基于改进果蝇算法的多机器人路径规划

发布时间：2022-07-03 22:29

　　机器人路径规划技术是机器人导航中的一项关键技术,是机器人执行各种任务的前提和基础,在制造业、服务业、军事等方面都有广泛的应用,研究此项技术具有重要的理论意义和实际应用意义。机器人路径规划问题是指依照特定的评估标准（如时间最少、路径最短或者工作代价最小等）在具有各种障碍物的运动环境中寻求一条最优的从起始位置到目标位置的安全路径。这项技术可以建模为一个优化问题。多机器人路径规划问题的一种解决方法是采用路径规划器顺次为每个机器人规划路径,且后一机器人在考虑已规划的前一机器人的路径的基础上规划自己的路径,进而完成所有机器人的路径规划。本文旨在利用果蝇算法解决多机器人的路径规划问题,通过调研已存在的多机器人路径规划方法、果蝇优化算法（fruit fly optimization algorithm,FOA）的思想和原理、单机器人及多机器人的路径规划问题,提出融合均值学习和步长变化的果蝇算法和基于改进果蝇算法和三次样条（improved fruit fly optimization algorithm and cubic spline,IFOA-CS）的单机器人路径规划方法,并设计基于单机器人路径... 

【文章页数】：57 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究目的和意义
    1.2 国内外研究现状
        1.2.1 多机器人路径规划方法的研究概况
        1.2.2 果蝇算法的研究概况
    1.3 论文的创新点与章节安排
        1.3.1 论文的创新点
        1.3.2 论文章节安排
第2章 多机器人路径规划相关方法及理论
    2.1 路径规划方法
        2.1.1 传统路径规划方法
        2.1.2 智能路径规划方法
    2.2 多机器人系统的体系结构
        2.2.1 集中式规划
        2.2.2 分布式规划
        2.2.3 分层式规划
    2.3 果蝇算法在路径规划中的应用
    2.4 本章小结
第3章 融合均值学习和步长变化的果蝇算法
    3.1 群智能算法和果蝇算法
        3.1.1 群智能算法
        3.1.2 果蝇算法
    3.2 融合均值学习和步长变化的果蝇算法(AL-SC-FOA)
        3.2.1 变步长的个体搜索策略
        3.2.2 平均值学习策略
    3.3 AL-SC-FOA的试验测试和分析
        3.3.1 实验设置
        3.3.2 仿真结果比较与分析
    3.4 本章小结
第4章 基于改进果蝇算法和虚拟障碍物的多机器人路径规划
    4.1 最优化理论和问题描述
        4.1.1 最优化理论
        4.1.2 环境建模和问题描述
    4.2 基于改进果蝇算法和虚拟障碍物的多机器人路径规划方法
        4.2.1 果蝇算法的改进策略
        4.2.2 基于IFOA-CS的路径规划方法
        4.2.3 基于IFOA-CS和VO的多机器人路径规划方法
    4.3 仿真结果与分析
        4.3.1 单机器人路径规划
        4.3.2 多机器人路径规划
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
硕士学位期间学术论文及研究成果



本文编号：3655765