公共文化服务平台

搜索到47053篇“ SWARM“的相关文章

SWARM-LLM:基于大语言模型的无人集群任务规划系统: 2025年; 针对无人集群系统自主智能性不足、异构无人集群协同效率低、任务分配不均衡等问题,文中面向无人集群自主规划、高效协作、智能决策的需求,首先提出了一种新的基于大语言模型的无人集群任务规划系统框架(SWARM-LLM)。该框架利用大语言模型将高层次的任务指令转化为具体的智能无人集群任务规划方案,通过任务分解、任务分配、任务执行等多个阶段来实现无人集群协同任务。进一步地,设计了一套适用于无人集群规划的提示工程方法-规划链(Planning Chain, PC),用来指导和优化上述各阶段的实施。最终,在无人集群仿真环境(AirSim)中构建了不同类别和复杂度的任务,并进行了评估实验。与其他基于优化算法和机器学习的算法相比,实验结果证明了SWARM-LLM框架的有效性,并在任务成功率上展现出了显著的优势,平均性能提升了47.8%。; 李婷婷王琪王嘉康徐勇军

基于自适应变异粒子群算法的风光储微网调度: 2025年; 为克服传统粒子群算法在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节。为验证算法的有效性,文章与其他算法进行收敛性能对比,并对两种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例结果表明,改进算法能够对粒子全局最优搜索优化,效果优于其他算法,可合理调配分布式电源出力时段,具有良好的可行性。; 聂文龙李再冉吴彩霞王远; 关键词：微电网调度粒子群算法自适应

基于改进粒子群算法的光伏逆变器控制参数辨识: 2025年; 精准的光伏并网逆变器模型是研究大规模光伏接入下电力系统故障特性的重要工具。目的为了解决现有光伏逆变器仿真模型与实际工作中的光伏逆变器特性相差较大的问题,方法提出采用参数辨识的方法构建逆变器的辨识模型。以重庆云阳某1 MW光伏电站为实际参照模型,首先根据实际工作情况将逆变器的工作区间划分为3个阶段,利用数学扰动法分别对3个阶段中的待辨识参数划分灵敏度高低等级,并由此提出不同阶段不同灵敏度参数分步辨识策略;其次,分阶段采集实际光伏电站工作数据,对该数据进行分析处理,获得各待辨识参数的初始取值范围,设计同步辨识参数实验作为参照;最后提出改进的混沌遗传粒子群优化算法(chaos genetic algorithm of particle swarm optimization,CGAPSO)作为辨识算法,分步分工作阶段辨识相关参数,通过对比参数的同步辨识结果,验证所提方法的优越性,并将辨识结果代入仿真模型。结果结果表明,低灵敏度参数的同步辨识结果误差远超过可接受范围,而CGAPSO分步辨识出的相关参数误差皆在1.1%以下,精度远高于同步辨识结果。结论基于改进粒子群算法构建的辨识模型输出数据与实际逆变器工作数据契合度高,可准确反映逆变器实际工作特性。; 罗建孙越江丽娟; 关键词：光伏并网逆变器参数辨识改进粒子群优化算法

基于粒子群优化算法的农业机器人控制策略研究: 2025年; 介绍了粒子群优化算法的概念,并由数学模型、边界约束和环境约束对农业机器人优化约束模型进行了分析,实现了对农业机器人的动态避障和路径规划。仿真实验表明:针对复杂的作业环境,农业机器人可以进行最优避障路径规划,且算法收敛速度较快,能够满足设计要求,证明系统具有一定的可行性。; 王娜吴延凯许娜; 关键词：农业机器人粒子群避障路径规划

