混合预估和声搜索算法研究及其在多机器人动态路径规划中的应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61806058
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    25.0万
  • 负责人：
    欧阳海滨
  • 依托单位：
    广州大学
  • 学科分类：
    F0601.人工智能基础
  • 结题年份：
    2021
  • 批准年份：
    2018
  • 项目状态：
    已结题
  • 起止时间：
    2019-01-01 至2021-12-31

项目摘要

Harmony search algorithm is a swarm intelligence optimization algorithm, and its unique random search mechanism has attracted wide attention. However, harmony search algorithm is short of optimization theory, and it exists some shortages include the sensitive of control parameters, blindness of searching, lower convergence, easy to be trapped into stagnate status, unsatisfied optimization results. In this project, harmony search(HS) algorithm as the study subject, the general features of the search mechanism are studied and the stochastic process theory of HS algorithm is analyzed. By digging the potential information and distribution law of historical data, guiding the operation design and parameter adjustment of the algorithm. Based on the historical iterative data, this project integrates the idea of prediction and estimation, constructs a universal predictive search framework and a new concept of data-driven algorithm search, for consummating the optimization theory of harmony search algorithm and improving the optimization performance of harmony search algorithm. The designed hybrid forecast harmony search algorithm applies to multi-robot dynamic path planning problem to verify the implementation of algorithm. This project is expected to further improve the basic theory of harmony search algorithm and promote the further development and application of swarm intelligence optimization algorithm.
和声搜索算法是一种群智能优化算法，其独特的随机搜索机制已引起广泛关注。但和声搜索算法的优化理论缺乏，存在控制参数的敏感，搜索的盲目性，收敛率低，容易陷入停滞状态，收敛效果不理想的局限。本项目以和声搜索(HS)算法为研究对象，研究其搜索机制的一般特征，进行HS算法随机过程理论分析。挖掘历史数据所提供的潜在信息与分布规律，指导算法的操作设计与参数调整。以历史迭代数据为基本点，融合预测估计思想，构建通用型预估搜索框架，构建数据驱动算法搜索的新理念，以求完善和声搜索算法的优化理论，从根本上提升和声搜索算法的优化性能，并将其应用于多机器人动态路径规划问题，验证算法的可实施性。本项目有望进一步深化和声搜索算法的基本理论，推动群智能优化算法的进一步发展与应用。

结项摘要

本项目从整体上按计划顺利完成了相关目标，取得了相关的研究成果。项目以群智能优化算法为研究对象，以和声搜索算法为代表，从优化问题特征，参数调节方法，搜索机制与策略，算法融合，性能评价等方面研究了算法设计理论。一是提出了改进和声搜索算法，分别设计了三种搜索模式：随机多维模式，统一模式，种群模式，通过经典无约束优化问题及结构工程设计问题的测试，验证了三种模式的有效性，表明HS算法搜索机制具有一般性和良好的适用性。二是设计了基于圆域空间的增强和声搜索算法，获得了较好的优化结果。三是提出了混合和声差分进化算法，将和声搜索算法与差分进化算法融合，实验结果表明所设计的混合算法具有良好性能。在算法应用方面，一是针对静态机器人路径规划问题，提出一种改进全局层次机器人路径规划方法，分析实验对比结果展示所设计算法的优缺点。二是针对动态机器人路径规划问题，提出一种混合和声搜索算法，设计了新思路，为机器人路径规划研究提供了一些理论支撑。总体上，本项目的研究进一步完善了和声搜索算法的基本优化理论，研究了和声搜索算法在机器人动态路径规划中的应用，推动智能优化算法在实际工程应用的发展。同时，拓展研究了相关其他群智能优化算法的设计与应用。依托本项目，在Soft computing, Applied intelligence, Applied soft computing等领域内SCI期刊发表论文8篇，核心期刊论文 1篇，协助培养硕士研究生2名，并在国内外学术会议作口头报告3次，与智能计算领域多名知名专家交流咨询，与海外知名学者建立起稳定的合作关系。

项目成果

期刊论文数量（9）
专著数量（0）
科研奖励数量（0）
会议论文数量（1）
专利数量（1）
Improved harmony search with general iteration models for engineering design optimization problems
使用通用迭代模型改进工程设计优化问题的和谐搜索
  • DOI：
    10.1007/s00500-018-3579-x
  • 发表时间：
    2018-10
  • 期刊：
    Soft Computing
  • 影响因子：
    4.1
  • 作者：
    Haibin Ouyang;Wenqiang Wu;Chunliang Zhang;Steven Li;Dexuan Zou;Guiyun Liu
  • 通讯作者：
    Guiyun Liu
Enhanced harmony search algorithm with circular region perturbation for global optimization problems
针对全局优化问题的具有圆形区域扰动的增强和声搜索算法
  • DOI：
    10.1007/s10489-019-01558-6
  • 发表时间：
    2020
  • 期刊：
    Applied Intelligence
  • 影响因子：
    5.3
  • 作者：
    Wu Wenqiang;Ouyang Haibin;Mohamed Ali Wagdy;Zhang Chunliang;Li Steven
  • 通讯作者：
    Li Steven
An Effective ABC-SVM Approach for Surface Roughness Prediction in Manufacturing Processes
制造过程中表面粗糙度预测的有效 ABC-SVM 方法
  • DOI：
    10.1155/2019/3094670
  • 发表时间：
    2019-06
  • 期刊：
    COMPLEXITY
  • 影响因子：
    2.3
  • 作者：
    Juan Lu;Xiaoping Liao;Steven Li;Haibin Ouyang;Kai Chen;Bing Huang
  • 通讯作者：
    Bing Huang
Self-adaptively commensal learning-based Jaya algorithm with multi-populations and its application
基于自适应共生学习的多群体Jaya算法及其应用
  • DOI：
    10.1007/s00500-021-06445-2
  • 发表时间：
    2021-10-25
  • 期刊：
    SOFT COMPUTING
  • 影响因子：
    4.1
  • 作者：
    Xie, Zuanjia;Zhang, Chunliang;Gao, Liqun
  • 通讯作者：
    Gao, Liqun
Mobile Robot Dynamic Path Planning Based on Self-Adaptive Harmony Search Algorithm and Morphin Algorithm
基于自适应和声搜索算法和Morphin算法的移动机器人动态路径规划
  • DOI：
    10.1109/access.2021.3098706
  • 发表时间：
    2021-01-01
  • 期刊：
    IEEE ACCESS
  • 影响因子：
    3.9
  • 作者：
    Quan, Yongbin;Ouyang, Haibin;Gao, Li-Qun
  • 通讯作者：
    Gao, Li-Qun

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

发丝滴头出流规律试验研究
  • DOI：
    --
  • 发表时间：
    --
  • 期刊：
    灌溉排水学报,2007,(5).
  • 影响因子：
    --
  • 作者：
    范永申;仵峰;欧阳海滨;等
  • 通讯作者：
    等

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码