【摘 要】
：
针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题，本文提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法，实现在动态环境中的全局最优路径实时规划。首先对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数A增大相邻栅格启发信息差异、选择最优路径时考虑转弯次数的影响等改进策略；然后改进动态窗口法的距离评价
论文部分内容阅读
针对全局静态路径规划算法无法有效躲避动态障碍物、局部动态路径规划算法缺少全局环境信息指导规划路径质量差或无法成功到达目标点等问题，本文提出了一种结合改进蚁群算法和动态窗口法的全局动态路径规划算法，实现在动态环境中的全局最优路径实时规划。首先对传统蚁群算法提出了初始信息素不均匀、双向分布、引入放大系数A增大相邻栅格启发信息差异、选择最优路径时考虑转弯次数的影响等改进策略；然后改进动态窗口法的距离评价子函数和初始航向角；最后提取改进蚁群算法规划的全局最优路径的转折点作为子目标点来引导动态窗口法沿着全局最优路径方向进行实时动态路径规划。经过不同环境下的仿真实验结果表明，本文提出的全局动态路径规划算法可以通过实时动态路径规划实现有效躲避动态障碍物的同时规划全局最优路径。
其他文献
针对传统的船舶航向自动控制算法无法对船舶数学模型进行准确建模,且模型参数无法适应不同环境的控制精度要求的问题,提出一种改进蚁群算法。首先,建立船舶运动方程,明确影响控制精度的重要参数;然后,将蚁群算法与船舶航向自动控制系统相结合,并根据实际应用对象的特点对蚁群算法进行改进,使改进蚁群算法能够快速求出控制系统重要参数的最优解,提高船舶航向的控制精度;最后,通过仿真验证算法的可行性。仿真结果表明,相比
针对机器人路径规划中传统蚁群算法收敛速度慢、易陷入局部最优解等问题,提出一种改进的蚁群算法。引入带权重因子的引导函数,对蚂蚁状态转移策略进行改进,使蚂蚁在寻优的过程中更具有导向性。在信息素更新规则中,提出一种自定义的自适应信息素挥发因子更新方法,避免蚂蚁陷入局部最优解,而不能到达全局最优解。搭建了仿真环境,通过实例对所提方法进行验证并与传统蚁群算法对比分析,结果表明:改进蚁群算法在最优路径长度和迭
针对经典势场与蚁群联合机器人路径规划算法,易陷入局部最优、路径震荡且对不同复杂障碍物环境适应性差等问题,提出了基于改进的势场与蚁群算法的机器人路径规划算法。算法首先利用斥力距离值引入和增设虚拟子目标点改进经典人工势场算法,以优化其目标不可达和局部欠优问题,并通过过滤振荡点平滑最优路径,其次在改进势场优化蚁群初始路径筛选基础上,通过挥发因子的自适应设置与全局搜索策略的改进,提高蚁群算法对不同复杂障碍
四足机器人关节众多、运动方式复杂,步态规划是四足机器人运动控制的基础。传统的算法多基于仿生原理,缺乏广泛适应性。在建立运动学方程的基础上,提出了一种基于改进蚁群算法的步态规划算法。该算法利用了四足机器人4条腿运动的线性无关性,将步态规划问题转换为在四维空间里求取最长路径问题。仿真结果表明,该算法得出了满足约束条件的所有步态,最后通过机器人样机检验,验证了该算法求取结果的有效性和合理性。