針對基本粒子群算法在路徑規(guī)劃時易陷入局部最優(yōu)、規(guī)劃路徑較長等問題,提出了改進粒子群算法對移動機器人進行路徑規(guī)劃。首先使用MAKLINK圖建立移動機器人的工作空間模型,然后采用Dijkstra算法搜索從起始位置到目標(biāo)位置的全局次優(yōu)無碰撞路徑,最后將指數(shù)變量權(quán)重加入改進的粒子群算法中對次優(yōu)路徑進行優(yōu)化,找到最短路徑。與基本粒子群算法不同,改進粒子群算法中粒子不是向最優(yōu)的粒子學(xué)習(xí),而是向適應(yīng)度值優(yōu)于平均適應(yīng)度值的粒子學(xué)習(xí),并對低于平均適應(yīng)度值的粒子進行變異處理。該方法能夠提高粒子的多樣性,避免粒子陷入局部最優(yōu)。仿真結(jié)果驗證了所提出的改進粒子群算法的有效性。 

【文章來源】：鄭州大學(xué)學(xué)報(理學(xué)版). 2020,52(01)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

基于自由凸多邊形的MAKLINK圖

圖1 基于自由凸多邊形的MAKLINK圖由于Dijkstra算法得到的機器人全局次優(yōu)路徑是沿著自由鏈路中心的連線行走，而不是在整個網(wǎng)絡(luò)路徑上行走。因此，該算法得到的并不是整個路徑規(guī)劃空間的最短路徑。下一節(jié)將采用PSO算法對獲得的次優(yōu)路徑進行二次優(yōu)化，從而得到全局最優(yōu)路徑。

收斂性能對比結(jié)果如圖3所示�？梢钥闯�，在單峰函數(shù)Rosenbrock和多峰函數(shù)Griewwank下，SAPSO算法比BPSO算法具有更快的收斂速度。圖4 基于3種算法得到的全局最優(yōu)路徑


本文編號：3324712