一种单计算参数的自学习路径规划算法

发布时间：2023-01-12 18:01

　　针对当前机器人路径规划算法存在计算参数多的问题,提出一种单计算参的自学习蚁群算法。该算法使用一种改进的栅格法完成环境建模,种群中个体使用8-geometry行进规则,整个种群的寻优过程使用了自学习和多目标搜索策略。其特点在于整个算法只需进行一个计算参数设置。蚂蚁个体可使用1、■、2、■、■步长行进,一次搜索可以发现多条可行路径,提高了算法计算效率。仿真实验表明,在复杂的工作空间,该算法可以迅速规划出一条安全避碰的最优路径,效率优于已存在算法。 

【文章页数】：5 页

【文章目录】：
0 引言
1 λ-geometry行进策略
2 自学习蚁群算法
    2.1 改进栅格法环境建模
    2.2 自学习蚁群算法的主要策略
        2.2.1 蚂蚁个体行进策略
        2.2.2 贪婪搜索策略
        2.2.3 强化搜索策略
3 算法的整体描述
4 仿真实验
    4.1 算法效果仿真实验
    4.2 与先进算法比较
5 结论


【参考文献】：
期刊论文
[1]空地机器人协同导航方法与实验研究[J]. 刘毅,车进,朱小波,杭立,郝志洋.  电子技术应用. 2018(10)
[2]避障最优路径系统研究[J]. 唐焱,肖蓬勃,李发琴,李文勇.  电子技术应用. 2017(11)
[3]激励机制改进蚁群优化算法用于全局路径规划[J]. 田延飞,黄立文,李爽.  科学技术与工程. 2017(20)
[4]基于滚动窗口的机器人自主构图路径规划[J]. 陈明建,林伟,曾碧.  计算机工程. 2017(02)
[5]未知环境中机器人避障路径规划研究[J]. 尹新城,胡勇,牛会敏.  科学技术与工程. 2016(33)
[6]基于蛙跳算法的新型机器人路径规划算法[J]. 徐晓晴,朱庆保.  小型微型计算机系统. 2014(07)
[7]基于动态人工势场法的路径规划仿真研究[J]. 殷路,尹怡欣.  系统仿真学报. 2009(11)
[8]复杂环境下的机器人路径规划蚂蚁算法[J]. 朱庆保.  自动化学报. 2006(04)



本文编号：3730242