改进微粒群算法在机器人路径规划中的应用.pdf

改进微粒群算法在机器人路径规划中的应用.pdf

ID:51498874

大小:923.04 KB

页数:5页

时间:2020-03-25

改进微粒群算法在机器人路径规划中的应用.pdf_第1页
改进微粒群算法在机器人路径规划中的应用.pdf_第2页
改进微粒群算法在机器人路径规划中的应用.pdf_第3页
改进微粒群算法在机器人路径规划中的应用.pdf_第4页
改进微粒群算法在机器人路径规划中的应用.pdf_第5页
资源描述:

《改进微粒群算法在机器人路径规划中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第28卷第8期计算机仿真2011年8月文章编号:1006—9348(2011)08—0167—03改进微粒群算法在机器人路径规划中的应用李巍,王改云(桂林电子科技大学,广西桂林541004)摘要:研究机器人路径规划问题,是为了设定合理最短路径、最快速度、小能耗的优化路径。由于目前微粒群算法应用在路径规划中易陷入局部最优、搜索时间长等缺点,在微粒群算法基础上,提出一种引入了交叉算子和变异算子的改进算法进行路径规划设计,并采用栅格法对机器人实际运动环境进行三维空间建模。在微粒群算法中引入交叉算子,使成对的粒子可以进行信息交换,以便粒子具有了向新的搜索宅问1毛行

2、的能力;同时引入变异算子,使其坐标值被随机更新,增强了微粒群算法跳出局部最优点的能力。仿真结果表明改进算法简单有效,收敛速度快且具有优秀的搜索能力,为优化机器人路径规划性能提供了依据。关键词:路径规划;微粒群算法;交叉算子;变异算子中图分类号:TF301.6文献标识码:AApplicationofImprovedPSOinRoboticPathPlanningLIWei.WANGGai—yun(GuilinUniversityofElectronicTechnology,GuilinGuangxi541004,China)ABSTRACT:Traditio

3、nalpathplanningofmobilerobotsiseasytogetintolocalminimumandneedsalongsearchingtime.WeproposedallimprovedPSOtodesignpathplanningbyaddingcrossoveroperatorandmutationoperatortoparticlesofthebasicalgorithm.Inthispaper,weusethe刚dmethodtodecomposethree—dimensionalspaceoftherobotpathtobu

4、ildthepathspacemodel.Itcanmakethepairsofparticlesinthealgorithmexchangeinformationbyleadingcrossoveroperatorintothebasicparticleswarnlalgorithminordertomakeithavethenewabilitytoflytothesearchspace.PullingthemutationoperatorinbasicparticleswmqtnalgorithmtoenhancethePSOalgorithm'sca

5、pacityofgettingoutoflocaloptimal.Simulationresultsshowthattheimprovedalgorithmissimpleandeffective,conver-genceisfastandhasgoodsearchcapability,andalsohasastrongabilityofadaptingthechangesoftherobot'swork·spaceandmoreadvantagethanthebasictx30algorithm..KEYWORDS:Pathplanning;PSO;Cr

6、ossoveroperator;Mutationoperatorl引言移动机器人路径规划问题是人工智能与机器人学相结合的一个重要内容。它的任务就是使机器人在其工作环境中能够自主的从起始点运动到目标点,同时满足一定的约束条件。约束条件包括:不与已知障碍物发生碰撞;尽量远离障碍物;运动路径最短;费时最短;机器人耗费能量最小;必须经过设定点,等等。因此,本质上来说,移动机器人路径规划问题可以看作是一个有条件约束的优化问题。随着研究的深入,各种新的路径规划方法层出不穷,使路径规划研究一直活跃在机器人学领域。研究者们已经找收稿日期:2010一05—3l修回日期:20

7、10—07—24出许多方法来解决移动机器人的路径规划问题。针对不同的路径规划情况,基于不同的基本思想,有多种算法出现,包括有栅格法、人工势场法(APF)、臭虫法(BUG)、随机位图法(PRM)、快速随机树(RRT)、神经网络法(NN)、蚁群算法(SWARM)等等。然而这些算法都是以牺牲避障安全、最优路径长度等方面为代价的。传统的路径规划方法其它大部分也都是基于上述几种基本方法进行的,在搜索效率以及最优化能力等方面仍然存在各自的缺陷”j。随着蚁群算法(ACO)、微粒群算法(PSO)、遗传算法(GA)等智能算法的提出,机器人路径规划算法得到了很大的发展。通过这

8、螳方法在路径规划中的应用,使得机器人更加的智能,其运行路径也更加逼

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。