針對粒子群優(yōu)化（PSO）算法存在的優(yōu)化精度低以及早熟的缺點,提出一種改進的PSO算法用于機器人路徑規(guī)劃.根據(jù)梯度下降法中變量沿負梯度方向變化的原則,提出了改進的粒子速度更新模型.為了提高粒子的搜尋效率及精度,增加了自適應粒子位置更新系數(shù).引入ε貪心策略設計了改進的粒子群優(yōu)化算法.在部分優(yōu)化測試函數(shù)上的多次試驗結果表明,所提算法較其他算法模型搜索精度至少提高2倍,收斂速度也有大幅度的提升.將所提算法和改進的DC-HPSO（動態(tài)聚類混合粒子群優(yōu)化）算法應用于靜態(tài)障礙物下的路徑規(guī)劃仿真和實際試驗,結果表明所提模型具有高精度、高效率、高成功率的優(yōu)點. 

【文章來源】：機器人. 2020,42(01)北大核心EICSCD

【文章頁數(shù)】：8 頁

【參考文獻】：
期刊論文
[1]基于改進A*算法的移動機器人路徑規(guī)劃[J]. 趙曉,王錚,黃程侃,趙燕偉.  機器人. 2018(06)
[2]基于改進遺傳算法的自動導引小車路徑規(guī)劃及其實現(xiàn)平臺[J]. 劉二輝,姚錫凡.  計算機集成制造系統(tǒng). 2017(03)
[3]基于勢場蟻群算法的移動機器人全局路徑規(guī)劃方法[J]. 劉建華,楊建國,劉華平,耿鵬,高蒙.  農業(yè)機械學報. 2015(09)
[4]基于生物啟發(fā)模型的AUV三維自主路徑規(guī)劃與安全避障算法[J]. 朱大奇,孫兵,李利.  控制與決策. 2015(05)
[5]移動機器人路徑規(guī)劃方法研究[J]. 曲道奎,杜振軍,徐殿國,徐方.  機器人. 2008(02)



本文編號：3522637