资 源 简 介
针对传统教一学优化（ TLBO）算法进行航路规划时收敛速度慢、容易陷入局部最优的问题，提出一种自适应交叉教一学优化（ AC-TLBO）算法。首先，该算法令传统教一学优化（TLBO）算法的教学因子随着迭代次数而发生变化，提高算法的学习速度；其次，当算法可能要陷入局部最优时，加入一定的扰动，使算法尽可能地跳出局部最优；最后，为了进一步提升算法的收敛效果，在算法中引入遗传算法的交叉环节。利用传统教一学优化（ TLBO）算法、自适应交叉教一学优化（ AC-TLBO）算法和量子粒子群优化（QPSO）算法进行无人机航路规划，仿真结果表明，在10次规划中，自适应交叉教一学优化（ AC-TLBO）算法有8次找到了全局最优路径，而传统教一学优化（TLBO）算法和量子粒子群优化（ QPSO）算法分别只找到了2次和1次；而且自适应交叉教一学优化（AC-TLBO）算法的收敛速度高于另外两种算法。
