【技术实现步骤摘要】
本专利技术属于智能交通领域，涉及一种基于改进鲸鱼优化算法的智能车辆路径规划方法，该方法适用于车辆导航系统及自动驾驶技术中，用于提升全局搜索精度并降低硬件资源消耗。
技术介绍
1、自动驾驶车辆在现代交通系统中具有重要的应用价值，能够提高交通安全、缓解交通拥堵、提升出行效率。然而，自动驾驶车辆在实际运行过程中面临着诸多挑战。例如，在复杂的城市交通环境中，车辆需要准确感知周围环境并规划出安全、高效的行驶路线。但实际的交通场景中存在诸多问题，如交通流量的动态变化、道路施工、突发事故等，这些问题制约着自动驾驶车辆的感知精度和路线规划的准确性。
2、目前，针对自动驾驶车辆在复杂环境下的感知与规划问题，群体智能优化方法通过多个实体在解空间中对最优线路的协同搜索与信息交互，最终完成全局优化目标。相比于传统的梯度优化方法或演化方法，群体智能优化方法在嵌入式硬件实现中具有参数配置简单、计算资源占用低等优势。经典群体智能优化方法(如蚁群优化、粒子群优化、人工蜂群等)已应用于工业设备控制领域，而鲸鱼优化(whale optimizationalgo...
【技术保护点】
1.一种基于改进鲸鱼优化算法的智能车辆路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进鲸鱼优化算法的智能车辆路径规划方法，其特征在于，步骤2中构建的莱维飞行初始化模块，在优化方法的智能车辆迭代过程中，每一个后续个体的位置都是依据前一个个体的位置，通过模拟莱维飞行运动来确定的。莱维飞行是一种具有特殊性质的随机游走过程，其步长遵循莱维分布，该分布的特点在于其重尾性，即偶尔会产生非常大的步长，这种特性有助于方法在广阔的搜索空间中有效地探索新的潜在区域。然而，直接应用莱维分布来生成步长是相当复杂的，因为莱维分布的数学描述相当繁琐，且难以直...
【技术特征摘要】
1.一种基于改进鲸鱼优化算法的智能车辆路径规划方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进鲸鱼优化算法的智能车辆路径规划方法，其特征在于，步骤2中构建的莱维飞行初始化模块，在优化方法的智能车辆迭代过程中，每一个后续个体的位置都是依据前一个个体的位置，通过模拟莱维飞行运动来确定的。莱维飞行是一种具有特殊性质的随机游走过程，其步长遵循莱维分布，该分布的特点在于其重尾性，即偶尔会产生非常大的步长，这种特性有助于方法在广阔的搜索空间中有效地探索新的潜在区域。然而，直接应用莱维分布来生成步长是相当复杂的，因为莱维分布的数学描述相当繁琐，且难以直接进行采样。为了简化莱维飞行的实现过程，本方法采用mantegna方法来模拟这一过程。在mantegna方法中，后续个体的位置是基于前一个个体的位置，再加上一个由特定参数决定的偏移量来计算的。这个偏移量是由两个服从正态分布的随机数构成的，这两个正态分布的参数是根据莱维飞行的特性来确定的。本方法能够有效地模拟莱维飞行过程，从而在优化方法中利用这一特性来增强全局搜索能力。
3.根据权利要求1所述的基于改进鲸鱼优化算法的智能车辆路径规划方法，其特征在于，步骤3和步骤4中评估智能车辆个体适应度值以更新最优线路和基于当前最优线路计算参数以决定后续更新模块，更新模块包括螺旋更新方式车辆位置更新模块、收缩包围方式车辆位置更新模块和搜索觅食方式...
【专利技术属性】
技术研发人员：陶洋，朱柴林，刘婷婷，于存威，卢柯希，吴柏，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。