一种动态搜索策略的蚁群算法及其在机器人路径规划中的应用

发布时间：2018-04-28 18:51

  本文选题：蚁群系统 + 动态搜索诱导算子　； 参考：《控制与决策》2017年03期

【摘要】：采用蚁群算法求解复杂环境下移动机器人路径规划问题时,会出现运算时间过长、求解精度不高等问题,对此,定义一种新的动态搜索诱导算子以改进蚁群算法性能.重点设计了动态搜索模型,即:在进化初期设定较大阈值以增加种群的多样性;而伴随进化过程,利用衰减模型动态调整为较小阈值以加快收敛速度.TSP测试实验结果表明,该改进蚁群算法不仅能加快收敛速度,而且有效提高了优化解的质量.复杂环境中机器人路径规划问题的求解验证了所提出算法的实际应用效果.
[Abstract]:When the ant colony algorithm is used to solve the path planning problem of mobile robot in complex environment, a new dynamic search induction operator is defined to improve the performance of the ant colony algorithm. A dynamic search model is designed, that is, a large threshold is set at the beginning of evolution to increase the population. With the evolution process, the results of the.TSP test experiment with the dynamic adjustment of the attenuation model to the smaller threshold to accelerate the convergence rate show that the improved ant colony algorithm can not only accelerate the convergence speed, but also effectively improve the quality of the optimal solution. The solution of robot path planning in complex environment validates the actual algorithm. The effect of application.

【作者单位】： 上海工程技术大学电子电气工程学院;上海工程技术大学管理学院;
【基金】：国家自然科学基金项目(61075115,61403249,61673258)
【分类号】：TP18;TP242

【相似文献】

相关期刊论文 前10条

1 杨翊鹏,李少远;模糊优化算法及其在视觉机器人路径规划中的应用[J];控制与决策;2002年S1期

2 唐振民,赵春霞,杨静宇,张进;基于动态规划思想的多机器人路径规划[J];南京理工大学学报(自然科学版);2003年05期

3 张颖,吴成东,原宝龙;机器人路径规划方法综述[J];控制工程;2003年S1期

4 胡小兵,黄席樾;基于蚁群算法的三维空间机器人路径规划[J];重庆大学学报(自然科学版);2004年08期

5 伊连云;董玲;付莹莹;张俊亮;;虚拟磁场理论在足球机器人路径规划中的应用[J];自动化博览;2006年02期

6 宋一然;;基于强化学习的多机器人路径规划方法[J];莆田学院学报;2006年02期

7 姜志坚;徐效美;;智能算法在机器人路径规划中的应用研究[J];电脑知识与技术;2008年36期

8 王鹏飞;田冲;;用于多机器人路径规划的一种改进蚁群算法[J];电脑知识与技术;2008年S2期

9 黄力;张增芳;朱亚超;;基于二叉决策的机器人路径规划研究[J];机械设计与制造;2008年03期

10 刘砚菊;杨青川;辜吟吟;;蚁群算法在机器人路径规划中的应用研究[J];计算机科学;2008年05期

相关会议论文 前9条

1 赵凯;王珏;;对人的适应以及在机器人路径规划中的应用[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 杨翊鹏;李少远;;基于满意优化的视觉机器人路径规划[A];第二十一届中国控制会议论文集[C];2002年

3 陆凯峰;彭力;;基于改进蚁群优化算法的机器人路径规划[A];2007中国控制与决策学术年会论文集[C];2007年

4 王奇志;王洪志;;关于机器人路径规划三种典型方法的比较与讨论[A];2005年中国智能自动化会议论文集[C];2005年

5 李贻斌;宋勇;荣学文;;基于神经网络的进化机器人路径规划方法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

6 宋勇;李贻斌;刘冰;;基于回声状态网络的机器人路径规划进化算法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

7 张纯刚;席裕庚;;基于滚动窗口的移动机器人路径规划[A];2001年中国智能自动化会议论文集（上册）[C];2001年

8 王菁华;崔世钢;罗云林;;基于Matlab的智能机器人路径规划仿真[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年

9 王文;夏耘;;微粒群算法在机器人路径规划中的应用[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

相关博士学位论文 前2条

1 邵杰;基于学习分类器的多机器人路径规划关键技术研究[D];南京理工大学;2011年

2 刘传领;基于势场法和遗传算法的机器人路径规划技术研究[D];南京理工大学;2012年

相关硕士学位论文 前10条

1 向光海;变电站巡检机器人路径规划系统设计与实现[D];西南交通大学;2015年

2 孙晴晴;基于人工蜂群算法的机器人路径规划[D];南京师范大学;2015年

3 窦连航;基于人工蜂群算法的多机器人路径规划方法研究[D];上海大学;2015年

4 王维;基于多智能体系统的多机器人路径规划方法研究及应用[D];电子科技大学;2015年

5 李荣龙;基于改进粒子群优化算法的机器人路径规划研究[D];南京邮电大学;2015年

6 冯涛;基于协同进化算法的多机器人路径规划研究[D];南京邮电大学;2015年

7 蓝冬英;自主仿人机器人路径规划研究[D];东北大学;2014年

8 赵珍;基于改进蚁群算法的多机器人路径规划研究[D];兰州理工大学;2016年

9 于清平;基于ARM平台的多机器人路径规划系统研究[D];上海工程技术大学;2016年

10 李龙俊;基于聚类分区和改进蚁群算法的清洁机器人路径规划研究[D];南京邮电大学;2016年

，

本文编号：1816457