首页|改进粒子群优化算法的移动机器人路径规划

改进粒子群优化算法的移动机器人路径规划

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对单一智能优化算法求解机器人路径规划时易陷入局部误区的问题,提出改进粒子群优化算法(GB_PSO)用于机器人路径规划.该算法以粒子群优化算法(particle swarm optimization,PSO)为主体,由于遗传算法(genetic algorithm,GA)和细菌觅食算法(bacterial foraging optimization algorithm,BFO)更新策略所受环境影响的不同,拟合两种环境参数;然后计算粒子与不同环境参数之间的相关性将粒子群划分为两类,分别通过GA的选择、交叉、变异算子和BFO的趋化操作并行加强局部优化;最后通过改进的粒子群更新公式对粒子进行更新,实现机器人全局和局部路径的优化.实验结果表明,改进粒子群优化算法进行路径规划提高了局部和整体的搜索能力,路径规划速度快且路径距离短,同时具备更强的鲁棒性.
Improved particle swarm optimization algorithm for mobile robot path planning

胡章芳、冯淳一、罗元

展开 >

重庆邮电大学 光电信息传感与技术重点实验室,重庆400065

移动机器人 路径规划 粒子群优化算法 遗传算法 细菌觅食算法

61801061cstc2017zdcy-zdzxX0011

2021

10.19734/j.issn.1001-3695.2021.01.0061

计算机应用研究
四川省电子计算机应用研究中心

计算机应用研究

CSTPCDCSCD北大核心
影响因子：0.93
ISSN：1001-3695
年,卷(期)：2021.38(10)
  • 27
  • 5