一种基于狼群算法的自动寻优控制方法及系统技术方案

本发明专利技术属于自动寻优控制技术领域，公开了一种基于狼群算法的自动寻优控制方法及系统，包括：目标数据采集模块、主控模块、数据统计模块、数据清洗模块、参数调节模块、最优值确定模块、算法优化模块、显示模块。本发明专利技术通过数据清洗模块使用开源分布式框架Spark进行目标设备运行数据清洗，Spark是基于内存的目标设备运行数据处理框架，因为在内存中存取目标设备运行数据的速度比在磁盘中存取速度要快，所以可以有效提高目标设备运行数据清洗准确性；同时，通过算法优化模块借鉴狼群等级制度思路改进优化算法，能继续发挥收敛较快、鲁棒性强等优点，并能有效防止算法陷入局部最优值，实现寻优结果优化，提高效率。提高效率。提高效率。

【技术实现步骤摘要】
一种基于狼群算法的自动寻优控制方法及系统


[0001]本专利技术属于自动寻优控制
，尤其涉及一种基于狼群算法的自动寻优控制方法及系统。

技术介绍

[0002]经过漫长的自然选择与生物进化，造就了自然界许多奇妙的群体智能现象，令人叹为观止的同时也给我们带来了无尽的科学启示。为了求解复杂非线性函数问题，人们提出了许多仿生群体智能寻优算法，如遗传算法(geneticalgorithm,GA)、粒子群算法(particleswarmoptimization,PSO)、人工蜂群算法(artificialbeecolony,ABC)等。
[0003]现有技术主要包括以下几种：
[0004]1)遗传算法(Genetic Algorithm,GA)：遗传算法是一种模仿自然界生物进化过程的搜索算法。其核心思想是通过在解空间中模拟进化过程来寻找最优解。遗传算法在寻优过程中，可能会陷入局部最优解，导致搜索效率不高。
[0005]2)粒子群算法(Particle Swarm Optimization,PSO)：粒子群算法是一种基于群体智能的优化算法，通过模拟鸟群觅食行为来寻找最优解。然而，PSO算法在处理高维、复杂数学函数问题时，收敛速度较慢，且容易陷入局部最优解。
[0006]3)人工蜂群算法(Artificial Bee Colony,ABC)：人工蜂群算法是模仿蜜蜂觅食行为的一种群体智能算法。虽然ABC算法在全局搜索能力方面具有优势，但其收敛速度较慢，且在处理高维问题时性能下降明显。
[0007]现有技术的缺陷和问题主要包括以下几点：
[0008]1)数据清洗效率与准确度：现有基于狼群算法的自动寻优控制系统在数据清洗方面效率较低，准确度不高。这可能导致寻优过程中使用的数据质量不佳，从而影响寻优的准确性。
[0009]2)寻优效率：基于狼群算法的自动寻优效率较低。这意味着在寻找最优解的过程中，算法可能需要较长时间才能达到满意的效果。
[0010]3)局部最优解问题：部分算法在搜索过程中容易陷入局部最优解，导致搜索效率不高。例如遗传算法和粒子群算法在处理复杂问题时，容易受到局部最优解的影响。
[0011]4)收敛速度：部分算法在处理高维、复杂数学函数问题时，收敛速度较慢。例如PSO和ABC算法在处理高维问题时，收敛速度明显降低。
[0012]5)高维问题处理能力：部分算法在处理高维问题时性能下降明显，例如ABC算法在高维问题上的表现不佳。
[0013]在工业应用中，上述算法的缺点将导致以下技术上的缺点和问题：
[0014]1)实时性要求：许多工业应用场景要求算法具有较高的实时性。然而，遗传算法、粒子群算法、人工蜂群算法和狼群算法在处理复杂问题时，收敛速度较慢，可能无法满足实时性要求。
[0015]2)参数调整：这些群体智能算法通常需要调整多个参数，如种群大小、迭代次数、
交叉概率等。在工业应用中，合适的参数设置对于算法性能至关重要，但参数调整过程可能非常繁琐且需要大量的经验。
[0016]3)鲁棒性：工业应用中的优化问题往往受到噪声、异常值等影响。这些算法在处理带有噪声的问题时，鲁棒性可能较差，容易陷入局部最优解或者受到异常值的干扰。
[0017]4)可扩展性：在处理高维问题和大规模问题时，部分算法性能下降明显。例如，人工蜂群算法在高维问题上的表现不佳，这在工业应用中可能限制了其使用范围。
[0018]5)适应性：工业应用中的问题可能具有动态性，优化目标和约束条件可能随时间变化。这些算法在处理动态优化问题时，适应性可能较差，需要不断调整参数以适应问题的变化。
[0019]6)知识迁移：在工业应用中，很多场景需要将算法应用于不同的问题。然而，这些群体智能算法很难将在一个问题上学到的知识迁移到另一个问题，导致每个问题都需要从头开始优化。
[0020]7)计算资源消耗：这些算法在求解问题时可能需要较多的计算资源，如内存和计算能力。在资源受限的工业设备中，这可能成为一个限制因素。

