直线路径和距离，对所有目标栅格对应的坐标点采用经典TSP问题路径规划的遗传算法设计进行规划，得到有障碍物的栅格环境中TSP问题的最优栅格路径和最短距离。与现有技术相比，本发明解决了实际工程应用中存在障碍物约束下，遍历多个任务点，以避障和最短路径距离为目标的遍历次序最优组合规划难题。
-
公开(公告)号：CN104850011B
公开(公告)日：2017-11-03
申请号：CN201510267991.4
申请日：2015-05-22
Applicant: 上海电力学院
Abstract: 本发明涉及一种障碍物环境中TSP避障最优路径规划方法，包括以下步骤：(1)利用栅格法划分环境地图，设定栅格地图的分辨率，障碍物栅格位置，要遍历的所有目标点栅格；(2)利用遗传算法搜索得到每两个目标栅格之间的最优栅格路径以及该路径的最短距离；(3)采用上述最优栅格路径和距离代替目标栅格对应的坐标点之间的直线路径和距离，对所有目标栅格对应的坐标点采用经典TSP问题路径规划的遗传算法设计进行规划，得到有障碍物的栅格环境中TSP问题的最优栅格路径和最短距离。与现有技术相比，本发明解决了实际工程应用中存在障碍物约束下，遍历多个任务点，以避障和最短路径距离为目标的遍历次序最优组合规划难题。
-
公开(公告)号：CN104133369A
公开(公告)日：2014-11-05
申请号：CN201410290086.6
申请日：2014-06-24
Applicant: 上海电力学院
IPC: G05B13/04
Abstract: 本发明涉及一种基于预测神经网络控制器的电池动态特性控制方法，包括以下步骤：1)获取未来期望输出动态特性序列值：yd(t+j)；2)从神经网络预测器获取预测输出动态特性值x(t+j/t)；3)计算神经网络预测模型输出较系统实际输出的误差e1(t)＝y(t)-x(t)；4)以上一步的误差为基础，修正预测输出动态特性值：；5)计算预测输出误差：ed(t+j)＝yd(t+j)-y(t+j/t)；6)将性能指标极小化，获得控制的最优序列u(t+j)；7)将获取的最优控制量u(t)作用到PEMFC系统，判断供能是否结束，若是则学习完毕，若否则返回步骤1)。与现有技术相比，本发明具有较强的鲁棒性、较强的学习能力、较高的控制精度、并具有自适应能力等优点。
-
公开(公告)号：CN102930340A
公开(公告)日：2013-02-13
申请号：CN201210413829.5
申请日：2012-10-26
Applicant: 上海电力学院
IPC: G06N3/12
Abstract: 本发明涉及一种解决0-1背包问题的自适应遗传退火计算方法，该算法采用轮盘赌和最优保存策略相结合的选择机制，使得当前最优个体始终保持在种群里，并结合自适应交叉、变异概率，扩大种群的搜索范围，继而引入模拟退火算法，加快迭代后期算法的收敛速度。最后，把改进后的自适应遗传退火算法应用于0/1背包中，实验结果表明自适应遗传退火算法能获得比标准遗传算法、自适应遗传算法更满意的效果。具有收敛速度、寻优能力和稳定性高的优点，特别适合解决解决高维约束优化问题。
-
-
-
Search Results
4
records
(took 0.016 seconds)
