基于红外信息素通信的仿生蚁群觅食路径规划研究
发布时间：2022-01-22 21:46
近年来智能机器人广泛应用于生产生活中,单个机器人逐渐不能满足人们在工作效率、稳定可靠和低成本方面的需求,多机器人协作领域的相关研究应运而生。自然界中的群居性生物依靠自组织协作涌现出的群体智能,为多机器人协作解决复杂问题提供了新的方法。以蚁群觅食行为演化出的蚁群优化算法为例,蚁群优化算法是模拟蚁群觅食过程寻找巢穴到食物源之间最短路径的启发式方法,最初主要用于求解TSP最短路径问题,随着相关研究的深入,不断有新的优化方法应用到多机器人领域。因此,本文对蚁群觅食过程进行了深入探究后,在对比化学信息素的基础上,提出虚拟红外信息素方案,并建立仿生蚁群系统模型,设计仿生蚁群机器人实验系统,通过实验验证了虚拟信息素方案在目标搜索与路径规划问题中的可行性与有效性,然后构建基于Java平台的仿真环境,在仿真环境下测试了几种复杂情况下的蚁群觅食路径规划过程,为进一步基于蚁群行为规则而确定演化模型,并在模型中基于规则行为演化来揭示蚁群觅食、聚类等行为的特点、结果以及应用途径,提供理论依据。具体研究内容包括以下几个方面:（1）模仿蚂蚁觅食过程,在多机器人路径规划中引入信息素机制,在自然界蚁群信息素的基础上,提...
【文章来源】：武汉科技大学湖北省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
蜜蜂建造巢穴
武汉科技大学硕士学位论文1第1章绪论1.1研究背景及意义随着机器人半导体和微电子技术的发展，各种各样的中小型机器人广泛应用于生产和生活中。单机器人由于受机器人负载、计算能力、传感器性能、功耗问题等因素的影响，在完成某些复杂任务时往往效果不好，且成本相对较高[1]。相比于单机器人，群体机器人具有使用分布式控制算法执行复杂任务的潜力，群体机器人设计相对简单，硬件成本低，不会产生单点故障。群体机器人通过分工合作，分解简化了复杂任务，通过一系列子任务的完成达到解决复杂问题的目的，提高了工作效率。但是，使用群体机器人执行复杂任务的过程中，依然存在许多问题，如何找出影响群机器人自组织行为的演化规律，提出群体机器人自组织行为的预测与控制方法，给一群简单的机器人编程，并在此基础上赋予它们基本的运动能力和稳定的交互能力。自然界中蜜蜂建造精美的巢穴、鱼群抱团躲避天敌、鸟群结队迁徙、蚁群搜寻并搬运比自己身体大数倍的食物等等，这些群居生物展现出的群体智慧和群体能力，远远超过了个体，生物的自组织行为赋予了群体生物协作执行复杂任务的能力，相关研究人员由此得到启发，在算法领域总结并改进了许多在没有集中控制和全局信息情况下求解复杂分布式问题的群体智能算法，在机器人领域衍生出“群体机器人学”这一新的研究方向。在群体智能算法中，较为经典的有粒子群算法和蚁群算法，而且，近年来相关学者不断提出算法，例如细菌觅食优化算法、混合蛙跳算法、萤火虫算法等。图1.1蜜蜂建造巢穴图1.2鱼群躲避天敌
鸟群结队迁徙
【参考文献】：
期刊论文
[1]基于改进蚁群算法的移动机器人动态路径规划[J]. 王雷,石鑫. 南京理工大学学报. 2019(06)
[2]群体智能2.0研究综述[J]. 赵健,张鑫褆,李佳明,贺晨. 计算机工程. 2019(12)
[3]基于双层蚁群算法和动态环境的机器人路径规划方法[J]. 许凯波,鲁海燕,黄洋,胡士娟. 电子学报. 2019(10)
[4]基于改进A*算法的三维无人机路径规划[J]. 马云红,张恒,齐乐融,贺建良. 电光与控制. 2019(10)
[5]室内复杂环境下多旋翼无人机动态路径规划[J]. 韩忠华,毕开元,杨丽英,吕哲. 中国惯性技术学报. 2019(03)
[6]基于改进蚁群算法的移动机器人全局路径规划[J]. 占伟,屈军锁,芦鑫,侯磊超. 现代电子技术. 2018(24)
[7]群体机器人技术及其在军事上的应用[J]. 谭营. 国防科技. 2016(01)
[8]基于分层的改进A算法在路径规划中的应用[J]. 钱红昇,葛文锋,钟鸣,葛铭. 计算机工程与应用. 2014(07)
[9]基于方向信息素协调的蚁群算法[J]. 孟祥萍,片兆宇,沈中玉,苑全德. 控制与决策. 2013(05)
