此自然而然就有了结合各种智能算法的优点而形成的混合粒子群算法。在此我选择的是基于自然选择的粒子群优化算法。算法的原理借鉴遗传算法中的杂交概念，在每次迭代中，选取指定数量的粒子放入杂交池中是依据杂交概率来进行选择的，将池中的微粒任意进行两两杂交，并且产生的子代粒子的数量和原始池中的数量是样的，此时可将子代微粒替换亲代微粒。通过父代位置进行算术交叉得到子代位置其中是到之间的随机数。而且子代微粒的速度大小可由式计算得到算法步骤种群中各微粒的位置和速度的初始化取值是随机的评价每个微粒的适应度，将当前各微粒的适应度值和位置储存在各粒子的中，将所有的的适应值最优个体的适应度值和位置储存在中更新每个个体粒子的当前位置和当前速度对于每个粒子来说，将其所经历过的最好位置和该粒子的当前位置作比较，如果较好，则将该粒子的当前位置替换其所经历的最优位置通过将当前所有和的值做比较，根据比较结果来判断是否要更新放在杂交池中的粒子的数量是由杂交概率决定的，池中的微粒随机进行两两杂交并且产生与父代同样数目的子代微粒，子代的速度和位置计算公式为式，此时要使得和的值保持不变如果已经满足所设定的停止条件即开始时设置的最大迭代次数或者预设的运算精度，则停止搜索，输出运行结果，否则就返回继续进行搜索。优化后粒子群算法实现收敛效果图图改进粒子群算法适应度曲线仿真效果图图收敛曲线图最优化路径仿真图结论通过以上过程的论述，我起初用基本粒子群算法对问题进行优化，但是基本粒子群算法虽然能够进行优化，但是其优化效率低，而且运算精度也打不到要求，何况针对移动机器人路径规划这复杂的问题，其运算复杂，而且要求的结果要比较精确，所以最终我就采用了混合粒子群算法，其与基本粒子群算法没有很明显的区别，只是在迭代运算的过程中加入了些遗传算法中交叉算子的思想，再加入该思想之后，通过的编码实现对机器人路径的规划，其效果可以通过上述仿真图看出。本文利用粒子优化群算法对机器人路径进行规划，我首先是采取栅格法的到所有可行路径，最后用粒子群算法度路径进行优化最终选取条最佳路径，粒子群算法中初始参数的选择会影响粒子最终的适应度值，迭代次数的多少会影响运算的精度，栅格法选取最短路径实际上是根据权值的大小来决定的。通过粒子群优化算法与路径规划方法的结合最终完成了机器人最优路径的选取。这是本篇论文最主要的随想。致谢历经了几个月的忙碌学习，这次艰难却有意义的毕业设计将要马上结束，作为个本科生的毕业设计，由于经验的匮乏，所以不可避免存在许多考虑不周全的地方，因此，假设没有导师的循循善诱的知道和督促，以及起研究的同学们的帮助和支持，能够这么顺利的完成这个毕业设计简直是非常难的。虽然这次毕业设计做的很艰辛，但是通过辅导老师给予的参考资料和同学们给予的帮助以及自己不懈的努力，最终还是完成了。所以，此时此刻我首先要感谢我的导师江祥奎老师给予我莫大的支持和帮助。虽然他平时有很多的工作，但是在我做毕设的每个阶段江老师都会及时给予我帮助，从查阅资料到现场指导始起点和目标点以及各参数和路径表开始粒子群算法与机器人路径规划的结合实现优化算法的适应度函数的确定方式假设第个微粒的位置分量的集合为，而且定义其对应的路径为,那么以下计算式就可以得到第个粒子的适应度根据初始化种群产生的方法初始化粒子的位置和速度由式计算每个粒子的适应值根据式更新没个粒子的历史最优解由式更新种群的全局最优解由式更新每个粒子的速度，根据式调整根新后的速度由式更新每个粒子的位置，将的值加若将得到的最佳路径添加到路径表中若到达或到达栅格，且不会出现图的状况结束函数值式中，均为路径点，由式计算得出。参数的选择该篇论文中优化算法的学习因子都取，的变化趋势是随着迭代次数的增加线性减小的，计算如下式式中，截止到目前的迭代次数为，当前总的迭代次数为，，，其余参数均根据合理参数范围选择即可。粒子位置和速度更新策略粒子速度更新仍然采用标准粒子群算法中的速度更新公式，即式。微粒位置更新问题是机器人路径规划二进制粒子群算法的最重要的部分。