基于差分进化的多机器人路径规划.pdf

基于差分进化的多机器人路径规划.pdf

ID:51416912

大小:310.96 KB

页数:4页

时间:2020-03-23

基于差分进化的多机器人路径规划.pdf_第1页
基于差分进化的多机器人路径规划.pdf_第2页
基于差分进化的多机器人路径规划.pdf_第3页
基于差分进化的多机器人路径规划.pdf_第4页
资源描述:

《基于差分进化的多机器人路径规划.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第28卷第l期计算机仿真2011年1月文章编号:1006—9348(2011)0l一0010一04基于差分进化的多机器人路径规划雷小宇1,楼朴根‘,张婷婷1,杨胜跃2(1.解放军理工大学,江苏南京2lllOl;2.中南大学信息科学与工程学院。湖南长沙4100r75)摘要:差分进化是一种新兴的、简单有效的智能优化方法。其具有较好的收敛性、鲁棒性和高效性。将差分进化引入到多机器人路径规划来,提出了一种基于差分进化的多机器人路径规划方法,并调整了进化的参数值。采用该方法加快了多机器人路径的规划速度。有效地克服了传统遗传算法速度慢,适应

2、新环境差的缺点,最后给出了的仿真结果证明方法可行、有效。关键词:多机器人;路径规划;差分进化;遗传算法;控制参数中图分类号:1钙91文献标识码:APathPlamlingResearchforMulti—RobotB嬲edonDi仃erentialEvoluti锄LEIXi∞一ylll,LOUPu—genl,ZHANGTing—tin91,YANGSheng一)rue2(1.PLAuIlive硌ity0fScience粕d,IkllIlology,NanjiIlgJi舳伊u21110l。Chi眦;2.CoUegeofI疵忸lat

3、ionScience锄dEngin∞riIlg,CeIItralsoutIlUniv嬲时,Ch卸gshaHur眦4l0075,Chi啦)ABSTI认CT:Di髓mntialEvoluti∞i8anovel,simple跚d胡锄tiveinteUigentoptimizati仰印pm∞h.hisc∞ver-gem,mbus协船8粕de伍cient.Anew叩pro∽h0fpa出pl鲫‘Ilingf葫mIllti—agemb鼬edDi珏Iemntialevolutioni8pres.ented锄dmor∞ver,tIleparan抡

4、te玛oftheevoluti佣a陀adjug知ed.nemethod∞cele删髓tllemIllti—ml胤palllpl加一ning,ande岱ectivelyovercomestlIeshortcomingth砒tlle呲tiorlalgenetical鲥t}ImisslowiIladaptingtothenew帅vimnment0ftIle8honcomin铲.Fimllly,小eBimuMonr∞Illtspm、陀tllattIleme山odi8fh8ible锄de珏ective.髓YWo曲S:Multi—robot

5、;Pathpl跚吨;DmrentialeVoluti∞;Ge舶ticalg丽tIlm;Contor王paI砌eterl引言分布式人工智能(DAI)成为近年来人工智能研究的一个重要分支,而DAI研究大致可以分为DPS(Distribu叫PmblemS01ving)和MAS(Multi—Agents)rst啪)两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发,将智能体概念应用于多机器人系统的研究中,将单个机器人视作一个能独立执行特定任务的智能体,并把这种多机器人系统称为“多智能体机器人系统(MARS)”。因此,本文中多机

6、器人系统等同于多智能体机器人系统。机器人的导航和路径规划是机器人运动的前提。单个机器人的路径规划是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。根据环境地理信息不同,路径规划可分为两种类型:①环境信息完全已知的离线全局路径规划;②环境信息完全未知或部分未知,通过传感器对机器人的工作环境进行探测,以获取障碍物位置、形状和尺寸等信息的基金项目:国家自然科学基金项目(60774023);湖南省自然科学基金项目(06JJ50141);解放军理工大学理学院青年基金(QN—DZ一2∞9一03)收稿日期:20lO—l

7、O一28一lO一在线局部路径规划。而多个机器人的路径规划侧重考虑整个系统的最优路径或近似最优,如系统总耗时间最少路径或是系统总路径最短等等。从目前国内外的研究来看规划多机器人路径时,更多地考虑的是多机器人之间的协调和合作式的路径规划。目前国内外学者采用的研究方法主要有:可视图法、自由空间法、栅格法、V哪肿i图法、人工势场、遗传算法、蚁群算法、免疫算法、神经网络、强化学习以及动态规划、最优控制算法、模糊控制¨‘31等。这些方法较好地解决了某些特定场合下的路径规划问题,但也呈现出规划效率不高,机器人之间协作性不强的弱点。本文将差分进

8、化进入到多机器人的路径规划中来、并调整控制参数,给出了仿真结果,并对下一步研究工作进行了探讨与展望。2差分进化基本原理由st0釉R和蹦ceK于1995年提出的差分进化(Di‰r-emialEvolu“on,DE)算法‘¨1是以遗传算法为基础的一种随机并行直接搜索

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。