[10]A*路径规划算法的改进及实现[J]. 谭宝成,王培. 西安工业大学学报. 2012(04)
博士论文
[1]蚁群优化算法及觅食行为模型研究[D]. 柏继云.哈尔滨工业大学 2013
[2]蚁群觅食仿真和动画的研究[D]. 孟志刚.中南大学 2011
硕士论文
[1]基于信息素通信的群机器人觅食行为研究[D]. 方兴.山东大学 2019
[2]复杂环境下多机器人路径规划方法研究[D]. 李东正.哈尔滨工程大学 2015
[3]动态环境下多移动机器人路径规划研究[D]. 柯星.电子科技大学 2013
本文编号：3602955
【文章来源】：武汉科技大学湖北省
【文章页数】：55 页
【学位级别】：硕士
【部分图文】：
蜜蜂建造巢穴
武汉科技大学硕士学位论文1第1章绪论1.1研究背景及意义随着机器人半导体和微电子技术的发展，各种各样的中小型机器人广泛应用于生产和生活中。单机器人由于受机器人负载、计算能力、传感器性能、功耗问题等因素的影响，在完成某些复杂任务时往往效果不好，且成本相对较高[1]。相比于单机器人，群体机器人具有使用分布式控制算法执行复杂任务的潜力，群体机器人设计相对简单，硬件成本低，不会产生单点故障。群体机器人通过分工合作，分解简化了复杂任务，通过一系列子任务的完成达到解决复杂问题的目的，提高了工作效率。但是，使用群体机器人执行复杂任务的过程中，依然存在许多问题，如何找出影响群机器人自组织行为的演化规律，提出群体机器人自组织行为的预测与控制方法，给一群简单的机器人编程，并在此基础上赋予它们基本的运动能力和稳定的交互能力。自然界中蜜蜂建造精美的巢穴、鱼群抱团躲避天敌、鸟群结队迁徙、蚁群搜寻并搬运比自己身体大数倍的食物等等，这些群居生物展现出的群体智慧和群体能力，远远超过了个体，生物的自组织行为赋予了群体生物协作执行复杂任务的能力，相关研究人员由此得到启发，在算法领域总结并改进了许多在没有集中控制和全局信息情况下求解复杂分布式问题的群体智能算法，在机器人领域衍生出“群体机器人学”这一新的研究方向。在群体智能算法中，较为经典的有粒子群算法和蚁群算法，而且，近年来相关学者不断提出算法，例如细菌觅食优化算法、混合蛙跳算法、萤火虫算法等。图1.1蜜蜂建造巢穴图1.2鱼群躲避天敌
鸟群结队迁徙
【参考文献】：
期刊论文
[1]基于改进蚁群算法的移动机器人动态路径规划[J]. 王雷,石鑫. 南京理工大学学报. 2019(06)
[2]群体智能2.0研究综述[J]. 赵健,张鑫褆,李佳明,贺晨. 计算机工程. 2019(12)
[3]基于双层蚁群算法和动态环境的机器人路径规划方法[J]. 许凯波,鲁海燕,黄洋,胡士娟. 电子学报. 2019(10)
[4]基于改进A*算法的三维无人机路径规划[J]. 马云红,张恒,齐乐融,贺建良. 电光与控制. 2019(10)
[5]室内复杂环境下多旋翼无人机动态路径规划[J]. 韩忠华,毕开元,杨丽英,吕哲. 中国惯性技术学报. 2019(03)
[6]基于改进蚁群算法的移动机器人全局路径规划[J]. 占伟,屈军锁,芦鑫,侯磊超. 现代电子技术. 2018(24)
[7]群体机器人技术及其在军事上的应用[J]. 谭营. 国防科技. 2016(01)
[8]基于分层的改进A算法在路径规划中的应用[J]. 钱红昇,葛文锋,钟鸣,葛铭. 计算机工程与应用. 2014(07)
[9]基于方向信息素协调的蚁群算法[J]. 孟祥萍,片兆宇,沈中玉,苑全德. 控制与决策. 2013(05)
[10]A*路径规划算法的改进及实现[J]. 谭宝成,王培. 西安工业大学学报. 2012(04)
博士论文
[1]蚁群优化算法及觅食行为模型研究[D]. 柏继云.哈尔滨工业大学 2013
[2]蚁群觅食仿真和动画的研究[D]. 孟志刚.中南大学 2011
硕士论文
[1]基于信息素通信的群机器人觅食行为研究[D]. 方兴.山东大学 2019
[2]复杂环境下多机器人路径规划方法研究[D]. 李东正.哈尔滨工程大学 2015
[3]动态环境下多移动机器人路径规划研究[D]. 柯星.电子科技大学 2013
本文编号：3602955
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3602955.html