该论文中的微粒位置的更新以式为标准，以下为本文采用的粒子位置更新策略由算法本身的特点，本篇论文中对微粒位置的更新事实上是对粒子位置向量中的个分量的更新，定义第个微粒的位置向量为，那么定义更新后的位置分量为。从到的差别就是其中的个分量的值由原始的变成了，或者是从原始的变成了。但是上述位置分量的变化也许有可能使的更新后的位置分量所映射的路径不能达到安全避障的目标。因此，在我们改变微粒的位置的维分量的值的时候，我们都要对系统进行越界检查和避障检查，看更新后的位置向量，检查其所对应的路径是否超过视野域范围或者是不是和障碍物相碰。如果即达到安全避障又没有超过视野域范围，就可以允许将添加到，不满足上述条件就不允许更新。可以假设微粒更新后的位置向量为，视野域中所走过的可行栅格均被记录在此向量中，但是此法有个缺点就是，它并没有折射出这些栅格被经过的先后顺序。如由图所示，其中位置向量为，那么机器人可能经过的的路径为或者。但是，在实际的运算当中以及算法当中，当有多条路径时，机器人最终只能选择其中的条。因此，怎样对更新后的位置向量是粒子位置更新的关键，并且对其进行越界检查和避障检查。本篇文章所使用的检查策略为提取出来位置向量中值为的栅格序号，并将提取出来的这些序号构成集合对其进行全排列，并且对中的每个序列,,进行避障检查和边界检查。通过上述定义可得到如果可以表示栅格序号为的栅格中心的连线，那么必须满足不会穿过任何障碍栅格才可以使得机器人运行的路径完全避障，即不会超过当前视野域的任何边又不会出现图所示的情形，如果至少存在个排列是满足上述要求的，那么就能够允许更新，否则不可以更新。粒子群优化算法的改进混合粒子群算法该论文中采用的粒子群优化算法是混合粒子群优化算法，混合粒子群算法是指借鉴其他些智能优化算法的思想而形成的粒子群算法。除了粒子群算法外，还有遗传算法模拟退火算法以及神经网络智能算法，这些算法是目前应用比较广泛的智能算法，每种智能算法都有其特点，因，文的敷设，只有走道板及盖镀锌钢格板的管沟，既美观又便于维护管理。在些情况下，全厂的电缆沟可以借助个构筑物实现。般来讲，配电与信号传输从辅助处理单元包括办公及变配电要到水处理和泥处理单元，无论是先经过哪个处理单元，都可以在处理构筑物的侧壁上向池内挑出管沟，做为管道与电缆的通道，服务于本处理单元的同时，又可使电力和信号到达另个处理单元。这样既方便了总图的布置，又节省的工程造价。构成的控制系统流程图如图所示电气信息工程学院毕业设计论文污水处理厂的控制系统设计图构成的控制系统设计步骤此种设计方法与常用的继电器控制逻辑设计比较，组件的选择代替了原来的部件选择，程序设计代替了原来的硬件设计。我们采用台控制多台监测仪器的集中控制系统。该系统用于监测对象仪器所处的地理位置比较接近，且相互之间有定联系的场合如图所示。图集中控制系统该系统采用的模块是点输入模块点集电极开路输出模块通道位模拟量输入模块毓模块端口通讯协议从机功能以及指令编程器通用操作面板等。电气信息工程学院毕业设计论文污水处理厂的控制系统设计点数是指要求能够输入输出开关量模拟量总的个数，它与继电器触点适当留有余量。同时要注意尽可能简化点数来降低成本。用构成的监测控制系统，有自动半自动和手动三种运行方式。在进行完总体设计以及具体的硬件系统设计和软件系统设计后，除要分别对其进行调试外，必须对整个系统进行联合调试和试运行，反复进行硬件系统和软件系统的修改调整，使整个系统全部投入正常工作为止。在监测系统中要完成信号实时采样脉冲量累计预警报信号监测与报警输出等，并通过各种传感变送器与传感器连接。作为种控制设备，用它单独构成个监测系统是有局限性的，主要是无法进行复杂运算，无法显示各种实时图形和保存大量历史数据，也不能显示汉字和打印汉字报表，没有良好的界面。这些不足，我们选用上位微机来弥补。上位微机完成监测数据的存贮处理与输出，以图形或表格形式对现场进行动态模拟显示分析限值或警报信息，驱动打印机实时打印各种图表。