无人驾驶车辆路径规划算法综述

发布时间：2021-06-16 02:38

　　路径规划作为无人驾驶领域重点研究问题之一,近年来越来越受到人们的关注。在深入研究路径规划的基础上,对现有路径规划算法进行了分析。首先介绍了传统算法、智能优化算法、基于强化学习的算法和混合算法4类路径规划算法;然后,分别从算法的实时性、鲁棒性及时间复杂度三方面比较分析了各算法的性能;最后,对无人驾驶车辆路径规划算法的未来发展趋势进行了展望。 

【文章来源】：国外电子测量技术. 2019,38(06)

【文章页数】：8 页

【文章目录】：
0 引言
1 问题描述
2 传统算法
    2.1 基于图搜索的路径规划算法
    2.2 基于采样的路径规划算法
3 智能优化算法
    3.1 蚁群算法
    3.2 触须算法
    3.3 智能水滴算法
4 基于强化学习的算法
5 混合算法
6 发展趋势
7 结论


【参考文献】：
期刊论文
[1]A*算法在Shortest-Path方面的优化研究[J]. 梁昭阳,蓝茂俊,陈正铭.  计算机系统应用. 2018(07)
[2]基于改进智能水滴算法的混合时间窗电商物流路径优化研究[J]. 王奕璇,陈荔,王涛.  科技管理研究. 2018(11)
[3]拓展搜索邻域的平滑A*算法机器人路径规划[J]. 任玉洁,付丽霞,张勇,毛剑琳.  电子科技. 2018(05)
[4]基于双重A*算法的移动机器人动态环境路径规划[J]. 陈伟华,林颖,文宗明,缪丹云.  组合机床与自动化加工技术. 2018(04)
[5]采用双层强化学习的干扰决策算法[J]. 颛孙少帅,杨俊安,刘辉,黄科举.  西安交通大学学报. 2018(02)
[6]退火算法与神经网络算法结合在路径规划中的研究[J]. 李江伟,许伦辉.  自动化与仪表. 2017(11)
[7]引入势场及陷阱搜索的强化学习路径规划算法[J]. 董培方,张志安,梅新虎,朱朔.  计算机工程与应用. 2018(16)
[8]平滑ARA*算法在智能车辆路径规划的应用[J]. 赵鑫,胡广地.  机械科学与技术. 2017(08)
[9]基于动态反馈A*蚁群算法的平滑路径规划方法[J]. 黄辰,费继友,刘洋,李花,刘晓东.  农业机械学报. 2017(04)
[10]RRT与人工势场法结合的机械臂避障规划[J]. 何兆楚,何元烈,曾碧.  工业工程. 2017(02)

硕士论文
[1]基于强化学习的移动机器人路径规划研究[D]. 高慧.西南交通大学 2016
[2]基于RRT的无人机三维航迹规划算法研究[D]. 郭聪.沈阳航空航天大学 2015



本文编号：3232189