基于改进粒子群算法的移动机器人多目标点路径规划

发布时间：2018-03-16 19:09

  本文选题：移动机器人　切入点：多目标点路径规划　出处：《智能系统学报》2017年03期 　论文类型：期刊论文

【摘要】：针对移动机器人遍历多个目标点的路径规划问题,提出了一种基于改进粒子群算法和蚁群算法相结合的路径规划新方法。该方法将目标点的选择转化为旅行商问题,并利用蚁群算法进行优化,定义了每两个目标点之间的路径规划目标函数,利用粒子群算法对其进行优化。针对粒子群算法存在的早熟现象,将反向学习策略引入粒子群算法,并对粒子群算法的惯性权重和学习因子进行改进。性能测试结果表明,改进的粒子群算法能有效避免粒子早熟现象,提高粒子群算法的寻优能力及稳定性。仿真实验结果验证了新方法能有效地实现机器人的多目标点无碰撞路径规划。真实环境下的实验结果证明了新方法在机器人多目标点路径规划的实际应用中也具有有效性。
[Abstract]:Aiming at the path planning problem of mobile robot traversing multiple target points, a new path planning method based on improved particle swarm optimization (PSO) and ant colony algorithm (ACA) is proposed, which transforms the selection of target points into a traveling salesman problem. Ant colony algorithm is used to optimize, and the path planning objective function between two target points is defined and optimized by particle swarm optimization. In view of the premature phenomenon of particle swarm optimization, the reverse learning strategy is introduced into particle swarm optimization. The inertia weight and learning factor of particle swarm optimization algorithm are improved. The performance test results show that the improved particle swarm optimization algorithm can effectively avoid the phenomenon of particle precocity. The simulation results show that the new method can effectively realize the multi-objective point collision free path planning of the robot. The experimental results in real environment show that the new method can be applied to the machine. The practical application of multi-objective point path planning is also effective.
【作者单位】： 重庆邮电大学数理学院;重庆邮电大学智能系统及机器人研究所;重庆邮电大学先进制造学院;
【基金】：国家自然科学基金(51604056) 重庆市科学技术委员会项目(cstc2015jcy Bx0066) 重庆市教委项目(KJ1400432)
【分类号】：TP18;TP242

【相似文献】

相关期刊论文 前10条

1 车林仙;;基于粒子群算法的混沌系统快速控制[J];泸州职业技术学院学报;2006年03期

2 郭明山;刘秉瀚;;一种改进的混沌粒子群算法[J];福建电脑;2008年02期

3 张楠;邢志栋;董建民;王辛;;一种基于粒子群算法和育种算法的混合算法[J];西北大学学报(自然科学版);2008年01期

4 张大兴;贾建援;张爱梅;郭永献;;基于粒子群算法的三轴跟瞄装置跟踪策略研究[J];仪器仪表学报;2009年09期

5 张泰雷;刘春生;;基于改进粒子群算法的控制分配研究与应用[J];伺服控制;2012年06期

6 黄珍;潘颖;曹晓丽;;粒子群算法的基本理论及其改进研究[J];硅谷;2014年05期

7 焦国辉;;一种改进的粒子群算法稳定性证明及其应用[J];现代计算机(专业版);2014年14期

8 王晟;潘郁;;个体激励粒子群算法及其社会学背景分析[J];计算机工程;2008年21期

9 彭志平;张慧;;一种改进的粒子群算法在协商优化中的应用[J];计算机工程;2008年10期

10 沈佳宁;须文波;孙俊;;基于量子粒子群算法的收敛性研究[J];微计算机信息;2009年06期

相关会议论文 前10条

1 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

2 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

3 黄胜;任万龙;王超;何新;;多目标粒子群算法在翼型优化的应用[A];第二十五届全国水动力学研讨会暨第十二届全国水动力学学术会议文集（上册）[C];2013年

4 李洪全;王京;;基于粒子群算法的自适应PID控制[A];冶金企业自动化、信息化与创新——全国冶金自动化信息网建网30周年论文集[C];2007年

5 李曙光;;粒子群算法在高速公路多路径费用拆分方法研究[A];第二十六届中国控制会议论文集[C];2007年

6 赵亮;;遗传增强混沌粒子群算法[A];第二十九届中国控制会议论文集[C];2010年

7 杨诚;杨传启;;基于粒子群算法的PID参数优化[A];第七届工业仪表与自动化学术会议论文集[C];2006年

8 刘文许;林礼清;温步瀛;;电力市场下基于改进粒子群算法的AGC机组选择[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（中册）[C];2008年

9 刘衍民;马卫民;;基于高斯白噪声扰动的混合粒子群算法及其应用[A];第十届中国不确定系统年会、第十四届中国青年信息与管理学者大会论文集[C];2012年

10 王征;刘大宝;王家林;王永骥;;基于离散粒子群算法的船舶电力系统重构研究[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关博士学位论文 前10条

1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

2 尹浩;求解Web服务选取问题的粒子群算法研究[D];东北大学;2014年

3 邵晴;粒子群算法研究及其工程应用案例[D];吉林大学;2017年

4 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

5 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

7 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年

8 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年

9 刘衍民;粒子群算法的研究及应用[D];山东师范大学;2011年

10 王雪飞;粒子群算法的动态拓朴结构研究[D];西南大学;2008年

相关硕士学位论文 前10条

1 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

2 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

3 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

4 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

5 杨伟;基于粒子群算法的氧乐果合成过程建模研究[D];郑州大学;2015年

6 李程;基于粒子群算法的AS/RS优化调度方法研究[D];陕西科技大学;2015年

7 戴玉倩;基于混合动态粒子群算法的软件测试数据自动生成研究[D];江西理工大学;2015年

8 仲伟彪;改进粒子群算法的研究及其云计算资源调度的应用[D];江西理工大学;2015年

9 艾东;基于粒子群算法的双重目标设施布置优化[D];西安建筑科技大学;2015年

10 刘召军;解优化问题的混合粒子群算法[D];陕西师范大学;2015年

，

本文编号：1621258