本文關(guān)鍵詞： 人工魚群算法 移動(dòng)機(jī)器人 路徑規(guī)劃 差分進(jìn)化算法 無(wú)人機(jī)　出處：《大連海事大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：路徑規(guī)劃問(wèn)題是移動(dòng)機(jī)器人技術(shù)的相關(guān)研究熱點(diǎn)之一。該問(wèn)題具有復(fù)雜性、約束性及非線性的特點(diǎn),具有一定的求解難度。各種智能算法的相繼提出,為機(jī)器人路徑規(guī)劃問(wèn)題的較好求解提供了有效的途徑。本文采用群智能算法的求解策略。首先提出一種高效的優(yōu)化算法。以較為新穎的人工魚群算法為基礎(chǔ),為改善其易早熟、運(yùn)行效率低等缺陷,提出了一種基于差分進(jìn)化的并行自適應(yīng)人工魚群算法,其基本思路,一是采用并行計(jì)算,將種群分為兩個(gè)子群體,分別注重全局搜索與局部開發(fā),并采用不同參數(shù)的自適應(yīng)策略,兩者定期進(jìn)行信息交流,以提高群體多樣性及算法的收斂速度;二是采用混合策略,引入差分進(jìn)化,當(dāng)公告板狀態(tài)多次未得到更新時(shí),對(duì)種群進(jìn)行差分進(jìn)化操作,可避免算法陷入局部最優(yōu);三是對(duì)算法的行為選擇方式進(jìn)行改進(jìn),引入判定概率,使種群向全局最優(yōu)移動(dòng)的概率隨算法運(yùn)行逐漸增大,這樣既減少了算法運(yùn)算量又提高了算法后期的收斂速度。將所提算法應(yīng)用于經(jīng)典函數(shù)優(yōu)化問(wèn)題中,結(jié)果驗(yàn)證了其可行性和有效性,所提算法的收斂速度和尋優(yōu)精度得到了顯著提高。然后,將所提的算法應(yīng)用于機(jī)器人路徑規(guī)劃問(wèn)題之中。本文在該問(wèn)題的環(huán)境建模方面,提出了一種柵欄線數(shù)目的確定方法,同時(shí)在路徑評(píng)價(jià)函數(shù)中考慮了路徑長(zhǎng)度、平滑度和安全度等多個(gè)性能指標(biāo)。將所提算法應(yīng)用于機(jī)器人的全局路徑規(guī)劃,有障礙物不定時(shí)加入的路徑規(guī)劃和變動(dòng)目標(biāo)點(diǎn)的路徑規(guī)劃等多種情況下的問(wèn)題,所得路徑長(zhǎng)度、平滑度等指標(biāo)得到明顯改善,運(yùn)行效率得到極大提高。進(jìn)一一步,將其應(yīng)用于同屬機(jī)器人路徑規(guī)劃范疇的無(wú)人機(jī)航路規(guī)劃問(wèn)題之中,仿真結(jié)果表明,采用所提算法能夠得到一條避開威脅區(qū)域且長(zhǎng)度較短的優(yōu)化航路。研究表明所提算法在整體性能上有較大改進(jìn)和提高,在機(jī)器人路徑規(guī)劃問(wèn)題的多種工況仿真測(cè)試中,均有較好的可行性和有效性。本文工作為相關(guān)算法更好地求解路徑規(guī)劃等問(wèn)題,提供了啟發(fā)和借鑒,具有一定的理論意義和實(shí)用價(jià)值。
[Abstract]:Path planning is one of the research hotspots in mobile robot technology. It has the characteristics of complexity, constraint and nonlinearity, and it is difficult to solve. A variety of intelligent algorithms have been proposed one after another. It provides an effective way to solve the robot path planning problem. In this paper, an efficient optimization algorithm is proposed, which is based on a novel artificial fish swarm algorithm. A parallel adaptive artificial fish swarm algorithm based on differential evolution is proposed in order to improve its precocity and low running efficiency. The basic idea is to divide the population into two subpopulations by parallel computation. They pay attention to global search and local development, and adopt adaptive strategy of different parameters, and exchange information regularly between them to improve the diversity of population and the convergence speed of the algorithm. Second, the hybrid strategy is used to introduce differential evolution. When the bulletin board state is not updated many times, the population is operated by differential evolution, which can avoid the algorithm falling into local optimum. The third is to improve the behavior selection method of the algorithm and introduce the decision probability to make the probability of population moving to the global optimum increase gradually with the algorithm running. The proposed algorithm is applied to the classical function optimization problem, and the results verify its feasibility and effectiveness. The convergence speed and optimization accuracy of the proposed algorithm are improved significantly. Then, the proposed algorithm is applied to the robot path planning problem. A method for determining the number of fence lines is proposed, and the path length, smoothness and safety are considered in the path evaluation function. The proposed algorithm is applied to the global path planning of the robot. In many cases, such as path planning with obstacles and path planning of changing target points, the obtained path length, smoothness and other indicators are obviously improved. The operational efficiency has been greatly improved. Further, it is applied to the UAV route planning problem, which belongs to the same category of robot path planning. The simulation results show that. By using the proposed algorithm, an optimized route can be obtained, which avoids the threat area and has a short length. The research shows that the proposed algorithm has great improvement and improvement in the overall performance. In the simulation test of robot path planning problem under various conditions, there is good feasibility and effectiveness. The work in this paper provides inspiration and reference for the related algorithms to solve the path planning problems better. It has certain theoretical significance and practical value.
【學(xué)位授予單位】：大連海事大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP18;TP242

