人工蜂群算法的改进及其在机器人路径规划中的应用研究
发布时间：2020-12-15 07:45
近年来,随着网购行业的迅猛发展以及智慧物流的应用,移动机器人行业随之发展。据不完全统计,截至2018年国内生产移动机器人的企业超过120万家。机器人在各个邻域的广泛应用,机器人的路径规划问题也成为国内外学者关注的热点。在如今的互联网大环境下,机器智能、群体智能等相互辅助,形成了多方融合的群智空间。目前,基于群体智能的机器人路径规划问题仍然存在着受环境模型及准确度影响较大、规避障碍物等难题。人工蜂群算法是近些年群体智能领域发展起来的模仿蜜蜂采蜜行为的一种优化算法,一是操作简单、易于实现,二是控制参数少,三是有良好的搜索特性,人工蜂群算法在实际应用中展示了其高效性和实用性。本文首先研究了人工蜂群算法在国内外的发展现状,分析了人工蜂群算法的思想和原理,总结了不足及可能发展的方向;其次,结合聚类算法思想及在邻域搜索时的动态步长,本文提出了基于K-MEANS算法和邻域动态搜索的改进人工蜂群算法（KD-ABC）,并通过实验仿真验证了 KD-ABC算法的有效性;最后将改进的人工蜂群算法KD-ABC应用到机器人路径规划研究中,通过对物理空间进行环境建模,本文利用KD-ABC算法规划出最优路径,一定程度...
【文章来源】：中央民族大学北京市 211工程院校 985工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２－丨蜜蜂采蜜行为示意图??图（２－１）中，蜂箱中的摇摆舞区是蜜蜂进行信息分享的重要场地，引领蜂在此通过摇摆??舞分享蜜源等信息，其中摇摆舞的时间长短代表了蜜源的收益率大小
蜜源。??／■?＂??????．?广?￣ｒ１ｒ，ｒ＇ｒ?＇?－?－?＼?－－－－－－－Ｔ－－?ｎ－ｒ?－?＇－－－）??飯原？ｆｔｗｅｇｗ?未＿佣的黯??Ｖ???，，，?．?，?．，?Ｖ?Ｖ?，?，?｜．．．．．．．?Ｊ?Ｖ??乂：．二…Ｊｒｒ?）??Ｋ?ｍｉｍｍ?ｙ??ｒ７＝?－?＾?＾??鐘勿源招题蜂放隸飾源??Ｖ?■＞??？??Ｋ?行为模座?＾??图２－２蜂群群体智慧的最小搜索模型??图（２－２）是蜂群群体智慧的抽象出来的搜索模型，主要有组成要素和行为模型两大类。??其中组成要素包含三种：食物源、被雇佣的蜜蜂和未被雇佣的蜜蜂，行为模型有两种：为??食物源招募蜜蜂、放弃食物源。??初始时刻，种群由引领蜂和跟随蜂组成，数量相同，均占蜂群数量的一半。其中，引??领蜂的数量与蜜源数量相同。公式（２－１）是初始化蜜源位置。??？＝ｏ＿（ｄｎ）?（２？”??式中ｒ是区间［０，?１］上的随机数，ｘ：Ｔ和；ｃＴ１是区域空间内第ｄ维上的下边界和上边界。??引领蜂飞出蜂巢，在对应食物源周围进行邻域搜索，搜索前后比较食物源的适应度值，??利用贪婪算法选择较优的一个；回到蜂巢后，引领蜂将蜜源信息传递给跟随蜂，跟随蜂根??据引领蜂的蜜源信息，选择优秀的蜜源进行跟随。??跟随蜂选择哪个引领蜂进行跟随与引领蜂所对应的蜜源量相关，即选择跟随的概率与??蜜源的适应度值成正比。蜜源越丰富，跟随蜂选择跟随的概率越大。随后跟随蜂在此在蜜??源附近进行再次进行邻域搜索和贪婪选择。??设力／批，是优化问题的目标函数，若优化
３、ｗｈｉｌｅ（ｃｙｃｌｅ?＜?Ｍａｘｉｍｕｍ）！??３．１?ｎ?Ｅｍｐｌｏｙｅｄ?Ｂｅｅｓ?Ｐｈａｓｅ；??／／引领蜂（Ｅｍｐｌｏｙｅｄ?Ｂｅｅｓ）出发去蜜源，计算现存蜜源的浓度值??３．２＾?Ｏｎｌｏｏｋｅｒ?Ｂｅｅｓ?Ｐｈａｓｅ；??／／跟随者（Ｏｎｌｏｏｋｅｒ?Ｂｅｅｓ）贪婪算法选择蜜源，邻域搜索??３．３、Ｓｃｏｕｔ?Ｂｅｅｓ?Ｐｈａｓｅ；??／／拋弃某些蜜源，侦查蜂（Ｓｃｏｕｔ?ｂｅｅｓ）出发，邻域搜索，寻找可能的新蜜源??３．４、Ｍｅｍｏｒｉｚｅ?ｔｈｅ?ｂｅｓｔ?ｓｏｌｕｔｉｏｎ；??／／记录最优蜜源??｝??４、输出最优解。??Ｃ＾）????Ｉ????初始化参数及蜜源位罝??引领蝰阶段￣￣１＾???跟随蝰阶段Ｉ?Ｎ??一?＋?乂??侦查蝰阶段??记录最优解??ｔ?＇??Ｙ???Ｘ???输出最优解??（结束）??图２－３原始人工蜂群算法流程图??第二节聚类算法??聚类算法［４３］又称为群分析方法，是一种数据挖掘邻域的统计分析方法，主要针对于分??９??
