為了進(jìn)一步提升基于人工蜂群（artificial bee colony,ABC）算法機(jī)器人路徑規(guī)劃的科學(xué)性,文章在建立路徑規(guī)劃實(shí)驗(yàn)?zāi)Ｐ突A(chǔ)上在ABC算法中引入了混沌映射產(chǎn)生初始解和反輪盤(pán)賭機(jī)制進(jìn)行并行選擇,提出等距分布式并行搜索,同時(shí)在全局更新機(jī)制中引入勢(shì)場(chǎng)作用,進(jìn)而得到了一種改進(jìn)人工蜂群的（improved artificial bee colony,IABC）算法。將IABC算法應(yīng)用于路徑規(guī)劃,并利用Taguchi正交試驗(yàn)選取實(shí)驗(yàn)參數(shù)值與目標(biāo)函數(shù)參數(shù)值進(jìn)行基于ABC算法與IABC算法的路徑規(guī)劃對(duì)比實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明,IABC算法規(guī)劃出的路徑質(zhì)量較佳,能夠提升規(guī)劃效率。 

【文章來(lái)源】：合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019,42(11)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖１柵格序列號(hào)示意圖

獲取來(lái)自引領(lǐng)蜂的路徑信息，依據(jù)ＩＡＢＣ算法并行選擇機(jī)制選定路徑。（５）跟隨蜂選定路徑后，按照與引領(lǐng)蜂相同的搜索規(guī)則對(duì)選定路徑進(jìn)行路徑更新。（６）按以上步驟進(jìn)行迭代，若路徑Ｘｉ連續(xù)ε次未更新，則舍棄路徑Ｘｉ，偵查蜂按（１６）式生成新路徑代替Ｘｉ，并重新開(kāi)始迭代。（７）判斷迭代次數(shù)是否達(dá)到Ｇ，若達(dá)到則輸出最優(yōu)路徑節(jié)點(diǎn)，依次連接節(jié)點(diǎn)，得到最優(yōu)路徑，否則返回步驟（３）繼續(xù)執(zhí)行。３．２實(shí)驗(yàn)環(huán)境設(shè)置仿真實(shí)驗(yàn)采用Ｍａｔｌａｂ編寫(xiě)代碼，初始化機(jī)器人運(yùn)動(dòng)環(huán)境如圖２所示。將環(huán)境劃分為１５×１５個(gè)柵格；機(jī)器人的起始點(diǎn)為柵格１，用符號(hào)○表示；目標(biāo)點(diǎn)為柵格２１１，用符號(hào)△表示；黑色部分為障礙物，白色部分為自由空間。圖２工作環(huán)境圖３．３Ｔａｇｕｃｈｉ參數(shù)設(shè)置將ＩＡＢＣ算法應(yīng)用到機(jī)器人路徑規(guī)劃，所涉及的參數(shù)較多，這些因素都對(duì)尋優(yōu)能力、收斂速度等有所影響。本節(jié)對(duì)基于ＩＡＢＣ算法的路徑規(guī)劃中的３個(gè)主要參數(shù)為：更新閾值ε、適應(yīng)度函數(shù)權(quán)值ｋ和路徑節(jié)點(diǎn)數(shù)Ｄ，運(yùn)用Ｔａｇｕｃｈｉ三因素三水平正交試驗(yàn)法進(jìn)行試驗(yàn)分析，以獲取最優(yōu)的因素水平組合來(lái)指導(dǎo)參數(shù)的設(shè)置。３．３．１Ｔａｇｕｃｈｉ方案正交表是正交試驗(yàn)設(shè)計(jì)的基本工具，是在運(yùn)用組合數(shù)學(xué)理論的正交拉丁方基礎(chǔ)上構(gòu)造的一種規(guī)格化的表格，其符號(hào)為Ｌｎ（ｊｉ），其中，Ｌ為正交表的代號(hào)；ｎ為正交表的行數(shù)，即試驗(yàn)次數(shù)；ｊ為正交表中的數(shù)碼，即各因素的水平數(shù)；ｉ為正交表的列數(shù)，即試驗(yàn)因素的個(gè)數(shù)。對(duì)基于ＩＡＢＣ算法路徑規(guī)劃中的３個(gè)主要參數(shù)為：更新閾值ε、適應(yīng)度函數(shù)權(quán)值ｋ以及路徑節(jié)點(diǎn)數(shù)Ｄ，本文將運(yùn)用Ｔａｇｕｃｈｉ正

