移动机器人全局路径规划的模拟退火-教与学优化算法

被引：16

作者：

吴宗胜

傅卫平

机构：

[1] 西安理工大学机械与精密仪器工程学院

来源：

机械科学与技术 | 2016年 / 35卷 / 05期

关键词：

移动机器人; 路径规划; 模拟退火; 教与学优化; 最优路径;

D O I：

10.13433/j.cnki.1003-8728.2016.0504

中图分类号：

TP242 [机器人];

学科分类号：

140102 [集成电路设计与设计自动化];

摘要：

提出一种新的基于模拟退火-教与学优化(SA-TLBO)算法的移动机器人全局路径规划方法。进行环境地图建模,通过坐标变换在路径的起点与目标点之间建立新的环境地图;引入模拟退火思想对基本的教与学优化算法进行改进;利用改进的算法对路径目标函数进行优化得到一条全局最优路径。仿真实验结果表明,该方法具有极快的收敛速度和较高的搜索精度,以及较好的全局寻优能力,能有效解决机器人全局路径规划的优化问题。

引用

页码：678 / 685

页数：8

共 12 条

[1]

“教与学”优化算法研究综述 [J].

拓守恒 ;

雍龙泉 ;

邓方安 .

计算机应用研究, 2013, 30 (07) :1933-1938

[2]

基于粒子群优化算法的移动机器人全局路径规划 [J].

孙波 ;

陈卫东 ;

席裕庚 .

控制与决策, 2005, (09) :1052-1055+1060

[3]

基于栅格法的机器人路径规划蚁群算法 [J].

朱庆保 ;

张玉兰 .

机器人, 2005, (02) :132-136

[4]

基于模拟退火-人工势场法的足球机器人路径规划研究 [J].

张培艳 ;

吕恬生 .

机械科学与技术, 2003, (04) :547-548+555

[5]

Multi-objective quasi-oppositional teaching learning based optimization for optimal location of distributed generator in radial distribution systems.[J].Sneha Sultana;Provas Kumar Roy.International Journal of Electrical Power and Energy Systems.2014,

[6]

A modified teaching–learning based optimization for multi-objective optimal power flow problem.[J].Amin Shabanpour-Haghighi;Ali Reza Seifi;Taher Niknam.Energy Conversion and Management.2014,

[7]

A comparative study of a teaching–learning-based optimization algorithm on multi-objective unconstrained and constrained functions.[J].R. Venkata Rao;G.G. Waghmare.Journal of King Saud University - Computer and Information Sciences.2014, 3

[8]

Weighted Teaching-Learning-Based Optimization for Global Function Optimization.[J].Suresh Chandra Satapathy;Anima Naik;K. Parvathi.Applied Mathematics.2013, 03

[9]

Dynamic path planning of mobile robots with improved genetic algorithm [J].

Tuncer, Adem ;

Yildirim, Mehmet .

COMPUTERS & ELECTRICAL ENGINEERING, 2012, 38 (06) :1564-1572

[10]

A note on teaching–learning-based optimization algorithm.[J]..Information Sciences.2012,

← 1 2 →