CGF并行路径规划方法研究

发布时间：2021-08-18 23:03

　　路径规划作为所有仿真实体物理行为的基础,是仿真系统中最基本也是应用最为频繁的部分,路径规划算法高效与否对仿真系统的性能有着最直接的影响。目前,路径规划的实时性问题已经成为限制训练仿真发展的一个瓶颈,动态环境下实时路径规划问题也成为当前人工智能以及仿真领域研究的一个热点和难点。同时,计算机多核化的发展趋势使得并行技术在提高计算效率方面具有很大潜力,通过并行化以提高算法效率也逐渐成为算法改进的一个主要方面。本文旨在结合当前仿真系统的实际需求,探索并行技术在路径规划中的应用,最终在如何提高算法实时性方面进行深入研究。文章主要针对训练仿真中复杂环境下实时路径规划问题,分别研究静态大规模环境和动态复杂环境下的并行路径规划问题。具体内容为:针对静态大范围场景的特点,文章研究通过快速收敛的粒子群（Particle Swarm Optimazation,PSO）算法进行路径规划。结合PSO易于并行化的特点,进一步将并行技术与其结合,提出基于并行PSO的实时路径规划算法。并行算法通过将粒子平均分配在多个核上进行计算,极大地提高了路径规划的效率。最后,分析并行化算法的优缺点,针对其不足提出分层并行的思想以... 

【文章来源】：国防科技大学湖南省 211工程院校 985工程院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

坐标转换后的地图空间步骤二：确定搜索空间

来的路径随着迭代次数的增加会越来越优，但是对于路径规划问题，由于粒子的维数有限，一般不可能完全表达出地图空间中所有可能的路径，这就导致粒子的搜索空间不能完全覆盖地图空间，其找出来的路径一般都是次优解。如图3.5所示，若S至G的最优路径在ln和ln+1段之间为折线 →CDE，而粒子的第n维和第n + 1 维只能表达图中 →AB类的直线，所以其永远不可能搜索出最优路径。3.3.2 改进方案路径优化第23页

障碍物的话，即可直接将粒子第n维位置点删去。图3.6为优化前后路径对比，其中，虚线路径为优化前的路径，实线路径为优化路径。图3.6路径优化对比图分层并行并行PSO因为各粒子间每个迭代周期只需在更新种群历史最优解时同步一次，所以可以获得很好的加速比。但实验表明，当处理器数目增多时，每个周期一次的同步使得加速比很难线性增加，甚至当处理器数目增至一定程度时，加速比反而会有所下降。为取得良好的加速比，必须减少各粒子之间的同步频率，我们将粒子每个迭代周期都进行一次种群历史最优解的同步改为每隔一定周期进行一次同步。这就类似于每个处理器上是一个独立搜索的小种群，首先在小种群内进行搜索，一定周期后，所有小种群进行同步，更新整个大种群的历史最优。这种分层并行的搜索方法可以极大地较少粒子间同步的次数


本文编号：3350792