，對(duì)指標(biāo)最短路徑來(lái)說(shuō)，Ａ是較次要因素，對(duì)指標(biāo)迭代次數(shù)來(lái)說(shuō)，Ａ是主要因素，故將Ａ３改為Ａ１，因此綜合平衡得出最優(yōu)因素水平組合為Ａ１Ｂ２Ｃ２。由此可知，在本文的仿真實(shí)驗(yàn)中設(shè)置更新閾值ε＝５、權(quán)值ｋ＝０．５以及路徑節(jié)點(diǎn)數(shù)Ｄ＝１０時(shí)尋優(yōu)效果最優(yōu)。３．４路徑規(guī)劃及其結(jié)果分析運(yùn)用前文設(shè)置實(shí)驗(yàn)環(huán)境和Ｔａｇｕｃｈｉ試驗(yàn)分析和經(jīng)驗(yàn)所設(shè)置的參數(shù)水平值分別使用ＡＢＣ算法和ＩＡＢＣ算法對(duì)移動(dòng)機(jī)器人的路徑進(jìn)行優(yōu)化，分別獨(dú)立運(yùn)行１０次得到２種算法搜索到的最優(yōu)路徑如圖３所示。為了更直觀(guān)地分析，本文實(shí)驗(yàn)得到的數(shù)據(jù)見(jiàn)表３所列。由表３可知，相同的環(huán)境和參數(shù)下，ＩＡＢＣ算法規(guī)劃的路徑比ＡＢＣ算法規(guī)劃得短，即路徑質(zhì)量更優(yōu)。ＩＡＢＣ算法運(yùn)行路徑的迭代結(jié)果方差遠(yuǎn)小于ＡＢＣ算法，說(shuō)明改進(jìn)算法更穩(wěn)定。ＩＡＢＣ算法達(dá)到穩(wěn)定時(shí)的迭代次數(shù)遠(yuǎn)少于ＡＢＣ算法，說(shuō)明ＩＡＢＣ算法具有較優(yōu)的全局尋優(yōu)能力，能夠提高尋優(yōu)的效率。因此，ＩＡＢＣ算法能夠更有效地解決移動(dòng)機(jī)器人路徑規(guī)劃問(wèn)題。（ａ）ＡＢＣ算法（ｂ）ＩＡＢＣ算法圖３２種算法搜索的最優(yōu)路徑表３實(shí)驗(yàn)結(jié)果對(duì)比指標(biāo)ＡＢＣ算法ＩＡＢＣ算法最短路徑長(zhǎng)度２２．９５１９．０４最長(zhǎng)路徑長(zhǎng)度３１．８３２２．１１平均路徑長(zhǎng)度２７．９４１９．３３標(biāo)準(zhǔn)差４．４１０．８９達(dá)到穩(wěn)定時(shí)的迭代次數(shù)２８１４７４結(jié)論為了進(jìn)一步提升算法的尋優(yōu)效率和尋優(yōu)質(zhì)量，本文提出了一種ＩＡＢＣ算法，并將ＩＡＢＣ算法應(yīng)用于移動(dòng)機(jī)器人路徑規(guī)劃中，利用Ｔａｇｕｃｈｉ正交試驗(yàn)設(shè)計(jì)法選取實(shí)驗(yàn)參數(shù)值，進(jìn)行基于ＡＢＣ算法與ＩＡＢＣ算法的路徑規(guī)劃對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明


本文編號(hào)：3388438