基于改进人工蜂群算法的机器人路径规划
发布时间：2021-01-30 11:24
人工蜂群算法（ABC算法）自提出以来,得到了广泛的应用。为使算法性能得到进一步增强,本文提出了一种改进的ABC算法（IABC算法）,对算法的各主要阶段进行集中地改进。首先,通过在初始位置生成规则中引入一个混沌算子来建立混沌映射规则,以确保初始位置的遍历性。然后,设计了一个等距离分布式并行搜索规则,在此基础上进行初始位置的邻域搜索,以提高收敛速度和局部搜索能力。接下来,使用轮盘赌和反轮盘赌并行的选择策略,即引入反轮盘赌机制,以选择当前较差的位置来跳出局部最优。同时,提出了一种基于引力势场的全局更新机制,以此引导位置的舍弃和补充,增强全局搜索能力。计算结果表明,IABC算法提升了算法的收敛速度和解的质量,而不会过早成熟。算法改进后,使用Taguchi方法对IABC算法进行结构分析,该方法着重于对影响IABC算法性能的关键因素的因素水平进行分析,关键因素包括:初始位置生成规则中的混沌映射规则,等距分布式搜索规则,并行选择策略以及全局更新机制中的阈值。试验分析结果显示,在IABC算法中已经实现了关键因素水平的最佳组合,其优化效果较佳。最后,应用IABC算法进行机器人的路径规划,利用Taguch...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
ABC算法与IABC算法基于八个测试函数的最佳值进化曲线;
图 1ABC 算法与 IABC 算法基于八个测试函数的最佳值进化曲线Fig 1. Comparison ofABC and IABC on their convergence performance with the eight testfunctions从图 1 可以看出，实曲线在收敛前持续以较高的变化率接近最优解，且实曲线比虚曲线值更好，表明 IABC 算法能较好的避免算法陷入局部最优。因此，表 1 的结果表明，IABC 算法提高了收敛速度和解的质量，且避免了算法过早陷最优。本章小结为了进一步提高 ABC 算法的收敛速度并避免陷入局部最优，本章提出了一种 ABC 算法（IABC 算法）。在 IABC 算法中，通过在初始位置生成规则中引入沌算子来建立一个混沌映射规则，以保证初始位置的遍历性与多样性；然后通引入当前最优位置来引导搜索并设置等距减小参数来控制搜索邻域，从而提高度和局部搜索能力，设计出等距分布式并行搜索规则;并且通过同时使用轮盘赌轮盘赌机制来并行选择的选择策略，即以当前较差的位置指导算法跳出局部
按上述映射规则，在图2中，栅格13对应的坐标为（4,2），栅格24对应的坐标为（6,3）。一般地，机器人起始点位于栅格1。机器人路径为折线段，即由连接若干节点的线段构成。每个节点是一个栅格，抽象为栅格的中心点。图 2栅格序列号示意图Fig. 2. Raster serial number diagram
【参考文献】：
期刊论文
[1]基于Taguchi试验的塑件翘曲分析及工艺优化[J]. 段家现,黄燕钧. 模具工业. 2017(04)
[2]车用CD托架CAE注塑工艺参数优化分析[J]. 张建卿. 工程塑料应用. 2016(07)
[3]增强寻优能力的自适应人工蜂群算法[J]. 张泰,屠思远,吴滨,顾晓峰. 计算机应用研究. 2016(10)
[4]基于改进搜索策略的混合蜂群算法[J]. 王慧颖,王文彬. 系统工程与电子技术. 2014(10)
[5]一种新的群体智能算法——狼群算法[J]. 吴虎胜,张凤鸣,吴庐山. 系统工程与电子技术. 2013(11)
[6]基于人工蜂群改进算法的无线传感器网络定位算法[J]. 李牧东,熊伟,梁青. 传感技术学报. 2013(02)
[7]基于轮盘赌反向选择机制的蜂群优化算法[J]. 向万里,马寿峰. 计算机应用研究. 2013(01)
[8]基于人工蜂群的BP神经网络算法[J]. 李卫华,徐涛,李小梨. 计算机系统应用. 2012(05)
[9]带差商信息的云搜索优化算法及其收敛性分析[J]. 殷哲,曹炬. 计算机科学. 2012(01)
[10]三种智能优化算法的比较分析[J]. 王丽亚,李雪梅. 信息系统工程. 2011(06)
硕士论文
[1]基于典型路径库的移动机器人智能路径规划算法的研究与实现[D]. 刘洋.北京交通大学 2017
[2]灾害环境救援用履带式机器人关键技术的研究[D]. 程二亭.天津职业技术师范大学 2016
[3]基于模糊人工势场法的多移动机器人路径规划研究[D]. 卢路秋.天津工业大学 2016
[4]多蜂群协同进化算法及其应用研究[D]. 张鹏.山东师范大学 2014
