本文基于禁忌搜索算法和Dijkstra算法提出一種啟發(fā)式算法,在改進(jìn)禁忌搜索算法中,選擇一系列搜索方向作為試探方向,選擇讓目標(biāo)函數(shù)具有更大選擇性的可行解為下一初始點(diǎn),并更新禁忌域以此尋找最優(yōu)點(diǎn)。在改進(jìn)Dijkstra算法中,通過(guò)對(duì)校正點(diǎn)采用永久和臨時(shí)標(biāo)號(hào)的方式,通過(guò)先遍歷還沒(méi)有最短路中的校正點(diǎn),選出一個(gè)距離最近已經(jīng)在最短路集合中的校正點(diǎn),并把它加入到最短路中,時(shí)刻更新最短路,直到所有可行校正點(diǎn)都加入到最短路中。通過(guò)不斷的賦值并更新初始點(diǎn),尋找下一可行域中滿(mǎn)足水平校正和垂直校正約束的校正點(diǎn),最后在兩種可行解中選取最優(yōu)解,用于極小化航跡長(zhǎng)度和校正次數(shù)加權(quán)和。 

【文章頁(yè)數(shù)】：1 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]Path planning for mobile robot using self-adaptive learning particle swarm optimization[J]. Guangsheng LI,Wusheng CHOU.  Science China（Information Sciences）. 2018(05)
[2]基于變步長(zhǎng)稀疏A*搜索和MPC的多無(wú)人機(jī)層次化協(xié)同航跡規(guī)劃[J]. 薄寧,李相民,代進(jìn)進(jìn),唐嘉鈺.  指揮控制與仿真. 2018(02)



本文編號(hào)：3647650