首页|Maklink环境下机器人导航路径的蛙跳多种群粒子群优化

Maklink环境下机器人导航路径的蛙跳多种群粒子群优化

扫码查看
原文链接
  • 万方数据
  • 维普
为了减少机器人导航路径长度和优化时间,提出了基于蛙跳多种群粒子群算法的路径规划方法.建立了机器人工作环境的Maklink模型,首先使用MS算法搜索出若干最短路径,然后提出了蛙跳多种群粒子群算法进行路径二次优化.将蛙跳算法的深度搜索思想引入到粒子群算法中,提出了多种群粒子群算法的分群方法、更新策略和合作机制,进而给出了基于蛙跳多种群粒子群算法的机器人导航路径优化方法.经过仿真验证,蛙跳多种群粒子群算法具有最佳的优化效果,最短路径长度比MSCPSO算法减少了 3.82％,比PSO算法减少了 5.46％;另外,蛙跳多种群粒子群算法的运行时间比MSCPSO算法减少了 25.53％,比PSO算法减少了 18.79％.
Robot Navigation Path Planning Based on Leapfrog Multi-Group Particle Swarm Algorithm

李硕、苏鸣、赵燕

展开 >

武昌首义学院,湖北武汉 430064

武汉科技大学,湖北武汉 430080

机器人导航 路径规划 深度搜索 Maklink模型 蛙跳多种群粒子群算法

湖北省教育厅科技指导项目

B2017364

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.373(3)
  • 7