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曲良東;何登旭;;改進(jìn)的人工魚群算法及其在近似求導(dǎo)中的應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2009年05期

2 王聯(lián)國(guó);洪毅;趙付青;余冬梅;;一種簡(jiǎn)化的人工魚群算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年08期

3 王宗利;劉希玉;王文平;;一種改進(jìn)的人工魚群算法[J];信息技術(shù)與信息化;2010年03期

4 韋修喜;曾海文;周永權(quán);;云人工魚群算法[J];計(jì)算機(jī)工程與應(yīng)用;2010年22期

5 曾蒙迪;;人工魚群算法的簡(jiǎn)介及應(yīng)用[J];信息與電腦(理論版);2011年04期

6 李媛;;基于人工魚群算法的多元線性回歸分析問(wèn)題處理[J];渤海大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年02期

7 陳曉峰;宋杰;;量子人工魚群算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年12期

8 王波;;基于細(xì)胞膜優(yōu)化的人工魚群算法研究[J];科技通報(bào);2013年03期

9 王培崇;;人工魚群算法研究綜述[J];中國(guó)民航飛行學(xué)院學(xué)報(bào);2013年04期

10 李曉磊,薛云燦,路飛,田國(guó)會(huì);基于人工魚群算法的參數(shù)估計(jì)方法[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2004年03期

相關(guān)會(huì)議論文 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過(guò)程系統(tǒng)工程2001年會(huì)論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負(fù)荷模型參數(shù)辨識(shí)中的應(yīng)用[A];中國(guó)高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（中冊(cè)）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國(guó)電工數(shù)學(xué)學(xué)術(shù)年會(huì)論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 王聯(lián)國(guó);人工魚群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進(jìn)人工魚群智能優(yōu)化算法及其應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

4 張梅鳳;人工魚群智能優(yōu)化算法的改進(jìn)及應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進(jìn)的人工魚群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進(jìn)的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進(jìn)的人工魚群算法在商旅問(wèn)題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進(jìn)的人工魚群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 彭鵬;配電網(wǎng)無(wú)功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽(yáng)理工大學(xué);2015年

6 崔淑慧;三維管路自動(dòng)敷設(shè)算法及干涉校驗(yàn)方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 黃鋒;混沌人工魚群算法及其在水庫(kù)(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

8 劉翔;基于改進(jìn)人工魚群算法的化工過(guò)程優(yōu)化[D];北京化工大學(xué);2015年

9 喻俊松;基于改進(jìn)人工魚群算法無(wú)人機(jī)航跡規(guī)劃研究[D];南昌航空大學(xué);2015年

10 陳新;基于人工魚群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號(hào)：1458083