增强蚁群算法的机器人最优路径规划

被引：9

作者：

齐勇 ^{[1
,2
]}

魏志强 ^{[2
]}

殷波 ^{[2
]}

费云瑞 ^{[2
]}

于忠达 ^{[2
]}

庄晓东 ^{[2
]}

机构：

[1] 山东省科学院海洋仪器仪表研究所

[2] 中国海洋大学计算机科学系

来源：

哈尔滨工业大学学报 | 2009年 / 41卷 / 03期

关键词：

增强学习; 增强势场; 蚁群算法; 最优路径;

D O I：

暂无

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.

引用

页码：130 / 133

页数：4

共 6 条

[1] 未知环境下移动机器人路径规划方法 [J].

石鸿雁 ;

孙茂相 ;

孙昌志 .

沈阳工业大学学报, 2005, (01) :63-69

[2] 复杂环境中基于人工势场优化算法的最优路径规划 [J].

庄晓东 ;

孟庆春 ;

高云 ;

杨少军 ;

张继军 ;

齐勇 .

机器人, 2003, (06) :531-535

[3] 基于蚁群算法的自由飞行空间机器人路径规划 [J].

金飞虎 ;

洪炳熔 ;

高庆吉 .

机器人, 2002, (06) :526-529

[4] 基于强化学习的智能机器人避碰方法研究 [J].

张汝波 ;

周宁 ;

顾国昌 ;

张国印 .

机器人, 1999, (03) :45-50

[5]

Multiagent reinforcement learning:an approach based on the other agent‘s internal model .2 Nagayuki Y,Ishii S,Doya K. Proceedings of the IEEE5th International Conference on Multi Agent Systems . 2000

[6]

The Vector Field Histogram-Fast Obstacle Avoidance for Mobile Robots .2 BORENSTEIN J,KOREN Y. IEEE Journal of Robotics and Automation . 1991

← 1 →