未知环境下的蚁群-聚类自适应动态路径规划
发布时间：2022-02-09 11:19
针对用于动态环境中的机器人路径规划的蚁群算法存在收敛速度慢,路径累计转折角大,对环境变化适应性低等问题,提出了一种未知环境下的蚁群-聚类自适应动态路径规划方法。依据聚类算法对环境复杂程度的准确判别自动改变寻优半径,达到充分利用机器人有限的计算能力,提高收敛速度的目的;通过识别对角障碍,生成虚拟障碍,确保规划的路径不穿过对角障碍;通过平滑机制对搜索的动态路径做平滑优化处理,有效降低了路径长度,减少了累计转折角。仿真结果表明,提出的算法能够根据障碍的复杂程度自动选择合适的搜索半径,完成路径的动态规划,体现出良好的环境适应能力和较好的综合路径优化性能。
【文章来源】：计算机科学与探索. 2019,13(05)北大核心CSCD
【文章页数】：12 页
【部分图文】：
栅格地图
xi=a×(mod(i,MM)-0.5)（1）Y:yi=a×èMM÷+0.5-ceilèiMM（2）在关系式（1）、（2）中，a为每个栅格的边长，横（纵）坐标的最大栅格数值为MM，总栅格数为e=MM×MM，每个栅格的坐标为(xi,yi)，i为每个小正方形的栅格编号，mod为求余运算，而ceil为舍余取整运算。为不失一般性，这里假定机器人的起始位置和最终目的位置已知，则生成的栅格地图环境如图1所示。对于图1中间的栅格，可以有多条可选择路径。这里假设任选一个栅格如图2所示，其周围没有障碍物，因此处于该栅格的机器人下一步可以向邻接的8个方位搜索，8个方位分别为右下、右、右上、上、左上、左、左下、下。按照栅格位置编号规律，容易预知这8个方位的序号及其当前位置栅格序号的差值。于是，对当前栅格位置，下一步搜索的方位如图2表示。2.2动态障碍环境变化设置为了便于理解，这里首先给出两个定义。定义1确认局部搜索半径之后，需要进行局部路径搜索，这样局部搜索路径规划一次为一次规划。局部路径规划的次数即规划次数。定义2步长为在同一条路径中，一次规划经过的栅格数就是步长长度。为满足在未知障碍环境中进行动态路径规划时的特点，本节设计了一种以时间步长为指标的动态障碍变化规则，即：以机器人的规划的次数为指标来触发障碍环境分布的变化。这里假设采用最大搜索半径进行一次局部规划所需时间为T,则障碍环境变化所需的时间为t≤nT,n∈Z+。其中n的取值大小与实时性有关，实时性要求越高，则n的取值越校当机器人在时间t≤nT时，该子区域的障碍分布是固定不变的，并且机器人所在子区域外的障碍分布与本次路径规划无关。障碍环境变化流程
规划经过的栅格数就是步长长度。为满足在未知障碍环境中进行动态路径规划时的特点，本节设计了一种以时间步长为指标的动态障碍变化规则，即：以机器人的规划的次数为指标来触发障碍环境分布的变化。这里假设采用最大搜索半径进行一次局部规划所需时间为T,则障碍环境变化所需的时间为t≤nT,n∈Z+。其中n的取值大小与实时性有关，实时性要求越高，则n的取值越校当机器人在时间t≤nT时，该子区域的障碍分布是固定不变的，并且机器人所在子区域外的障碍分布与本次路径规划无关。障碍环境变化流程如图3所示。Fig.1Gridmap图1栅格地图Fig.2Possibleroutes图2可行路线Fig.3Flowchartwithtime-varyingobstacleenvironment图3障碍环境变化流程图848
【参考文献】：
期刊论文
[1]萤火虫算法结合人工势场法的机器人路径规划[J]. 李丽娜,郭永强,张晓东,卢媛,徐攀峰. 计算机工程与应用. 2018(20)
[2]自适应搜索半径蚁群动态路径规划算法[J]. 赵峰,杨春曦,陈飞,黄凌云,谈诚. 计算机工程与应用. 2018(19)
[3]基于改进蚁群算法的机器人路径规划问题研究[J]. 朱艳,游晓明,刘升,袁汪凰. 计算机工程与应用. 2018(19)
[4]基于统计分析的自适应蚁群算法及应用[J]. 许明乐,游晓明,刘升. 计算机应用与软件. 2017(07)
[5]基于平滑蚁群算法的机器人路径规划[J]. 王红君,徐军,赵辉,岳有军. 燕山大学学报. 2017(03)
[6]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
[7]动态路径规划中的改进蚁群算法[J]. 周明秀,程科,汪正霞. 计算机科学. 2013(01)
[8]一种基于滚动窗口的移动机器人局部路径规划方法[J]. 韩龙,刘国栋. 计算机系统应用. 2011(08)