对于环保要求较严格的污水处理厂，可考虑在处理构筑物增设上部建筑或加盖的方式，以隔绝臭气。如果增设上部建筑，可采用透光阳光板或彩色压型钢板的罩棚，外形做成圆拱形。其特点外形美观，视觉效果好，设备设在室内，便于维护管理。在高出地面的池子部分，做成天蓝色或湖绿色彩带。既与罩棚相呼应，又减弱了纯构筑物的僵硬呆板。阳光板的造价大约为元平米左右。而压型板则较低，仅为元平米左右。构筑物上部加盖的方式，是在其上设混凝土盖板，在可能的情况下，在盖板上可填的土，种植绿化，增加全厂的绿化面积。这种处理办法特别适用于需采用自重抗浮的情况。两种方法比较各有优缺点，采用阳光板或压形钢板拱形罩棚的办法，外形美观，管理方便，但为了日常的检修，往往需要增加吊车，另外，采用这种圆拱顶应注意在严寒地区冬季结露的问题第二种方案造价较省，但需在混凝土盖板上开孔，以便池内设备的安装及维护管理。另外由于上部加了混凝土盖，对于表曝机不太适合。采用传统处理工艺，具此自然而然就有了结合各种智能算法的优点而形成的混合粒子群算法。在此我选择的是基于自然选择的粒子群优化算法。算法的原理借鉴遗传算法中的杂交概念，在每次迭代中，选取指定数量的粒子放入杂交池中是依据杂交概率来进行选择的，将池中的微粒任意进行两两杂交，并且产生的子代粒子的数量和原始池中的数量是样的，此时可将子代微粒替换亲代微粒。通过父代位置进行算术交叉得到子代位置其中是到之间的随机数。而且子代微粒的速度大小可由式计算得到算法步骤种群中各微粒的位置和速度的初始化取值是随机的评价每个微粒的适应度，将当前各微粒的适应度值和位置储存在各粒子的中，将所有的的适应值最优个体的适应度值和位置储存在中更新每个个体粒子的当前位置和当前速度对于每个粒子来说，将其所经历过的最好位置和该粒子的当前位置作比较，如果较好，则将该粒子的当前位置替换其所经历的最优位置通过将当前所有和的值做比较，根据比较结果来判断是否要更新放在杂交池中的粒子的数量是由杂交概率决定的，池中的微粒随机进行两两杂交并且产生与父代同样数目的子代微粒，子代的速度和位置计算公式为式，此时要使得和的值保持不变如果已经满足所设定的停止条件即开始时设置的最大迭代次数或者预设的运算精度，则停止搜索，输出运行结果，否则就返回继续进行搜索。优化后粒子群算法实现收敛效果图图改进粒子群算法适应度曲线仿真效果图图收敛曲线图最优化路径仿真图结论通过以上过程的论述，我起初用基本粒子群算法对问题进行优化，但是基本粒子群算法虽然能够进行优化，但是其优化效率低，而且运算精度也打不到要求，何况针对移动机器人路径规划这复杂的问题，其运算复杂，而且要求的结果要比较精确，所以最终我就采用了混合粒子群算法，其与基本粒子群算法没有很明显的区别，只是在迭代运算的过程中加入了些遗传算法中交叉算子的思想，再加入该思想之后，通过的编码实现对机器人路径的规划，其效果可以通过上述仿真图看出。本文利用粒子优化群算法对机器人路径进行规划，我首先是采取栅格法的到所有可行路径，最后用粒子群算法度路径进行优化最终选取条最佳路径，粒子群算法中初始参数的选择会影响粒子最终的适应度值，迭代次数的多少会影响运算的精度，栅格法选取最短路径实际上是根据权值的大小来决定的。通过粒子群优化算法与路径规划方法的结合最终完成了机器人最优路径的选取。这是本篇论文最主要的随想。致谢历经了几个月的忙碌学习，这次艰难却有意义的毕业设计将要马上结束，作为个本科生的毕业设计，由于经验的匮乏，所以不可避免存在许多考虑不周全的地方，因此，假设没有导师的循循善诱的知道和督促，以及起研究的同学们的帮助和支持，能够这么顺利的完成这个毕业设计简直是非常难的。虽然这次毕业设计做的很艰辛，但是通过辅导老师给予的参考资料和同学们给予的帮助以及自己不懈的努力，最终还是完成了。所以，此时此刻我首先要感谢我的导师江祥奎老师给予我莫大的支持和帮助。虽然他平时有很多的工作，但是在我做毕设的每个阶段江老师都会及时给予我帮助，从查阅资料到现场指导