资源描述：
《机器人足球路径规划的一种改进算法.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、摇摇第31卷摇第5期计摇算摇机摇仿摇真2014年5月摇摇文章编号:1006-9348(2014)05-0373-05机器人足球路径规划的一种改进算法祁晓钰(齐齐哈尔大学,黑龙江齐齐哈尔161006)摘要:在足球机器人系统路径规划问题的研究中,足球机器人系统工作的环境很复杂,既要配合本方机器人协同作战,还要对抗敌方机器人。针对传统的机器人路径规划算法过于复杂,同时没有充分考虑到足球机器人在比赛中实时性和对抗性,导致实时性差以及射门准确率低等问题,提出了一种在基本微粒群算法中加入交叉算子和变异算子的改进微粒群算法。种群中的所有微粒所经历过的最佳位置
2、为当前全局最优位置。每个微粒都记忆当前自己所经历过的最优位置,将自己的最佳位置和全局最佳位置进行比较分析,修正自己的位置和速度。仿真结果显示改进微粒群算法比基本微粒群算法具有更优秀的搜索能力,实现了更快的收敛速度和更高的成功率,且对环境的变化有一定的适应性。关键词:微粒群算法;交叉算子;变异算子;机器人路径规划中图分类号:TP24摇摇文献标识码:BImprovedAlgorithmforPathPlanningofRobotSoccerQIXiao-yu(QiqiharUniversity,QiqiharHeilongjiang161006,C
3、hina)ABSTRACT:Workingenvironmentoftherobotsoccersystemisverycomplex.Itisnecessarytocooperatewithteammatesandfightagainsttheoppositerobots.Traditionalrobotpathplanningalgorithmswerecomplexandnotfullytookintoaccountreal-timeinthegameofsoccerrobotandconfrontationalissues,leadin
4、gtopoorreal-timeandlowshootingaccurate.Crossoveroperatorandmutationoperatorwereaddedinthebasicparticleswarmalgorithminthepaper.Alltheparticlesinthepopulationhaveexperiencedthebestpositionasthecurrentglobaloptimalposition.Eachparticlerememberexperiencedtheoptimalpositionofthe
5、irown,comparedthebestpositionwiththeglobalbestposition,andmodifiedtheirpositionandspeed.Simulationresultsshowthatthisalgorithmiscorrectandeffectivewithbettersearchability,fastconvergencespeed,highersuccessrateandgoodenvironmentaladaptation.KEYWORDS:Particleswarmalgorithm;Cro
6、ssoveroperator;Mutationoperator;Robotpathplanning1摇引言不断深入,各种新的路径规划方法层出不穷,使路径规划研机器人足球中的角色就是指能按照决策完成特定任务究一直活跃在机器人学领域。基于不同的基本思想,针对不的对象,角色需要调用机器人动作来完成特定任务。角色完同的路径规划情况,有多种算法出现,包括有栅格法、人工势成运动规划,通常是从当前位置运动到目标位置,同时必须场法(APF)、臭虫法(BUG)、随机位图法(PRM)、快速随机树[1]满足一定的约束条件,约束条件包括:不与已知障碍物发生(RRT)、
7、神经网络法(NN)、蚁群算法(SWARM)等等。然碰撞;尽量远离障碍物;运动路径最短;费时最短;必须经过而这些算法都是以牺牲避障安全、最优路径长度等为代价的设定点等等。机器人的路径规划问题可归结为由Durrant-来实现路径规划的。传统的路径规划方法大部分都是基于WhyteHF提出的三个问题:淤我现在何处?于我要往何处上述几种基本方法进行的,在搜索效率以及优化能力等方面去?盂应如何到该处去?解决这一问题一般分为两级规划,仍然存在各自的缺陷。文献[1]将遗传算法和蚁群算法两种即局部规划和全局规划。局部规划主要解决机器人定位和智能优化算法动态融合提
8、出了一种新的遗传蚁群算法(GA-路径追寻问题;而全局规划主要解决问题于,即将整体目标ACO)。与已有的将遗传算子引入蚁群算法的结合方式不同分解为局部目
