关于路径规划的相关算法综述

发布时间：2021-09-18 12:15

　　路径规划算法是智能领域中一项新兴的关键支撑技术;依据路径规划算法的实现原理,将其分为进化型算法与非进化型算法;再依据数学特征将非进化型算法细分为经典数学与几何图论两类;针对每类算法,分别从发展背景、设计思想、优缺点、改进与发展等方面简要归纳分析;最后对路径规划算法的未来发展趋势进行展望。 

【文章来源】：价值工程. 2020,39(03)

【文章页数】：5 页

【文章目录】：
0 引言
1 路径规划算法
    1.1 非进化型算法
        1.1.1 经典数学
        1.1.2 几何图论
    1.2 进化型算法
        1.2.1 禁忌搜索法
        1.2.2 神经网络算法
        1.2.3 蚁群算法
        1.2.4 遗传算法
        1.2.5 粒子群算法
2 未来展望


【参考文献】：
期刊论文
[1]基于改进的人工势能场的移动机器人路径规划研究[J]. 许亚.  科技展望. 2016(33)
[2]UUV自主航行路径规划方法[J]. 温志文,蔡卫军,杨春武.  制造业自动化. 2016(11)
[3]基于Dijkstra-蚁群算法的泊车系统路径规划研究[J]. 王辉,朱龙彪,王景良,陈红艳,邵小江,朱志慧.  工程设计学报. 2016(05)
[4]美国国防高级研究计划局“小精灵”项目[J]. 袁成.  兵器知识. 2016(09)
[5]基于GIS的路径规划算法研究与实现[J]. 孙兰会,成锋,陆愈实.  现代电子技术. 2016(05)
[6]A*算法的改进及并行化[J]. 熊壬浩,刘羽.  计算机应用. 2015(07)
[7]多无人机飞行路径自动规划算法研究[J]. 马传焱.  无线电工程. 2015(02)
[8]基于改进蚁群粒子群算法的移动机器人路径规划[J]. 何少佳,史剑清,王海坤.  桂林理工大学学报. 2014(04)
[9]一种Dijkstra算法的优化实现方法[J]. 赵磊,侯莉莉.  信息系统工程. 2014(01)
[10]一种基于粒子群参数优化的改进蚁群算法[J]. 李擎,张超,陈鹏,尹怡欣.  控制与决策. 2013(06)

硕士论文
[1]基于改进遗传算法的移动机器人路径规划研究[D]. 田欣.郑州大学 2016
[2]基于优化Floyd算法的室内机器人路径规划研究[D]. 王靖东.西北农林科技大学 2015
[3]路径规划算法的研究及应用[D]. 谢娟.电子科技大学 2015
[4]基于混合遗传禁忌搜索算法的多目标柔性作业车间调度问题研究[D]. 王超.重庆大学 2012
[5]基于人工神经网络的入侵检测技术研究[D]. 曾显峰.华南理工大学 2010
[6]遗传算法的改进及其应用研究[D]. 王璇.华北电力大学（北京） 2010
[7]基于禁忌搜索算法的生理信号情感识别研究[D]. 王玉晶.西南大学 2008



本文编号：3400120