基于改进粒子群算法的移动机器人路径规划

发布时间：2021-08-06 00:18

　　针对基本粒子群算法在路径规划时易陷入局部最优、规划路径较长等问题,提出了改进粒子群算法对移动机器人进行路径规划。首先使用MAKLINK图建立移动机器人的工作空间模型,然后采用Dijkstra算法搜索从起始位置到目标位置的全局次优无碰撞路径,最后将指数变量权重加入改进的粒子群算法中对次优路径进行优化,找到最短路径。与基本粒子群算法不同,改进粒子群算法中粒子不是向最优的粒子学习,而是向适应度值优于平均适应度值的粒子学习,并对低于平均适应度值的粒子进行变异处理。该方法能够提高粒子的多样性,避免粒子陷入局部最优。仿真结果验证了所提出的改进粒子群算法的有效性。 

【文章来源】：郑州大学学报(理学版). 2020,52(01)北大核心

【文章页数】：6 页

【部分图文】：

基于自由凸多边形的MAKLINK图

图1 基于自由凸多边形的MAKLINK图由于Dijkstra算法得到的机器人全局次优路径是沿着自由链路中心的连线行走，而不是在整个网络路径上行走。因此，该算法得到的并不是整个路径规划空间的最短路径。下一节将采用PSO算法对获得的次优路径进行二次优化，从而得到全局最优路径。

收敛性能对比结果如图3所示。可以看出，在单峰函数Rosenbrock和多峰函数Griewwank下，SAPSO算法比BPSO算法具有更快的收敛速度。图4 基于3种算法得到的全局最优路径


本文编号：3324712