[5]多移动机器人路径规划算法及实验研究[D]. 林正鹏.燕山大学 2013
[6]基于人工蜂群算法在无线传感网络覆盖优化策略中的应用研究[D]. 胡珂.电子科技大学 2012
[7]两种智能优化算法及其收敛性分析[D]. 季艳芳.华中科技大学 2011
[8]多移动机器人路径规划避碰和协调研究[D]. 李静.上海交通大学 2007
[9]部分智能优化算法的改进及其数学理论分析[D]. 肖龙光.东华大学 2005
本文编号：3008813
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：52 页
【学位级别】：硕士
【部分图文】：
ABC算法与IABC算法基于八个测试函数的最佳值进化曲线;
图 1ABC 算法与 IABC 算法基于八个测试函数的最佳值进化曲线Fig 1. Comparison ofABC and IABC on their convergence performance with the eight testfunctions从图 1 可以看出，实曲线在收敛前持续以较高的变化率接近最优解，且实曲线比虚曲线值更好，表明 IABC 算法能较好的避免算法陷入局部最优。因此，表 1 的结果表明，IABC 算法提高了收敛速度和解的质量，且避免了算法过早陷最优。本章小结为了进一步提高 ABC 算法的收敛速度并避免陷入局部最优，本章提出了一种 ABC 算法（IABC 算法）。在 IABC 算法中，通过在初始位置生成规则中引入沌算子来建立一个混沌映射规则，以保证初始位置的遍历性与多样性；然后通引入当前最优位置来引导搜索并设置等距减小参数来控制搜索邻域，从而提高度和局部搜索能力，设计出等距分布式并行搜索规则;并且通过同时使用轮盘赌轮盘赌机制来并行选择的选择策略，即以当前较差的位置指导算法跳出局部
按上述映射规则，在图2中，栅格13对应的坐标为（4,2），栅格24对应的坐标为（6,3）。一般地，机器人起始点位于栅格1。机器人路径为折线段，即由连接若干节点的线段构成。每个节点是一个栅格，抽象为栅格的中心点。图 2栅格序列号示意图Fig. 2. Raster serial number diagram
【参考文献】：
期刊论文
[1]基于Taguchi试验的塑件翘曲分析及工艺优化[J]. 段家现,黄燕钧. 模具工业. 2017(04)
[2]车用CD托架CAE注塑工艺参数优化分析[J]. 张建卿. 工程塑料应用. 2016(07)
[3]增强寻优能力的自适应人工蜂群算法[J]. 张泰,屠思远,吴滨,顾晓峰. 计算机应用研究. 2016(10)
[4]基于改进搜索策略的混合蜂群算法[J]. 王慧颖,王文彬. 系统工程与电子技术. 2014(10)
[5]一种新的群体智能算法——狼群算法[J]. 吴虎胜,张凤鸣,吴庐山. 系统工程与电子技术. 2013(11)
[6]基于人工蜂群改进算法的无线传感器网络定位算法[J]. 李牧东,熊伟,梁青. 传感技术学报. 2013(02)
[7]基于轮盘赌反向选择机制的蜂群优化算法[J]. 向万里,马寿峰. 计算机应用研究. 2013(01)
[8]基于人工蜂群的BP神经网络算法[J]. 李卫华,徐涛,李小梨. 计算机系统应用. 2012(05)
[9]带差商信息的云搜索优化算法及其收敛性分析[J]. 殷哲,曹炬. 计算机科学. 2012(01)
[10]三种智能优化算法的比较分析[J]. 王丽亚,李雪梅. 信息系统工程. 2011(06)
硕士论文
[1]基于典型路径库的移动机器人智能路径规划算法的研究与实现[D]. 刘洋.北京交通大学 2017
[2]灾害环境救援用履带式机器人关键技术的研究[D]. 程二亭.天津职业技术师范大学 2016
[3]基于模糊人工势场法的多移动机器人路径规划研究[D]. 卢路秋.天津工业大学 2016
[4]多蜂群协同进化算法及其应用研究[D]. 张鹏.山东师范大学 2014
[5]多移动机器人路径规划算法及实验研究[D]. 林正鹏.燕山大学 2013
[6]基于人工蜂群算法在无线传感网络覆盖优化策略中的应用研究[D]. 胡珂.电子科技大学 2012
[7]两种智能优化算法及其收敛性分析[D]. 季艳芳.华中科技大学 2011
[8]多移动机器人路径规划避碰和协调研究[D]. 李静.上海交通大学 2007
[9]部分智能优化算法的改进及其数学理论分析[D]. 肖龙光.东华大学 2005
本文编号：3008813
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3008813.html