本文编号：2917924
【文章来源】：中央民族大学北京市 211工程院校 985工程院校
【文章页数】：58 页
【学位级别】：硕士
【部分图文】：
图２－丨蜜蜂采蜜行为示意图??图（２－１）中，蜂箱中的摇摆舞区是蜜蜂进行信息分享的重要场地，引领蜂在此通过摇摆??舞分享蜜源等信息，其中摇摆舞的时间长短代表了蜜源的收益率大小
蜜源。??／■?＂??????．?广?￣ｒ１ｒ，ｒ＇ｒ?＇?－?－?＼?－－－－－－－Ｔ－－?ｎ－ｒ?－?＇－－－）??飯原？ｆｔｗｅｇｗ?未＿佣的黯??Ｖ???，，，?．?，?．，?Ｖ?Ｖ?，?，?｜．．．．．．．?Ｊ?Ｖ??乂：．二…Ｊｒｒ?）??Ｋ?ｍｉｍｍ?ｙ??ｒ７＝?－?＾?＾??鐘勿源招题蜂放隸飾源??Ｖ?■＞??？??Ｋ?行为模座?＾??图２－２蜂群群体智慧的最小搜索模型??图（２－２）是蜂群群体智慧的抽象出来的搜索模型，主要有组成要素和行为模型两大类。??其中组成要素包含三种：食物源、被雇佣的蜜蜂和未被雇佣的蜜蜂，行为模型有两种：为??食物源招募蜜蜂、放弃食物源。??初始时刻，种群由引领蜂和跟随蜂组成，数量相同，均占蜂群数量的一半。其中，引??领蜂的数量与蜜源数量相同。公式（２－１）是初始化蜜源位置。??？＝ｏ＿（ｄｎ）?（２？”??式中ｒ是区间［０，?１］上的随机数，ｘ：Ｔ和；ｃＴ１是区域空间内第ｄ维上的下边界和上边界。??引领蜂飞出蜂巢，在对应食物源周围进行邻域搜索，搜索前后比较食物源的适应度值，??利用贪婪算法选择较优的一个；回到蜂巢后，引领蜂将蜜源信息传递给跟随蜂，跟随蜂根??据引领蜂的蜜源信息，选择优秀的蜜源进行跟随。??跟随蜂选择哪个引领蜂进行跟随与引领蜂所对应的蜜源量相关，即选择跟随的概率与??蜜源的适应度值成正比。蜜源越丰富，跟随蜂选择跟随的概率越大。随后跟随蜂在此在蜜??源附近进行再次进行邻域搜索和贪婪选择。??设力／批，是优化问题的目标函数，若优化
３、ｗｈｉｌｅ（ｃｙｃｌｅ?＜?Ｍａｘｉｍｕｍ）！??３．１?ｎ?Ｅｍｐｌｏｙｅｄ?Ｂｅｅｓ?Ｐｈａｓｅ；??／／引领蜂（Ｅｍｐｌｏｙｅｄ?Ｂｅｅｓ）出发去蜜源，计算现存蜜源的浓度值??３．２＾?Ｏｎｌｏｏｋｅｒ?Ｂｅｅｓ?Ｐｈａｓｅ；??／／跟随者（Ｏｎｌｏｏｋｅｒ?Ｂｅｅｓ）贪婪算法选择蜜源，邻域搜索??３．３、Ｓｃｏｕｔ?Ｂｅｅｓ?Ｐｈａｓｅ；??／／拋弃某些蜜源，侦查蜂（Ｓｃｏｕｔ?ｂｅｅｓ）出发，邻域搜索，寻找可能的新蜜源??３．４、Ｍｅｍｏｒｉｚｅ?ｔｈｅ?ｂｅｓｔ?ｓｏｌｕｔｉｏｎ；??／／记录最优蜜源??｝??４、输出最优解。??Ｃ＾）????Ｉ????初始化参数及蜜源位罝??引领蝰阶段￣￣１＾???跟随蝰阶段Ｉ?Ｎ??一?＋?乂??侦查蝰阶段??记录最优解??ｔ?＇??Ｙ???Ｘ???输出最优解??（结束）??图２－３原始人工蜂群算法流程图??第二节聚类算法??聚类算法［４３］又称为群分析方法，是一种数据挖掘邻域的统计分析方法，主要针对于分??９??
本文编号：2917924
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2917924.html