基于粒子群算法的纯电动商用车转矩分配策略: 2025年; 针对纯电动商用车采用双电动机驱动时存在的转矩分配问题,提出基于粒子群算法的模糊控制策略.首先在Simulink/Stateflow软件中搭建整车动力系统物理模型,以粒子群算法为基础,进行整车转矩分配.由于计算量大,无法运用于实车,故根据粒子群算法的结果,结合传统项目经验,设计一个参数实时调节模糊控制器来进行转矩分配.该方法运行速度快,且基本达到粒子群全局优化的效果.验证与分析结果表明:与原车单电动机动力系统相比,采用该方法的双电动机动力系统能量消耗减少了12.08%;在双电动机动力系统下,该方法与平均分配控制策略相比,电动机总能量损失降低了13.09%.; 田韶鹏方正; 关键词：粒子群算法模糊控制策略

基于相关性的Swarm联邦降维方法: 2024年; 联邦学习(Federated learning,FL)在解决人工智能(Artificial intelligence,AI)面临的隐私泄露和数据孤岛问题方面具有显著优势.针对联邦学习的已有研究未考虑联邦数据之间的关联性和高维性问题,提出一种基于联邦数据相关性的去中心化联邦降维方法.该方法基于Swarm学习(Swarm learning,SL)思想,通过分离耦合特征,构建典型相关分析(Canonical correlation analysis,CCA)的Swarm联邦框架,以提取Swarm节点的低维关联特征.为保护协作参数的隐私安全,还构建一种随机扰乱策略来隐藏Swarm特征隐私.在真实数据集上的实验验证了所提方法的有效性.; 李文平杜选; 关键词：隐私保护

无人集群系统深度强化学习控制研究进展被引量：2: 2024年; 随着无人集群在物流运输、农业管理、军事行动等场景的试验和应用,其面临的作业环境和任务内容日趋复杂,亟需设计效率更高、泛化能力更强、适应性更好的控制算法.将人工智能引入到无人集群系统控制的研究中,能够大幅提升现有无人集群的能力,完成复杂的作业任务.深度强化学习具有深度学习和强化学习的优点,无人集群系统深度强化学习控制研究受到了国内外科研人员的广泛关注,涌现出许多标志性成果.本文将从原理、特点等方面阐述深度强化学习概念,深入分析深度强化学习的多种典型算法,并讨论无人机集群的各类控制需求,进而介绍深度强化学习在无人机集群控制领域的典型研究成果,最后针对该领域研究成果的落地转化总结了应用前景和面临的挑战.; 梁鸿涛王耀南华和安钟杭郑成宏曾俊豪梁嘉诚李政辰; 关键词：多智能体人工智能集群智能

A multi-strategy MOCSO algorithm based on adaptive swarm partition: Balancing the convergence and diversity is a crucial aspect in solving multi-objective optimization problems.H...; Hong-Xuan ZhengWei Zhang

反无人机蜂群关键技术研究现状及展望: 2024年; 随着无人机蜂群技术的不断发展,在军事需求的推动下,无人机蜂群从理论实验逐步走向实战。相比于日新月异的无人机蜂群技术,现有反蜂群相关技术的进展相对滞后,有效的蜂群反制手段成为世界军事强国的共同追求。在介绍无人机蜂群技术进展及特点的基础上,分析了现有反无人机蜂群技术的不足,结合无人机蜂群作战特点和反蜂群设备发展现状,对未来反无人机蜂群装备和技术的发展提出5点建议,为未来反无人机蜂群技术发展提供一些借鉴。; 张鹏飞程文铮米江勇和烨龙李亚文王力金; 关键词：无人机

浅析面向无人机蜂群运用的导弹观察、交互与协同: 2024年; 为了实现导弹智能协同发展,重点研究了导弹在无人机蜂群中的运用问题。介绍了导弹与蜂群系统各自的战术运用特点,探讨了集群对抗中导弹的运用模式,由此分析了导弹的智能化与集群化发展需求。针对集群智能的观察、交互与协同等问题,讨论了导弹在蜂群运用中的现状、面临的挑战与关键技术。结合美军“多导弹同步交战技术”与“金帐汗国”改造弹药蜂群项目,分析研判导弹在集群运用方面的发展思路,并指出了实现智能协同的能力倍增点,为未来智能导弹系统研究提供探索思路。; 李东泽吕良苏文山白显宗; 关键词：智能导弹集群智能作战运用

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