技术实现思路

[0021]针对现有技术存在的问题，本专利技术提供了一种基于狼群算法的自动寻优控制方法及系统。
[0022]本专利技术是这样实现的，一种基于狼群算法的自动寻优控制系统，包括：
[0023]目标数据采集模块，此模块负责收集无人车所在环境的信息，包括障碍物的位置、形状、尺寸信息，以及无人车的起点和目标终点坐标；这些数据可以通过不同类型的传感器获取，传感器将数据传输至中央处理单元，以供后续模块使用；
[0024]数据统计模块，分析从传感器收集的原始数据，计算障碍物之间的距离和位置关系；
[0025]数据清洗模块，负责去除重复或无效的障碍物信息；数据清洗模块可以通过使用滤波器、阈值设定和其他数据处理技术来消除噪音和冗余数据；
[0026]参数调节模块，根据狼群算法调整无人车的移动路径，通过调整搜索策略来避开障碍物，并寻找到从起点到终点的最短路径；
[0027]最优值确定模块，负责衡量路径的长度和安全性，确定最佳路径；基于一定的评估标准对路径进行排序；选择最佳路径作为无人车的移动路径；
[0028]算法优化模块，负责优化狼群算法的搜索策略，提高路径搜索效率；通过调整狼群算法的参数和改进搜索策略来实现；
[0029]显示模块，负责实时展示无人车的位置、障碍物信息和最优路径，将这些信息可视化地展示在屏幕上，以便操作者监控无人车的运动状态和路径规划结果。
[0030]进一步，所述目标数据采集模块功能的具体实现方法：
[0031]选择合适的传感器；
[0032]配置传感器参数；
[0033]将传感器连接到处理单元；
[0034]编写程序实现传感器数据的读取和传输。
[0035]进一步，所述数据统计模块功能的具体实现方法：
[0036]对采集到的数据进行格式转换，如将传感器输出的电压值转换为距离值。使用数学和几何方法计算障碍物之间的距离和位置关系；
[0037]构建数据结构以表示障碍物之间的关系。
[0038]进一步，所述数据清洗模块功能的具体实现方法：
[0039]对原始数据进行滤波处理；
[0040]检测并删除重复或无效数据；
[0041]对清洗后的数据进行验证和可视化。
[0042]进一步，所述参数调节模块功能的具体实现方法：
[0043]初始化狼群算法的参数；。
[0044]设计适应度函数，用于评估搜索过程中的候选解。
[0045]编写狼群算法的搜索策略，包括狼群位置更新、领导狼选择；
[0046]运行狼群算法并记录搜索过程中的最优解。
[0047]进一步，所述最优值确定模块功能的具体实现方法：
[0048]设计路径评估指标；
[0049]对狼群算法找到的候选路径进行评估。
[0050]根据评估结果，选择最佳路径本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于狼群算法的自动寻优控制系统，其特征在于，包括：目标数据采集模块，此模块负责收集无人车所在环境的信息，包括障碍物的位置、形状、尺寸信息，以及无人车的起点和目标终点坐标；这些数据可以通过不同类型的传感器获取，传感器将数据传输至中央处理单元，以供后续模块使用；数据统计模块，分析从传感器收集的原始数据，计算障碍物之间的距离和位置关系；数据清洗模块，负责去除重复或无效的障碍物信息；数据清洗模块可以通过使用滤波器、阈值设定和其他数据处理技术来消除噪音和冗余数据；参数调节模块，根据狼群算法调整无人车的移动路径，通过调整搜索策略来避开障碍物，并寻找到从起点到终点的最短路径；最优值确定模块，负责衡量路径的长度和安全性，确定最佳路径；基于一定的评估标准对路径进行排序；选择最佳路径作为无人车的移动路径；算法优化模块，负责优化狼群算法的搜索策略，提高路径搜索效率；通过调整狼群算法的参数和改进搜索策略来实现；显示模块，负责实时展示无人车的位置、障碍物信息和最优路径，将这些信息可视化地展示在屏幕上，以便操作者监控无人车的运动状态和路径规划结果。2.如权利要求1所述的基于狼群算法的自动寻优控制系统，其特征在于，所述目标数据采集模块功能的具体实现方法：选择合适的传感器；配置传感器参数；将传感器连接到处理单元；编写程序实现传感器数据的读取和传输。3.如权利要求1所述的基于狼群算法的自动寻优控制系统，其特征在于，所述数据统计模块功能的具体实现方法：对采集到的数据进行格式转换，如将传感器输出的电压值转换为距离值。使用数学和几何方法计算障碍物之间的距离和位置关系；构建数据结构以表示障碍物之间的关系。4.如权利要求1所述的基于狼群算法的自动寻优控制系统，其特征在于，所述数据清洗模块功能的具体实现方法：对原始数据进行滤波处理；检测并删除重复或无效数据；对清洗后的数据进行验证和可视化。5.如权利要求1所述的基于狼群算法的自动寻优控制系统，其特征在于，所述参数调节模块功能的具体实现方法：初始化狼群算法的参数；。设计适应度函数，用于评估搜索过程中的候选解。编写狼群算法的搜索策略，包括狼群位置更新、领导狼选择；运行狼群算法并记录搜索过程中的最优解。6.如权利要求1所述的基于狼群算法的自动寻优控制系统，其特征在于，所述最优值确定模块功能的具体实现方法：
设计路径评估指标；对狼群算法找到的候选路径进行评估。根据评估结果，选择最佳路径作为无人车的移动路径。7.如权利要求1所述的基于狼群算法的自动寻优控制系统，其特征在于，所述算法优化模块功能的具体实现方法：分析狼群算法的性能；调整狼群算法...

【专利技术属性】
技术研发人员：孙艺笑，陈隆亮，杜慧平，
申请(专利权)人：中国人民武装警察部队警官学院，
类型：发明
国别省市：