改进粒子群算法的移动机器人平滑路径规划

被引：54

作者：

陈嘉林 ^{[1
]}

魏国亮 ^{[2
]}

田昕 ^{[1
]}

机构：

[1] 上海理工大学光电信息与计算机工程学院

[2] 上海理工大学理学院

来源：

小型微型计算机系统 | 2019年 / 40卷 / 12期

关键词：

自适应粒子群算法; Bezier曲线; 种群进化; 初始化策略; 罚函数;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP242 [机器人];

学科分类号：

140102 [集成电路设计与设计自动化]; 140502 [人工智能];

摘要：

针对粒子群(PSO)算法在解决移动机器人平滑路径规划问题中出现的早熟现象,本文提出了一种基于种群进化状态的自适应粒子群算法(ES-PSO).本方法在不损害PSO算法快速收敛特性的前提下,通过粒子当前位置来判定种群动态进化状态,从而合理有效地评估种群进化能力.最后,根据具体应用场景,提出粒子初始化策略和带有惩罚函数的适应值函数优化策略,并应用所提改进粒子群算法和Bezier曲线方法解决移动机器人平滑路径规划问题.实验结果表明,该算法与传统算法相比较能够快速准确地寻找到机器人的平滑最优路径.

引用

页码：2550 / 2555

页数：6

共 8 条

[1]

三维场景中实时路径规划优化算法 [J].

郑红波 ;

左少华 ;

程燕飞 ;

秦绪佳 ;

张美玉 ;

徐晓刚 .

小型微型计算机系统, 2019, 40 (03) :660-664

[2]

一种带有二维扰动和自适应学习因子的粒子群算法 [J].

王磊 ;

王行甫 ;

苗付友 .

小型微型计算机系统, 2018, 39 (11) :2353-2357

[3]

基于PSO和三次样条插值的多机器人全局路径规划 [J].

强宁 ;

高洁 ;

康凤举 .

系统仿真学报 , 2017, (07) :1397-1404

[4]

一种改进的全局粒子群优化算法 [J].

王皓 ;

欧阳海滨 ;

高立群 .

控制与决策, 2016, (07) :1161-1168

[5]

一种动态改变惯性权重的自适应粒子群算法 [J].

张顶学 ;

关治洪 ;

刘新芝 .

控制与决策 , 2008, (11) :1253-1257

[6]

Path planning for intelligent robot based on switching local evolutionary PSO algorithm [J].

Zeng, Nianyin ;

Zhang, Hong ;

Chen, Yanping ;

Chen, Binqiang ;

Liu, Yurong .

ASSEMBLY AUTOMATION, 2016, 36 (02) :120-126

[7]

Event-triggered H ∞ state estimation for discrete-time stochastic genetic regulatory networks with Markovian jumping parameters and time-varying delays.[J].Qi Li;Bo Shen;Yurong Liu;Fuad E. Alsaadi.Neurocomputing.2016,

[8]

Multiple objective genetic algorithms for path-planning optimization in autonomous mobile robots [J].

Castillo, Oscar ;

Trujillo, Leonardo ;

Melin, Patricia .

SOFT COMPUTING, 2007, 11 (03) :269-279

← 1 →