基于改进蚁群算法的水下无人机路径规划研究

发布时间：2022-07-19 17:12

　　为实现水下无人机在水域中自主作业的功能,对其设计一套合理的路径规划方案是非常有必要的;蚁群算法针对水下无人机路径规划方面有着非常好的效果,拥有不错的鲁棒性,但是传统的蚁群算法在解决路径规划问题时很容易出现局部最优解的问题;以传统蚁群遗传算法理论为根据,对其进行添加目标引导素、构建精英蚂蚁体系、更新信息素浓度这三方面的改进,使用栅格法构建水下环境分析模型,并以最短的路径为目的,规划一条从初始状态到目标状态的无碰安全途径,运用仿真的办法展开验证;结果显示:相较于传统算法,改进后的算法在求解速度和全局求解能力上有较大的优势。 

【文章页数】：5 页

【参考文献】：
期刊论文
[1]改进蚁群算法在果蔬采摘机器人路径规划中的应用[J]. 李晓静,余东满.  江苏农业科学. 2018(23)
[2]基于改进蚁群算法的农用喷药机器人路径规划[J]. 庄丽阳,陈树林,朱龙彪,王辉.  机床与液压. 2018(21)
[3]复杂环境下机器人路径规划方法研究[J]. 王钦钊,程金勇,李小龙.  计算机仿真. 2017(10)
[4]基于蚁群混合遗传算法的组卷问题研究[J]. 郭秀娟,张坤鹏.  吉林建筑大学学报. 2017(04)
[5]基于改进势场栅格法的清洁机器人路径规划算法研究[J]. 梁嘉俊,曾碧,何元烈.  广东工业大学学报. 2016(04)
[6]基于混合人工势场-蚁群算法的机器人避障[J]. 董晔,吴丽娟.  辽宁科技大学学报. 2015(03)
[7]基于差分阈值与模板匹配的心电R波提取算法[J]. 吴建,李康,庞宇,孙海霞.  重庆邮电大学学报(自然科学版). 2015(03)
[8]一种人工势场导向的蚁群路径规划算法[J]. 王芳,李昆鹏,袁明新.  计算机科学. 2014(S2)

硕士论文
[1]灾后矿井环境探测机器人的路径规划研究[D]. 马国兵.中国矿业大学 2019
[2]环境监测的无人机群路径规划方法研究[D]. 张爽爽.哈尔滨理工大学 2019



本文编号：3663815