基于改进型BP网络的自动寻路设计与实现.pdf

《基于改进型BP网络的自动寻路设计与实现.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、2013年11月计算机工程与设计Nove．2013第34卷第11期COMPUTERENGINEERINGANDDESIGNVo1．34No．11基于改进型BP网络的自动寻路设计与实现陈滔滔，李坤和，杜晓荣+(中山大学光电材料与技术国家重点实验室珠海实验室，广东珠海519082)摘要：针对静态环境下机器人的自动寻路问题，进行了研究与探索，设计了一类改进型BP神经网络。该网络在结构上以按功能分类的方式取代传统的分层模式，在权值的设置方面参照了组合逻辑电路的基本原理；分析了时序逻辑电路的信息记忆过程，从而进一步赋予神经网络良好的记忆特性；提出一种基于人类寻路思想的路径规划方法。实验结果表明

2、，通过将该寻路算法融入到改进的BP网络中，不仅使寻路的实现变得简单和方便，而且具有较高的实时性与适用性。关键词：自动寻路；BP神经网络；组合电路；时序电路；记忆特性；路径规埘中图法分类号：TP183文献标识号：A文章编号：1000—7024(2013)113988—08Designandimplementationofautomaticpath—findingbasedonimprovedBPneura1networkCHENTao—tao，LIKun-he，DUXiao—rong(StateKeyLaboratoryofOptoelectronicMaterialsandTechn

3、ologies，SunYat-SenUniversity，Zhuhai519082，China)Abstract：Theautomaticpathfindingproblemofrobotinstaticenvironmentisstudiedandexplored，akindofimprovedBPneu—ralnetworkisdesigned．Inthisnetwork，thetraditionalhierarchicalmodelisreplacedbyafunctionalclassificationmodel，andtheweightsaresetwithreferenc

4、etOthebasicprincipleofcombinationallogic．Atthesametime，theinformationmemoryprocessofsequentiallogicisanalyzedSOastogivetheneuralnetworkfinememorycharacteristic．Inaddition，apathplanningmethodbasedontheideathathowhumansfindwaysisproposed．Theresultshowsthattheimplementationofpath-findingnotonlybec

5、omessimpleandconvenient，butalsohashighreal—timeperformanceandusabilitywhenputtingthisalgorithmintotheimprovedBPneuralnetwork．Keywords：automaticpath-finding；BPneuralnetwork；combinationallogic；sequentiallogic；memorycharacteristic；pathplan—ning便于实时性的实现。后者的典型算法有人工势场法、模拟O引言退火算法等，实时性较强，但却存在收敛速度慢或易陷入寻

6、路问题是各类游戏中角色寻路、移动机器人路径规局部最优解等缺陷¨3]。划等多个领域所涉及的主要内容[1]，相关算法的研究与应另一方面，随着人工智能技术的兴起和发展，智能仿用也是长期以来人们所关注的焦点。寻路成功的关键之处生学在路径规划中的作用愈来愈明显。作为其中的代表，在于合理的路径规划。对于障碍物静止、运动空间确定的神经网络被广泛地应用于机器人自主导航和寻路等方面。静态环境，其路径规划可分为场景建模和路径搜索两个步然而，其本身具有训练时间长、泛化能力差等不足，因此骤。场景的建模通常采用栅格法，即用编码的方格来表征常和其他算法交互使用l_3]。本文介绍的寻路方法是在栅格地图，而具体的路

7、径搜索方案可分为全局规划和局部规划法建立的环境模型下，从结构和权值设置的角度对传统BP两种_2]。前者的典型算法有Dijkstra算法、A*算法等，虽(backpropagation)网络进行了优化。然后针对神经网络高可得到最优路径，但当地图规模较大时，运算效率低，不速并行运算的特点_4]，我们提出一种基于逻辑判断和记忆收稿日期：201303—03；修订日期：2013—0506基金项目：2010年广东省大学生创新实验基金项目(1055810023)；广东省