基于改进PSO算法的机器人路径规划及实验

发布时间：2021-11-27 16:16

　　针对粒子群优化（PSO）算法存在的优化精度低以及早熟的缺点,提出一种改进的PSO算法用于机器人路径规划.根据梯度下降法中变量沿负梯度方向变化的原则,提出了改进的粒子速度更新模型.为了提高粒子的搜寻效率及精度,增加了自适应粒子位置更新系数.引入ε贪心策略设计了改进的粒子群优化算法.在部分优化测试函数上的多次试验结果表明,所提算法较其他算法模型搜索精度至少提高2倍,收敛速度也有大幅度的提升.将所提算法和改进的DC-HPSO（动态聚类混合粒子群优化）算法应用于静态障碍物下的路径规划仿真和实际试验,结果表明所提模型具有高精度、高效率、高成功率的优点. 

【文章来源】：机器人. 2020,42(01)北大核心EICSCD

【文章页数】：8 页

【参考文献】：
期刊论文
[1]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟.  机器人. 2018(06)
[2]基于改进遗传算法的自动导引小车路径规划及其实现平台[J]. 刘二辉,姚锡凡.  计算机集成制造系统. 2017(03)
[3]基于势场蚁群算法的移动机器人全局路径规划方法[J]. 刘建华,杨建国,刘华平,耿鹏,高蒙.  农业机械学报. 2015(09)
[4]基于生物启发模型的AUV三维自主路径规划与安全避障算法[J]. 朱大奇,孙兵,李利.  控制与决策. 2015(05)
[5]移动机器人路径规划方法研究[J]. 曲道奎,杜振军,徐殿国,徐方.  机器人. 2008(02)



本文编号：3522637