基于改进蜘蛛群居算法的移动机器人路径规划方法研究

发布时间：2017-10-07 22:12

  本文关键词：基于改进蜘蛛群居算法的移动机器人路径规划方法研究

  更多相关文章： 改进蜘蛛群居算法 路径规划 协作 搜索能力

【摘要】：路径规划是移动机器人研究的重要领域之一,其优劣直接影响行径过程中机器人与周围环境的交互能力。常用的全局路径规划方法容易产生扩大空间时决策速度下降、死锁等问题,蜘蛛群居算法其收敛速度和搜索能力不佳,通过改进邻域搜索,改进全局搜索和婚配半径,来获得更优的收敛速度和搜索能力,迭代寻优时,通过模拟蜘蛛群体运动规律,即依据雌、雄蜘蛛的协作,相互吸引以及婚配过程进行信息交互,最终得到最优解。实验证明:改进蜘蛛群居算法,可以实现对移动机器人的路径规划,提高其搜索能力,避免在路径规划过程中陷入局部最优,相比于蜘蛛群居算法和粒子群算法,该算法优化后的最短路径和实际路径更优。
【作者单位】： 广西大学机械工程学院;
【关键词】： 改进蜘蛛群居算法 路径规划 协作 搜索能力
【基金】：2015“大创计划”国家级创新训练项目(201510593021)资助
【分类号】：TP18;TP242
【正文快照】： (201510593021)资助路径规划是移动机器人研究的重要领域之一,其优劣直接影响行径过程中机器人与周围环境的交互能力[1]。从目标范围角度可分为全局路径规划和局部路径规划。常用的全局路径规划方法容易产生扩大空间时决策速度下降、死锁等问题,随着人工智能技术在移动机器人

【相似文献】

中国期刊全文数据库 前10条

1 刘江华;戴新喜;白似雪;;基于模式矩阵的P_Matrix算法[J];南昌大学学报(理科版);2007年05期

2 陈焕文,谢丽娟,谢建平;一类值函数激励学习的遗忘算法[J];计算机研究与发展;2001年04期

3 杜荣华;姚刚;吴泉源;;蚁群算法在移动Agent迁移中的应用研究[J];计算机研究与发展;2007年02期

4 殷苌茗,陈焕文,谢丽娟;激励学习的广义平均算法及其收敛性[J];计算机工程与应用;2002年20期

5 段海滨;王道波;于秀芬;;蚁群算法的研究现状及其展望[J];中国工程科学;2007年02期

6 郑松;侯迪波;周泽魁;;动态调整选择策略的改进蚁群算法[J];控制与决策;2008年02期

7 马知也;施秋红;;猫群算法研究综述[J];甘肃广播电视大学学报;2014年02期

8 李娜;雷秀娟;;细菌觅食优化算法的研究进展[J];计算机技术与发展;2014年08期

9 拓守恒;;一种基于人工蜂群的高维非线性优化算法[J];微电子学与计算机;2012年07期

10 田炳丽;刘常波;解贵新;;旋转货架拣选作业优化的交叉蚁群算法求解[J];现代电子技术;2008年12期

中国重要会议论文全文数据库 前1条

1 王国胜;孙东红;;变步长LMS算法工程应用的探讨[A];江西省航空学会结构强度专业学术研讨会论文集[C];2012年

中国博士学位论文全文数据库 前9条

1 柏静;基于多种混合策略的人工蜂群算法改进研究[D];山东师范大学;2016年

2 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年

3 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

4 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年

5 吴擎;基于模式搜索的类电磁机制算法研究与应用[D];华中科技大学;2013年

6 宁爱平;人工蜂群算法及其在语音识别中的应用研究[D];太原理工大学;2013年

7 赵晶;量子行为粒子群优化算法及其应用中的若干问题研究[D];江南大学;2013年

8 马颖;基于量子计算理论的优化算法研究[D];西北工业大学;2014年

9 郑文斌;基于协作传输的群智能无线传感器网节点部署研究[D];哈尔滨工业大学;2014年

中国硕士学位论文全文数据库 前10条

1 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年

2 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年

3 李卓s，

本文编号：990345