[9]移动机器人路径规划的参数模糊自适应窗口蚁群优化算法[J]. 赵娟平,高宪文,刘金刚,符秀辉. 控制与决策. 2011(07)
[10]基于改进蚁群算法的移动机器人动态路径规划方法[J]. 柳长安,鄢小虎,刘春阳,吴华. 电子学报. 2011(05)
本文编号：3616913
【文章来源】：计算机科学与探索. 2019,13(05)北大核心CSCD
【文章页数】：12 页
【部分图文】：
栅格地图
xi=a×(mod(i,MM)-0.5)（1）Y:yi=a×èMM÷+0.5-ceilèiMM（2）在关系式（1）、（2）中，a为每个栅格的边长，横（纵）坐标的最大栅格数值为MM，总栅格数为e=MM×MM，每个栅格的坐标为(xi,yi)，i为每个小正方形的栅格编号，mod为求余运算，而ceil为舍余取整运算。为不失一般性，这里假定机器人的起始位置和最终目的位置已知，则生成的栅格地图环境如图1所示。对于图1中间的栅格，可以有多条可选择路径。这里假设任选一个栅格如图2所示，其周围没有障碍物，因此处于该栅格的机器人下一步可以向邻接的8个方位搜索，8个方位分别为右下、右、右上、上、左上、左、左下、下。按照栅格位置编号规律，容易预知这8个方位的序号及其当前位置栅格序号的差值。于是，对当前栅格位置，下一步搜索的方位如图2表示。2.2动态障碍环境变化设置为了便于理解，这里首先给出两个定义。定义1确认局部搜索半径之后，需要进行局部路径搜索，这样局部搜索路径规划一次为一次规划。局部路径规划的次数即规划次数。定义2步长为在同一条路径中，一次规划经过的栅格数就是步长长度。为满足在未知障碍环境中进行动态路径规划时的特点，本节设计了一种以时间步长为指标的动态障碍变化规则，即：以机器人的规划的次数为指标来触发障碍环境分布的变化。这里假设采用最大搜索半径进行一次局部规划所需时间为T,则障碍环境变化所需的时间为t≤nT,n∈Z+。其中n的取值大小与实时性有关，实时性要求越高，则n的取值越校当机器人在时间t≤nT时，该子区域的障碍分布是固定不变的，并且机器人所在子区域外的障碍分布与本次路径规划无关。障碍环境变化流程
规划经过的栅格数就是步长长度。为满足在未知障碍环境中进行动态路径规划时的特点，本节设计了一种以时间步长为指标的动态障碍变化规则，即：以机器人的规划的次数为指标来触发障碍环境分布的变化。这里假设采用最大搜索半径进行一次局部规划所需时间为T,则障碍环境变化所需的时间为t≤nT,n∈Z+。其中n的取值大小与实时性有关，实时性要求越高，则n的取值越校当机器人在时间t≤nT时，该子区域的障碍分布是固定不变的，并且机器人所在子区域外的障碍分布与本次路径规划无关。障碍环境变化流程如图3所示。Fig.1Gridmap图1栅格地图Fig.2Possibleroutes图2可行路线Fig.3Flowchartwithtime-varyingobstacleenvironment图3障碍环境变化流程图848
【参考文献】：
期刊论文
[1]萤火虫算法结合人工势场法的机器人路径规划[J]. 李丽娜,郭永强,张晓东,卢媛,徐攀峰. 计算机工程与应用. 2018(20)
[2]自适应搜索半径蚁群动态路径规划算法[J]. 赵峰,杨春曦,陈飞,黄凌云,谈诚. 计算机工程与应用. 2018(19)
[3]基于改进蚁群算法的机器人路径规划问题研究[J]. 朱艳,游晓明,刘升,袁汪凰. 计算机工程与应用. 2018(19)
[4]基于统计分析的自适应蚁群算法及应用[J]. 许明乐,游晓明,刘升. 计算机应用与软件. 2017(07)
[5]基于平滑蚁群算法的机器人路径规划[J]. 王红君,徐军,赵辉,岳有军. 燕山大学学报. 2017(03)
[6]动态环境下基于改进蚁群算法的机器人路径规划研究[J]. 屈鸿,黄利伟,柯星. 电子科技大学学报. 2015(02)
[7]动态路径规划中的改进蚁群算法[J]. 周明秀,程科,汪正霞. 计算机科学. 2013(01)
[8]一种基于滚动窗口的移动机器人局部路径规划方法[J]. 韩龙,刘国栋. 计算机系统应用. 2011(08)
[9]移动机器人路径规划的参数模糊自适应窗口蚁群优化算法[J]. 赵娟平,高宪文,刘金刚,符秀辉. 控制与决策. 2011(07)
[10]基于改进蚁群算法的移动机器人动态路径规划方法[J]. 柳长安,鄢小虎,刘春阳,吴华. 电子学报. 2011(05)
本文编号：3616913
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3616913.html
